基于GRNN的酱油种曲孢子数预测模型  

A Prediction Model of Koji Spores Number in Soy Sauce Production Base on GRNN

作　　者：张如意[1,2] 王学雷[1,2] 

机构地区：[1]中国科学院自动化研究所 [2]北京三博中自科技有限公司,北京100190

出　　处：《中国调味品》2012年第10期30-33,45,共5页China Condiment

摘　　要：孢子数是酱油种曲质量的一个重要指标。为优化种曲培养条件,提高种曲质量,文章基于培养过程数据,建立预测种曲孢子数的GRNN神经网络模型,并利用交叉验证确定GRNN模型的最优参数。对比K近邻非参数回归方法、BP神经网络模型,GRNN神经网络模型具有更好的计算稳定性和预测准确性。The spores number is an important index of koji quality. In order to optimize cultivation con- ditions and improve the quality of soy sauce koji , Based on process data, from the perspective of data mining, a General Regression Neural Network（GRNN） with cross validation for optimizing model pa- rameter was proposed to predict the final spores number. Compared with K-nearest neighbor method and back propagation neural network, GRNN shows a better performance.

关 键 词：GRNN 交叉验证 种曲孢子数 数据挖掘 

分 类 号：TS264.21[轻工技术与工程—发酵工程]