基于KPCA-BP神经网络与GC-MS图谱的白酒价格预测技术

为实现对白酒价格的准确预测,采用气相色谱-质谱(GC-MS)技术对白酒样品的挥发性风味成分进行测定后选择对不同档次白酒样品有显著差异的微量成分,分别采用主成分分析(PCA)与核主成分分析(KPCA)对GC-MS图谱数据进行降维处理,再将降维后的数据送入到反向传播(BP)神经网络实现价格预测。结果表明,不同档次白酒样品检测出27种挥发性风味成分,其中,酯类8种,醇类9种,酸类9种以及醛类1种;除对不同档次白酒样品无显著性差异的微量成分丁酸乙酯、正己酸乙酯、丙醇、正丁醇、异戊醇和己酸外,采用PCA和KPCA对21种挥发性风味成分进行特征提取。结果表明,PCA前3个主成分累计方差贡献率达87.38%,KPCA前3个核主成分累计方差贡献率达90.02%,KPCA对3种档次白酒在三维空间上有良好的区分度,更能实现白酒特性的准确表达;KPCA-BP神经网络对中、高端白酒预测误差为5%,而PCA-BP神经网络预测误差为15%;白酒价格预测模型验证结果表明,KPCA-BP神经网络方法比PCA-BP神经网络预测的价格更准确,PCA-BP准确率为86.89%,KPCA-BP神经网络准确率达到92.96%。