2010No.2
·50·
Serial No.215
China Brewing
Research Report
基于主成分分析，遗传算法和神经网络对啤酒感官评价预测的研究
任亦贺',骆学雷2，丰水平2，丛丽娜1-2*，钟俊辉2
（1.大连工业大学生物与食品工程学院，辽宁大连116034;2.华润雷花啤酒（中国)有限公司技术中心，河北三河065201) 摘要：使用主成分分析、遗传算法和神经网络建立啤酒感官评价模型并预测。该模型先将啤酒中23个理化及风味指标进行主成分分析，再将主成分得分作为输入数据，感官评价得分作为输出数据，使用BP神经网络建立预测模型，并采用遗传算法优化神经网络的权值。用此模型对50种啤酒的感官得分进行预测，预测最大相对误差为16.08%。经过对感评价的分析，最大相对误差小于20%认为可信。结果表明，该方法能有效地预测啤酒感官评价。
关键词：主成分分析；遗传算法：神经网络；啤酒风味；感官评价
中图分类号：TS262.5
文献标识码：A
文章编号：0254-5071(2010)02-0050-04
Prediction of beer sensory evaluation based on principal component analysis
genetic algorithm and artificial neural network
RENYihe',LUOXueler,FENGShuiping,CONGLina-2+,ZHONGJunhui
(1. School of Biological and Food Engineering, Dalian Polytechnic University, Dalian 116034, China
2.China Resource Snow Breweries Technology Center,Sanhe 065201,China)
Abstract: The mcthods of principal component analysis, genetic algorithm and artificial neural network were applied to model and predict the beer sensory evaluation, Initially, principal component analysis (PCA) was used to analyse 23 physicochemical indexes and beer flavor. The principal component and sensory evaluation were then scores as input and output, respectively. Back-propagation (BP) neural network was used to establish the prediction model, Genetic algorithm (GA) was further applied to optimize the neural network weights. Finally, this model was used to predict the 50 beer's sensory evaluation scores. The predictive maximum relative error was 16.08%. After analysis of the sensory evaluation, it is considered credible if the maximum relative error was less than 20%. The results indicated that the model can be applied for beer sensory evaluation prediction Key words: principal component analysis; genetic algorithm; artificial neural network; beer flavor, sensory evaluation
啤酒中已检测出800多种化合物，其中和啤酒风味密切相关的有100多种，比较热悉和能够控制的仅有几十种，并且这些成分之间的作用往往是协同的、加成的，相互之间的影响也很复杂。目前评价酒风味仍以品尝为主！。因此，如何通过啤酒风味的相关指标建立啤酒感官评价预测模型，能够简单、快速、准确地了解啤酒风味是目前脾酒企业急需解决的问题。神经网络以其特有的非线性映射能力、自学适应能力和并行信息处理能力，被广泛的应用在多个领域中M。BP神经网络是目前应用最广泛的神经网络之一。主成分分析是一种多元统计方法，能够有效的降低输入数据的维数，去除数据问的相关性。遗传算法是模仿自然界生物进化思想而得出的一种全局优化方法。遗传算法可以解决BP神经网络收敛速度慢、容易陷入局部最小值的问题。
本实验根据啤酒风味物质复杂性的特点，提出将主成分分析、遗传算法和神经网络结合在一起研究啤酒感官评价的预测。同时对提取出米的主成分含义进行了分析。结果表明，使用主成分遗传神经网络的精度和收敛速度均高
于传统的神经网络模型。 1数据、材料和方法
1.1啤酒理化及风味数据的选取
收稿日期：2009-10-20
实验选用国内外不同品牌、不同种类的市售啤酒230 种。选取对啤酒风味贡献较大的理化及风味指标进行测试。分别测试啤酒的原浓度、真浓值、发酵度、酒精质量分数、酒精体积分数、总酸、PH值、苦味质、双乙酰、二氧化碳、泡持性、色度、浊度、乙醛、二甲基硫(DMS)、酯类（乙酸乙酯、乙酸异丁酯、乙酸异戊酯、己酸乙酯、辛酸乙酯）、高级醇(正丙醇、异丁醇、异戊醇)共23个理化及风味指标。 1.2主要试剂
邻苯二胺(分析纯)；天津光复化工研究所：无水乙醇(分析纯)：天津市大茂化学试剂厂：高纯水：自制；正丁醇
(色谱纯)：Sigma-Aldrich化学公司。 1.3主要仪器
Agilent7890A气相色谱仪：DB-WAXETR色谱柱(0.53mmx30m）；Agilent7694E顶空进样器：美国Agilent公司：Skalar啤酒连续流动分析仪：荷兰Skalar公司：AntonPaar 啤酒分析仪：奥地利AntonPaar公司；MP220pH测定仪：瑞士MettlerToledo公司：双乙酰蒸馏器：天津天玻玻璃仪器
厂；UV-2550紫外可见分光光度计：日本岛津公司。 1.4分析方法
1.4.1理化指标的测定
依据GB4927方法测定。
作者简介：任亦贸（1981-），男，辽宁抚顺人，在读硕士研究生，研究方向为啤酒酿造：丛丽娜*，收投，通讯作者。