- Tytuł:
-
Wykorzystanie sieci neuronowych w modelowaniu zależności między wybranymi cechami fizykochemicznymi i elektrycznymi miodu
The use of artificial neural networks for modeling of the relationships between physicochemical and electrical properties of honey - Autorzy:
-
Luczycka, D.
Pentos, K. - Powiązania:
- https://bibliotekanauki.pl/articles/796772.pdf
- Data publikacji:
- 2014
- Wydawca:
- Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
- Tematy:
-
miod
cechy fizykochemiczne
cechy elektryczne
zaleznosci
sieci neuronowe sztuczne
analiza wrazliwosci
modele neuronowe
honey
physicochemical trait
electrical property
trait relationship
artificial neural network
sensitivity analysis
neural model - Opis:
-
Na cechy chemiczne i elektryczne miodu mają wpływ jego skład pyłkowy oraz zawartość wody. O ile zawartość wody można powiązać z analizowanymi parametrami zależnością funkcyjną, o tyle wpływ zawartości pyłków na badane cechy chemiczne i elektryczne miodu jest bardziej skomplikowanym zagadnieniem. W jednej próbce miodu można stwierdzić kilka do kilkunastu rodzajów pyłków różnych roślin, dlatego analiza jedynie wpływu pyłku przewodniego nie jest wystarczająca. Przedmiotem pracy jest wykorzystanie dwóch rodzajów sztucznych sieci neuronowych do tworzenia możliwie dokładnych modeli matematycznych uwzględniających zależność takich cech miodu, jak zawartość cukrów, aminokwasów, wolnych kwasów oraz przewodność elektryczna patoki od zawartości pyłków roślin i zawartości wody w próbce. Wykorzystując perceptron wielowarstwowy jako model matematyczny opisanych wyżej zależności, dokonano analizy wrażliwości. Na podstawie tej analizy możliwa była ocena wpływu parametrów wejściowych modelu na poszczególne wielkości wyjściowe. Sztuczne sieci neuronowe są wygodnym narzędziem do modelowania zależności pomiędzy cechami chemicznymi i elektrycznymi miodu a jego składem pyłkowym oraz zawartością wody. Większą dokładność modelu uzyskano wykorzystując perceptron wielowarstwowy o stosunkowo prostej strukturze. Sieci RBF generują model o znacznie niższej dokładności.
Pollen content and water content may influence the chemical and electrical parameters of honey. Water content can be related to analysed parameters by functional relationship but the influence of pollen content on honey chemical and electric parameters is more complicated. In one honey sample may be a few or several pollen of various plant types. The analysis only primary pollen influence is not adequate. The subject of this work is the use of two types of artificial neural networks to obtain accurate mathematical models describing the relationship between honey parameters like the content of sugars, amino acids, free acids, strained honey conductivity and both pollen content and water content. A total of 50 honey samples were used for this study. The honey samples with different production origin and varieties have been collected. Regarding the type of honey, in the samples group there were nectar, nectar-honeydew and honeydew honeys. Artificial neural networks are an useful tool for modeling relationships between chemical and electrical honey features as the output model parameters and both pollen content and water content as the input model parameters. Two neural network types were used for modeling task – multilayer perceptron and RBF network. Several dozen network structures were investigated and model quality assessment was based on the value of average relative error and standard deviation of the relative error calculated for both, training and test data sets. The values of average relative error as well as standard deviation of the relative error calculated for best network structures obtained in simulation tests prove the practical utility of neural models. The results obtained for RBF network show that the practical utility of this model is lower than multilayer perceptron (the values of average relative error exceed 20% for all structures tested). Using the multilayer perceptron as a mathematical model of these relationships, sensitivity analysis were executed. On the basis of this analysis, the assessment of the influence of model input parameters on some selected output parameters was possible. The results of the sensitivity analysis show that all input model parameters are statistically significant for all output model parameters (error quotient ≥ 1). In case of the model describing relationship between strained honey conductivity and both, water content and pollen content, one can not identify dominant explanatory variables. The most significant influence on glucose/ fructose content ratio, free acids content and proline content was observed for content of two pollen: Brassica napus and Brassicaceae. - Źródło:
-
Zeszyty Problemowe Postępów Nauk Rolniczych; 2014, 576
0084-5477 - Pojawia się w:
- Zeszyty Problemowe Postępów Nauk Rolniczych
- Dostawca treści:
- Biblioteka Nauki
Artykuł