基于多维度特征并行提取模型的黄酒制品指标预测

随着粮食行业的逐渐发展,常见预测方法得到制品的原料指标含量不满足时代需要。提出多维度特征并行提取与神经网络全局优化结合的混合模型,通过0,1加权后完成不同数据处理方法并行组合。采用和声搜索算法分别与BP、RNN神经网络结合,分组化处理和声记忆库避免陷入局部最优,实现网络类型及结构的优选并完成特征选择,通过HS算法代替传统优化器进一步优化网络权重,从整体性实现神经网络全局优化。实验表明,通过混合模型实现预测,在黄酒原料指标大米水分、蛋白质、粗淀粉、脂肪含量、直链淀粉等指标值上的预测值与真实值之间具有较小的误差值。模型决定系数提高8%至24%,均方误差缩小7%至21%。可为生产优质制品提供满足时代需要的原料优选参考。