【技术实现步骤摘要】
本专利技术主要涉及酿酒，尤其是涉及一种基于神经网络的粮食浸泡过程水分含量预测方法。
技术介绍
1、在白酒酿造中，润粮是一道关键工序，润粮过后的粮食水分含量直接影响基酒的出酒率和风味，因此针对新品种或不同理化性质的粮食需要频繁的检测润粮环节中粮食的水分含量，以便确定润粮时间，达到润粮工艺要求。传统的润粮方式以堆积润粮为主，将高温水加入粮堆中进行翻拌，经过几次相同的操作后使粮食达到适宜的水分含量，但堆积润粮工艺存在耗时长、翻拌不均一等缺陷，并且操作繁琐、工序掌控难度大，生产成本高。经过探索创新，润粮工序的另一种方式为泡粮，泡粮操作简单，相应参数条件易控制，因此更适用于大规模工业化生产。然而不同品种粮食在泡粮后的水分含量会因其理化性质不同而不同，淀粉组成及淀粉含量、蛋白质含量、脂肪含量和单宁含量等直接影响粮食在泡粮工序后的水分含量，进而影响基酒的品质。同时，在泡粮工序中通常采用将整粒粮食在恒温水中浸泡的方式，因为整粒粮食作为酿酒原料时，其颗粒之间具有较大的孔隙度，可以最大限度地降低糠壳的使用量，从根本上减少原辅料的邪杂味被引入酒体；另外整粒粮食投料进入糟醅体系可以使营养成分缓慢释放，从而保障长发酵期的养料供给。但是现有技术中，在引入新品种的酿酒原料时，通常需要采用模拟实验的方法确定泡粮过程中粮食的水分含量，操作繁琐，并且会耗费大量的时间。
技术实现思路
1、本专利技术所要解决的技术问题
2、本专利技术提供一种基于神经网络的粮食浸泡过程水分含量预测方法，目的在于快速简便地获取泡
3、本专利技术解决上述技术问题所采用的技术方案
4、一种基于神经网络的粮食浸泡过程水分含量预测方法，包括：
5、步骤s1、获取粮食样品，测定粮食样品的各项理化性质；
6、步骤s2、记录粮食在恒温水中不同浸泡时间所对应的水分含量；
7、步骤s3、分析粮食各项理化性质与粮食浸泡过程水分含量的相关性，根据相关程度确定影响粮食浸泡过程水分含量的关键理化性质；
8、步骤s4、建立神经网络预测模型，将粮食的初始水分含量、关键理化性质和浸泡时间作为神经网络预测模型的输入，浸泡时间对应的水分含量作为神经网络预测模型的输出，对神经网络预测模型进行训练；
9、步骤s5、将待测水分含量的粮食的初始水分含量、关键理化性质和浸泡时间输入经过训练的神经网络预测模型，神经网络预测模型输出浸泡时间对应的水分含量。
10、进一步的，步骤1中所述理化性质具体包括粮食的脂肪含量、单宁含量、蛋白质含量、淀粉含量、直链淀粉含量、支链淀粉含量、硬度、比表面积和种皮厚度。
11、进一步的，步骤2具体包括：采用peleg模型模拟粮食在恒温水中不同浸泡时间所对应的水分含量，其中t为浸泡时间，mt为粮食在浸泡t时间时的水分含量，m0为粮食的初始水分含量，k1为速率常数，k2为容量常数。
12、进一步的，步骤3所述分析粮食各项理化性质与粮食浸泡过程水分含量的相关性具体包括：将粮食的理化性质分别与速率常数k1和容量常数k2进行相关性分析，若某项理化性质与k1或k2的相关程度超过所设定的阈值，则将该项理化性质确定为影响粮食浸泡过程水分含量的关键理化性质。
13、进一步的，将粮食的各项理化性质分别与速率常数k1和容量常数k2进行双变量皮尔森相关性分析，并选择双侧显著性校验，将显著性p值小于设定值的理化性质确定为影响粮食浸泡过程水分含量的关键理化性质。
14、进一步的，步骤s4具体还包括：将所述关键理化性质、浸泡时间和浸泡时间对应的水分含量转换为[0,1]区间的值后输入建立的神经网络预测模型，具体转换方法为：x'表示预处理后的数值，xi表示预处理前的数值，xmin表示数据中的最小值，xmax表示数据中的最大值。
