文献类型：期刊文章

作　　者：邹立飞[1] 郑鹏[2]

ZOU Lifei;ZHENG Peng(College of Biology and Chemistry,Xingyi Normal University for Nationalities,Xingyi 562400,China;College of Horticulture,South China Agricultural University,Guangzhou 510642,China)

机构地区：[1]兴义民族师范学院生物与化学学院,贵州兴义562400 [2]华南农业大学园艺学院,广东广州510642

出　　处：《中国酿造》

基　　金：贵州省教育厅青年科技人才成长项目(黔教合KY字[2017]371)。

年　　份：2021

卷　　号：40

期　　号：1

起止页码：142-147

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、IC、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：采用Box-Behnken试验设计对薏苡仁酒的发酵条件进行优化,并对Box-Behnken(BB)试验结果分别进行响应面法(RSM)和人工神经网络(ANN)分析。结果表明,RSM、ANN优化发酵条件分别为薏苡仁∶糯米为1∶2(g∶g)、酵母A1接种量为4.7%、温度为31.7℃、初始pH为3.0;薏苡仁∶糯米为1∶1.9(g∶g)、酵母A1接种量为4.2%、温度为28.1℃、初始pH为3.0,ANN、RSM分别在其最优条件下的实际值和预测值都基本一致。ANN、RSM拟合模型的相关系数(R)、决定系数(R2)、均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)分别为0.9945、0.9889、0.0117、0.1084、0.0722、0.4863%和0.9836、0.9675、0.0289、0.1701、0.1437、0.9857%。ANN具有更高拟合能力和准确性,拟合效果更好,更适合应用于薏苡仁酒发酵条件优化。

关 键 词：人工神经网络 响应面法 薏苡仁酒  发酵条件 优化  

分 类 号：TS218]