發(fā)布時(shí)間：2018-01-08 06:31

  本文關(guān)鍵詞：面向軟測(cè)量的發(fā)酵過(guò)程變量選擇和數(shù)據(jù)降維研究　出處：《江蘇大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 降維 主成分分析 LASSO 深度學(xué)習(xí) 軟測(cè)量

【摘要】：近年來(lái),電子鼻和近紅外光譜等無(wú)損檢測(cè)技術(shù)以其非破壞性、互容性等優(yōu)點(diǎn)被廣泛于應(yīng)用食品、藥品等加工過(guò)程參數(shù)檢測(cè)。然而,直接將基于電子鼻和近紅外光譜提取的數(shù)據(jù)用于模型建立和預(yù)測(cè),往往存在變量過(guò)多,模型計(jì)算復(fù)雜度高等問(wèn)題。因此,在建模過(guò)程中實(shí)現(xiàn)數(shù)據(jù)降維十分重要。本文針對(duì)固態(tài)發(fā)酵過(guò)程,著重解決電子鼻和近紅外光譜特征變量過(guò)多,計(jì)算復(fù)雜度高等問(wèn)題,為實(shí)現(xiàn)固態(tài)發(fā)酵過(guò)程在線監(jiān)測(cè)提供研究基礎(chǔ)。具體研究工作如下:(1)針對(duì)電子鼻傳感器陣列具有交叉敏感性、信息冗余等問(wèn)題,提出一種基于電子鼻的傳感器陣列二級(jí)優(yōu)化方法。首先將主成分分析與相似性因子相結(jié)合對(duì)傳感器陣列作一級(jí)優(yōu)化,之后再使用序列前向選擇算法對(duì)傳感器陣列二級(jí)優(yōu)化。將所提方法應(yīng)用于蛋白飼料固態(tài)發(fā)酵過(guò)程監(jiān)控,并將其與傳統(tǒng)陣列優(yōu)化方法進(jìn)行對(duì)比,選用神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、線性判別分析等建模方法分別對(duì)比其預(yù)測(cè)精度及變量選擇個(gè)數(shù),結(jié)果表明所提方法在電子鼻傳感器陣列優(yōu)化中具有一定優(yōu)越性與適用性。(2)針對(duì)近紅外光譜特征變量多,光譜信息間存在嚴(yán)重共線性問(wèn)題。本文提出基于siPLS-LASSO的近紅外光譜特征選擇方法,并建立偏最小二乘校正模型預(yù)測(cè)蛋白飼料固態(tài)發(fā)酵過(guò)程pH值。該方法能克服LASSO與siPLS存在的不足,首先使用siPLS方法選擇最佳光譜子區(qū)間,然后在最佳光譜子區(qū)間內(nèi)使用LASSO進(jìn)一步篩選特征光譜。結(jié)果表明,與傳統(tǒng)變量選擇方法相比較,si PLS-LASSO方法在計(jì)算精度和響應(yīng)時(shí)間上都有明顯優(yōu)勢(shì)。因此,siPLS-LASSO是一種有效的特征波長(zhǎng)選擇算法。(3)為提取近紅外光譜深層信息,本章使用深度學(xué)習(xí)的三種典型模型——卷積神經(jīng)網(wǎng)絡(luò)、深度玻爾茲曼機(jī)和堆棧自編碼網(wǎng)絡(luò)等分別對(duì)光譜數(shù)據(jù)降維處理,為獲得更簡(jiǎn)潔穩(wěn)定的固態(tài)發(fā)酵預(yù)測(cè)模型,將處理后得到的特征向量經(jīng)遺傳算法進(jìn)一步降維,建立支持向量機(jī)模型預(yù)測(cè)蛋白飼料固態(tài)發(fā)酵過(guò)程pH值。結(jié)果表明:深度學(xué)習(xí)算法可以自動(dòng)學(xué)習(xí)獲得不同層次的特征表示,降低模型變量個(gè)數(shù)。同時(shí),與傳統(tǒng)特征降維方法的結(jié)合有助于對(duì)低維空間變量作進(jìn)一步篩選,減少建模時(shí)間,提高預(yù)測(cè)精度。
[Abstract]:This paper presents a new method for optimizing the solid state fermentation process by using siPLS - LASSO .

【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP212

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐克明;王俊;鄧凡霏;韋真博;程紹明;;用于山核桃陳化時(shí)間檢測(cè)的電子鼻傳感器陣列優(yōu)化[J];農(nóng)業(yè)工程學(xué)報(bào);2017年03期

2 張航;劉國(guó)海;江輝;梅從立;黃永紅;;基于近紅外光譜技術(shù)的乙醇固態(tài)發(fā)酵過(guò)程參數(shù)定量檢測(cè)[J];激光與光電子學(xué)進(jìn)展;2017年02期

3 明庭紅;蘇秀榕;周君;司開(kāi)學(xué);張紅燕;韓姣姣;崔晨茜;董麗莎;王朝陽(yáng);裘迪紅;;植物乳桿菌發(fā)酵牛乳揮發(fā)性風(fēng)味物質(zhì)的解析[J];食品與發(fā)酵工業(yè);2016年12期

4 馬雷;鄭夢(mèng)鴿;石拓;馬躍超;謝希賢;陳寧;;谷氨酸棒桿菌發(fā)酵過(guò)程中亮氨酸濃度近紅外模型的建立[J];生物技術(shù)通訊;2016年04期

5 黃星奕;陳茂晴;張志才;王順;潘思慧;;基于電子鼻技術(shù)監(jiān)測(cè)金耳深層發(fā)酵[J];食品與發(fā)酵工業(yè);2016年06期

6 束棟鑫;楊銘;梅從立;廖志凌;劉國(guó)海;;固態(tài)發(fā)酵過(guò)程電子鼻系統(tǒng)傳感器陣列優(yōu)化研究[J];中國(guó)農(nóng)機(jī)化學(xué)報(bào);2016年04期

7 于霜;劉國(guó)海;夏榮盛;江輝;;基于Adaboost及譜回歸判別分析的近紅外光譜固態(tài)發(fā)酵過(guò)程狀態(tài)識(shí)別[J];光譜學(xué)與光譜分析;2016年01期

8 王求娟;鄭珍珍;藺佳良;陳義芳;蘇秀榕;;利用傳統(tǒng)酒釀發(fā)酵改善鰹魚(yú)風(fēng)味[J];中國(guó)食品學(xué)報(bào);2015年07期

9 裘迪紅;歐昌榮;蘇秀榕;明庭紅;;植物乳桿菌發(fā)酵草魚(yú)肉揮發(fā)性成分的變化規(guī)律[J];食品科學(xué);2015年20期

10 顏明月;陸玉芹;陳德慰;;電子鼻技術(shù)研究臭氧水處理對(duì)羅非魚(yú)魚(yú)片的新鮮度的影響[J];食品科學(xué);2015年20期

相關(guān)博士學(xué)位論文 前1條

1 江輝;基于近紅外光譜和電子鼻技術(shù)的固態(tài)發(fā)酵過(guò)程檢測(cè)研究及應(yīng)用[D];江蘇大學(xué);2013年

相關(guān)碩士學(xué)位論文 前1條

1 吳同;基于深度學(xué)習(xí)的分類(lèi)算法研究及應(yīng)用[D];吉林大學(xué);2016年

，

本文編號(hào)：1396039