BP神经网络在粮食干燥预测模型中的应用

来源 :粮食加工 | 被引量 : 0次 | 上传用户:reap
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
粮食干燥系统是一个大时滞、多干扰的强非线性系统,难以获得精确数学模型,针对粮食干燥这一难题,利用玉米干燥实际生产数据建立BP神经网络预测模型,通过干燥机排粮频率实际值和模型预测值进行研究对比,得出利用BP神经网络可以快速、准确地建立模型来描述排粮频率变化规律.该神经网络预测误差较小,预测效果较好.
其他文献
随着焙烤食品业的快速发展和食品添加剂的广泛应用,食品添加剂对改善焙烤食品面团加工性能、增大比容和体积、延长产品保鲜期和保质期、改善品质、提高产品成品率和劳动生产率等方面具有不可替代的多种功能.但是,如不能正确地使用和添加,将会破坏面团工艺性能、产生嫌忌成份等,降低了产品率和市场接受程度,甚至不能达到产品应有品质.因此,在焙烤食品中正确使用添加剂尤为关键.下面主要以面包、饼干为例进行说明.
期刊
为了提高发芽糙米中γ-氨基丁酸(GABA)含量,研究采用了一种不同于传统浸泡法的非浸泡法生产发芽糙米.在非浸泡法工艺的基础上,研究了后期发芽条件对发芽糙米中GABA的影响规律,并将浸泡法与非浸泡法进行对比试验.研究结果表明:非浸泡法中发芽温度和发芽时间对发芽糙米中GABA含量的影响规律均为先增加、后降低;利用Excel软件处理数据,可以得到发芽温度为28~32℃、发芽时间为36~40 h时,GABA含量最高;与浸泡法相比,非浸泡法制得的发芽糙米中GABA含量提高12.2%~96.0%.该结果可为进一步研究