学位论文 > 优秀研究生学位论文题录展示
茅台酒原产地识别技术研究
作 者: 汪强
导 师: 郭坤亮
学 校: 贵州大学
专 业: 发酵工程
关键词: ICP-MS 茅台酒 原产地 神经网络
分类号: TS261.7
类 型: 硕士论文
年 份: 2009年
下 载: 54次
引 用: 0次
阅 读: 论文下载
内容摘要
本课题对酒样进行微波消解前处理,采用ICP-OES和ICP-MS定量分析了不同原产地域和厂家的酱香型白酒中的主要无机元素,并对检测结果进行统计分析,提取了反映酱香型白酒地域特征的信息,不同原产地域和厂家的酱香型白酒多维元素稳定元素同位素含量差异明显,B11/B10在茅台酒中具有明显的原产地域特征。针对普通系统聚类分析方法分类划分的主观性缺陷,采用M语言编程,建立包含三层神经元的误差反向传递人工神经网络,利用其自适应、自组织、自动学习、容错性、鲁棒性和非线性逼近的能力进行酒类产地模式识别,经过网络构建、训练、仿真测试和验证,该BP网络能够根据多维元素成分组成的向量矩阵区分不同产地来源的酱香型白酒,建立了茅台酒原产地域识别模型。神经网络模型以其相对简单、省时和方便的优点可以成为酒类原产地识别的有力工具,将在茅台酒的原产地域保护发挥一定作用。
|
全文目录
中文摘要 7-8 Abstract 8-9 第一章 绪论 9-22 1.1 选题背景和国内外研究进展 9-12 1.1.1 国外酒类原产地保真与识别技术研究进展 9-11 1.1.2 蒸馏酒类原产地保真与识别技术研究进展 11 1.1.3 原产地同位素特征研究进展 11-12 1.2 原产地同位素检测分析方法 12-18 1.2.1 ICP-MS在原产地同位素研究中的应用 12-15 1.2.1.1 ICP-MS在原产地同位素研究中应用的特点 12-14 1.2.1.2 ICP-MS的优点和缺陷 14 1.2.1.3 ICP-MS的主要影响因素 14 1.2.1.4 ICP-MS的技术进展情况 14-15 1.2.2 ICP-OES在原产地研究中的应用 15-17 1.2.2.1 ICP-OES工作特点 16 1.2.2.2 ICP-OES的局限性 16-17 1.2.3 酒类样品的微波消解前处理技术 17-18 1.2.3.1 常用的微波消解体系 17 1.2.3.2 微波消解法的特点 17-18 1.3 统计分析和数据挖掘 18-21 1.3.1 通常的聚类分析 18 1.3.2 非线性分析 18-19 1.3.3 人工神经网络 19-21 1.3.3.1 人工神经网络简介 19 1.3.3.2 人工神经网络基本工作特点 19 1.3.3.3 神经网络应用酒类原产地识别 19-20 1.3.3.4 痕量元素和同位素比分析需要克服的局限性 20-21 1.4 研究内容与目标 21 1.5 小结 21-22 第二章 ICP-MS和ICP-OES在茅台酒原产地域中的应用研究 22-45 2.1 仪器与方法 22-31 2.1.1 仪器和试剂 22 2.1.2 实验与结果 22-31 2.1.2.1 酒样前处理 22 2.1.2.2 微波消解 22-23 2.1.2.3 混标配制 23-24 2.1.2.4 ICP-AES检测 24-27 2.1.2.5 ICP-MS检测酒样微量元素及稳定同位素 27-31 2.2 结果分析 31-41 2.2.1 OES数据统计描述与样本组元素概率分布 31-38 2.2.2 酒样中主要无机元素的分布情况 38-41 2.3 检测结果讨论 41-44 2.3.1 茅台地区酒类硼同位素比的研究 41-44 2.3.1.1 统计分析 41-44 2.4 茅台地区酒体元素差异原因分析 44-45 第三章 人工神经网络对茅台酒原产地识别技术研究 45-67 3.1 人工神经网络模型基本原理 45-54 3.1.1 人工神经网络概念 45-47 3.1.2 人工神经网络的传递函数 47-48 3.1.3 人工神经网络的学习 48-49 3.1.3.1 网络的学习方式 48-49 3.1.3.2 网络的学习算法 49 3.1.4 误差反向传播BP神经网络 49-54 3.1.4.1 BP神经网络结构 49-51 3.1.4.2 BP网络学习过程 51-52 3.1.4.3 BP算法中的信息流传递 52 3.1.4.4 权值和误差的梯度下降计算 52-54 3.1.4.5 误差反向传播流程及其解释 54 3.2 人工神经网络原产地识别模型的方案优化 54-55 3.2.1 BP网络的局限 54 3.2.2 BP网络的优化方案 54-55 3.3 基于BP网络的茅台酒模式识别网络的建立 55-58 3.3.1 MATLAB神经网络工具箱 55-56 3.3.2 网络结构的确定 56-57 3.3.3 确定隐藏层神经元 57 3.3.4 选取网络学习参数 57-58 3.3.4.1 初始权值选取 57 3.3.4.2 学习速率选取 57-58 3.4 数据预处理 58-59 3.4.1 酒样原始数据引入 58 3.4.2 数据矩阵合并与转置 58-59 3.4.3 总体数据的归一化 59 3.4.4 抽取测试数据集 ATR和验证数据集 AT和 F 59 3.5 基于BP神经网络的茅台酒原产地模式识别的实现及分析 59-66 3.5.1 基于BP神经网络模型的茅台酒原产地识别模型的建立 59-63 3.5.2 训练后的BP网络参数 63-64 3.5.3 结果与讨论 64-66 3.6 结论与展望 66-67 3.6.1 结论 66 3.6.2 展望 66-67 致谢 67-68 参考文献 68-72 附录 72-82
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
- 基于神经网络的水厂投药预测控制研究,TP273.1
- 机械臂视觉伺服系统的研究,TP242.6
- 压电驱动微工作台的控制与校正技术研究,TP273
- 某武器检测装置的控制系统设计,TP183
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
- 不具备全局Lipschitz条件的时滞细胞神经网络的反周期解研究,TP183
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 高速公路拆迁民众生存系统评价研究,D523
- 基于计算机视觉的脱水蒜片检测与分级研究,TP391.41
- 基于小波神经网络的矿山事故隐患安全评价系统的设计,TD79
- 三十种中成药元素含量分析及基于元素含量的中成药分类研究,R286.0
中图分类: > 工业技术 > 轻工业、手工业 > 食品工业 > 酿造工业 > 酿酒工业 > 产品标准与检验
© 2012 www.xueweilunwen.com
|