食品添加剂高效液相色谱分析的神经网络建模研究  

Modeling of HPLC Analysis of Food Additives with Neural Network

作　　者：唐明翔[1] 陈海元[2] 杨公明[3] 李开雄[1] 

机构地区：[1]石河子大学食品学院 [2]阿克苏地区质量与计量检测所,新疆阿克苏843000 [3]华南农业大学食品学院,广东广州510642

出　　处：《食品科学》2007年第5期77-80,共4页Food Science

基　　金：石河子大学高层次人才科研启动基金(RCZX200537);石河子大学"263"青年骨干教师资助计划(SP02014)

摘　　要：以七种食品添加剂的高效液相色谱分析数据为基础,建立了一个预测保留时间的人工神经网络模型。模型采用BP网络的基本结构和算法,含有一个隐层的双层拓扑结构。确定了隐层节点数的最佳取值范围,不仅可以满足模型对仿真精度的要求,而且可以使模型的训练速度保持在合适的范围内,避免了过多的隐层节点数导致网络冗余和收敛速度下降。模拟结果表明,基本BP算法训练网络具有很好的稳定性,预测结果与实验数据有良好的一致性。An artificial neural network （ANN） model is constructed to predict the retention time, based on the high performance liquid chromatographic （HPLC） analysis data of seven food additives. The model is created in the strucnae of feed-forward network with the algorithm of back propagation. It is a double-layer topological network, including one hidden layer. The optimum node number of hidden layer is determined. With these parameter values, the model can be trained accurately, and the uaining speed are kept in an appropriate range. The network redundancy and the drop of constringency speed are avoided. The simulation results shows that the network can be trained stably by basic BP algorithm, and the predicting results are well in accordance with experimental data.

关 键 词：人工神经网络 食品添加剂 高效液相色谱 建模 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TS202.3[自动化与计算机技术—控制科学与工程]