15、本专利技术的有益效果
16、本专利技术提供一种基于神经网络的粮食浸泡过程水分含量预测方法，首先通过对粮食的理化性质与粮食在泡粮过程的水分含量的相关性分析筛选出能够影响泡粮后的水分含量的关键理化性质，构建神经网络预测模型，将粮食的关键理化性质、浸泡时间和初始水分含量作为神经网络预测模型的输入，粮食浸泡过程中的水分含量作为神经网络预测模型的输出对神经网络预测模型进行训练，基于训练完成后的神经网络预测模型能够快速、准确地预测不同品种酿酒粮食泡粮过程的水分含量，预测结果有助于酿酒原料品种筛选，还可以用于工艺参数的调整，进而大幅缩减了新品种粮食泡粮工艺探索周期，对提升白酒品质和降低生产成本具有重要意义。
本文档来自技高网...【技术保护点】
1.一种基于神经网络的粮食浸泡过程水分含量预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于神经网络的粮食浸泡过程水分含量预测方法，其特征在于，步骤1中所述理化性质具体包括粮食的脂肪含量、单宁含量、蛋白质含量、淀粉含量、直链淀粉含量、支链淀粉含量、硬度、比表面积和种皮厚度。
3.根据权利要求1所述的一种基于神经网络的粮食浸泡过程水分含量预测方法，其特征在于，步骤2具体包括：采用peleg模型模拟粮食在恒温水中不同浸泡时间所对应的水分含量，其中t为浸泡时间，Mt为粮食在浸泡t时间时的水分含量，M0为粮食的初始水分含量，k1为速率常数，k2为容量常数。
4.根据权利要求3所述的一种基于神经网络的粮食浸泡过程水分含量预测方法，其特征在于，步骤3所述分析粮食各项理化性质与粮食浸泡过程水分含量的相关性具体包括：将粮食的理化性质分别与速率常数k1和容量常数k2进行相关性分析，若某项理化性质与k1或k2的相关程度超过所设定的阈值，则将该项理化性质确定为影响粮食浸泡过程水分含量的关键理化性质。
5.根据权利要求4所述的一种基于神经网络的
6.根据权利要求1所述的一种基于神经网络的粮食浸泡过程水分含量预测方法，其特征在于，步骤S4中将所述关键理化性质、浸泡时间和浸泡时间对应的水分含量转换为[0,1]区间的值后输入建立的神经网络预测模型，具体转换方法为：X'表示预处理后的数值，Xi为预处理前的数值，Xmin为数据中的最小值，Xmax为数据中的最大值。
...【技术特征摘要】
1.一种基于神经网络的粮食浸泡过程水分含量预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于神经网络的粮食浸泡过程水分含量预测方法，其特征在于，步骤1中所述理化性质具体包括粮食的脂肪含量、单宁含量、蛋白质含量、淀粉含量、直链淀粉含量、支链淀粉含量、硬度、比表面积和种皮厚度。
3.根据权利要求1所述的一种基于神经网络的粮食浸泡过程水分含量预测方法，其特征在于，步骤2具体包括：采用peleg模型模拟粮食在恒温水中不同浸泡时间所对应的水分含量，其中t为浸泡时间，mt为粮食在浸泡t时间时的水分含量，m0为粮食的初始水分含量，k1为速率常数，k2为容量常数。
4.根据权利要求3所述的一种基于神经网络的粮食浸泡过程水分含量预测方法，其特征在于，步骤3所述分析粮食各项理化性质与粮食浸泡过程水分含量的相关性具体包括：将粮食的理化性...
【专利技术属性】
技术研发人员：王红梅，王松涛，沈才洪，李哲，李姝，李令，贾俊杰，汪茜，胡永芯，
申请(专利权)人：泸州品创科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。