目的探究白酒感官品评与白酒风味成分之间的关系,实现通过感官品评对风味成分进行预测。方法采用变分自编码器(variational auto encoder,VAE)对原始数据进行增强,以多核支持向量回归(multi-kernel support vector regression,MKSVR)结...目的探究白酒感官品评与白酒风味成分之间的关系,实现通过感官品评对风味成分进行预测。方法采用变分自编码器(variational auto encoder,VAE)对原始数据进行增强,以多核支持向量回归(multi-kernel support vector regression,MKSVR)结合遗传算法(genetic algorithm,GA)建立单预测模型,再采取逐步预测的方式按照酸、酯、醇、醛类物质的顺序进行预测,从而构建最终模型。结果在经过VAE对数据进行增强的条件下,多元线性回归(mixed logistic regression,MLR)对酸、酯、醇、醛类物质预测的拟合优度分别为0.9660、0.9106、0.8767、0.8686,随机森林(random forests,RF)对酸、酯、醇、醛类物质预测的拟合优度分别为0.9663、0.9186、0.8805、0.8708,GA-MKSVR对酸、酯、醇、醛类物质预测的拟合优度分别为0.9715、0.9423、0.9072、0.8809,GA-MKSVR逐步预测对酸、酯、醇、醛类物质预测的拟合优度分别为0.9715、0.9447、0.9102、0.8851,GA-MKSVR逐步预测的效果均为最优。结论GA-MKSVR逐步预测方法相较于传统的机器学习方法,具有更好的性能,对数据具有更高的适应性,能更好地构建白酒感官与风味成分之间的关系模型。展开更多
文摘目的探究白酒感官品评与白酒风味成分之间的关系,实现通过感官品评对风味成分进行预测。方法采用变分自编码器(variational auto encoder,VAE)对原始数据进行增强,以多核支持向量回归(multi-kernel support vector regression,MKSVR)结合遗传算法(genetic algorithm,GA)建立单预测模型,再采取逐步预测的方式按照酸、酯、醇、醛类物质的顺序进行预测,从而构建最终模型。结果在经过VAE对数据进行增强的条件下,多元线性回归(mixed logistic regression,MLR)对酸、酯、醇、醛类物质预测的拟合优度分别为0.9660、0.9106、0.8767、0.8686,随机森林(random forests,RF)对酸、酯、醇、醛类物质预测的拟合优度分别为0.9663、0.9186、0.8805、0.8708,GA-MKSVR对酸、酯、醇、醛类物质预测的拟合优度分别为0.9715、0.9423、0.9072、0.8809,GA-MKSVR逐步预测对酸、酯、醇、醛类物质预测的拟合优度分别为0.9715、0.9447、0.9102、0.8851,GA-MKSVR逐步预测的效果均为最优。结论GA-MKSVR逐步预测方法相较于传统的机器学习方法,具有更好的性能,对数据具有更高的适应性,能更好地构建白酒感官与风味成分之间的关系模型。
