典型文献
基于PCA-GA-SVR的鲜食葡萄运输过程品质建模
文献摘要：
由于生鲜果蔬生产的地域性和季节性,生鲜果蔬在采摘后需要经过运输、贮藏等物流过程才可以到达消费者的手中,在此过程外界因素的影响会造成生鲜果蔬发生一系列生理变化,进而影响其口感.本研究以鲜食葡萄为研究对象,拟探索鲜食葡萄在物流运输过程中的理化指标与感官品质关系建模,基于对实际运输过程的监测在实验室开展了鲜食葡萄运输模拟实验和感官实验,获取了鲜食葡萄运输过程中理化指标和感官品质数据,并构建了不同运输模式下的鲜食葡萄品质数据集;构建了基于改进支持向量回归(Support Vector Regression Algorithm,SVR)的鲜食葡萄理化指标与感官品质建模方法,首先利用主成分分析法(Principal Component Analysis,PCA)对理化指标进行降维,再利用遗传算法(genetic algorithm,GA)优化SVR模型参数提升模型的拟合效果.利用常温运输、保冷运输和冷链运输三种运输模式以及混合数据集测试,结果表明改进的PCA-GA-SVR模型预测的准确性和精度均有显著提高,MAE、MSE、RMSE均小于0.5,R2均大于0.96,PCA-GA-SVR模型能够较好地反映鲜食葡萄理化指标与感官品质之间的非线性映射关系.同时,研究表明理化指标数据与感官品质之间的关系受到运输模式的影响较小,本研究提出的感官品质评估模型可以较好地应用在任何运输方式上,辅助物流过程中生鲜农产品的品质控制与管理.
文献关键词：
多支持向量回归;理化指标;感官品质;遗传算法;鲜食葡萄;生鲜农产品;食品安全
中图分类号：
作者姓名：
贺苗;李鑫;朱志强;冯建英
作者机构：
中国农业大学信息与电气工程学院,北京100083;国家农产品保鲜工程技术研究中心(天津),天津300000
文献出处：
引用格式：
[1]贺苗;李鑫;朱志强;冯建英-.基于PCA-GA-SVR的鲜食葡萄运输过程品质建模)[J].农业大数据学报,2022(01):98-108
A类：
多支持向量回归
B类：
GA,SVR,鲜食葡萄,运输过程,鲜果,果蔬,地域性,采摘后,贮藏,流过,手中,外界因素,生理变化,物流运输,理化指标,感官品质,关系建模,运输模拟,模拟实验,质数,运输模式,葡萄品质,Support,Vector,Regression,Algorithm,Principal,Component,Analysis,genetic,algorithm,拟合效果,保冷,冷链运输,混合数据,MAE,RMSE,非线性映射,映射关系,明理,品质评估,运输方式,生鲜农产品,品质控制,控制与管理,食品安全
AB值：
0.289786
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
