目前,酒業(yè)主要依托于傳統(tǒng)生產(chǎn)工藝,而要實現(xiàn)白酒優(yōu)產(chǎn)、高產(chǎn)的目標,就要立足于傳統(tǒng)的生產(chǎn)經(jīng)驗,推動白酒生產(chǎn)密碼的破譯。因此,根據(jù)已采集的生產(chǎn)數(shù)據(jù),調(diào)整生產(chǎn)工藝參數(shù)實現(xiàn)白酒優(yōu)產(chǎn)、高產(chǎn)的需求就顯得尤為迫切,但優(yōu)化生產(chǎn)工藝參數(shù)方面的應用仍存在較大的空白。綜上,本文提出了一種新的研究思路—將關聯(lián)規(guī)則、機器學習、深度學習模型應用于生產(chǎn)工藝參數(shù)優(yōu)化。在收集并處理生產(chǎn)數(shù)據(jù)的基礎上,模型關于生產(chǎn)工藝參數(shù)優(yōu)化問題的研究依次遞進,緊密相關,為實現(xiàn)白酒優(yōu)產(chǎn)、高產(chǎn)奠定了模型基礎。本文的主要工作及創(chuàng)新點如下:1)本文將關聯(lián)規(guī)則應用于生產(chǎn)工藝參數(shù)優(yōu)化。先將人為設定的最低可接受的支持度、置信度輸入關聯(lián)規(guī)則,可輸出各個強規(guī)則的支持度、置信度,然后將各個強規(guī)則的支持度、置信度組成二維數(shù)據(jù)集,由聚類算法對數(shù)據(jù)集進行聚類,獲取平均支持度、置信度最高的類別,最后將該類別的最低支持度、置信度再次輸入關聯(lián)規(guī)則,并篩選后件為一級酒標簽的強規(guī)則,可分析出生產(chǎn)工藝參數(shù)組合對白酒質(zhì)量的影響。2)結合正交實驗等方法,本文利用機器學習實現(xiàn)白酒質(zhì)量分類與產(chǎn)量回歸預測,以及生產(chǎn)工藝參數(shù)優(yōu)化。為分析生產(chǎn)工藝參數(shù)與白酒產(chǎn)量的關系,本文構建了基于生產(chǎn)特征... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【部分圖文】：

白酒生產(chǎn)流程圖

FP-tree的構建樣例

殘差塊示意圖

【參考文獻】：
期刊論文
[1]蒸汽量和尾酒量對醬香型白酒產(chǎn)量的影響[J]. 徐鴻飛,王海鷹,田紹潤,潘登,朱彤.  中國釀造. 2019(10)
[2]基于XGBoost方法的葡萄酒品質(zhì)預測[J]. 孫逸菲,袁德成,王建龍,白楊.  沈陽化工大學學報. 2018(04)
[3]基于小波分解和因子分析的白酒香型和年份鑒定的研究[J]. 辜姣,陳國慶,張笑河,劉懷博,馬超群,朱純,廖翠萃.  光譜學與光譜分析. 2018(08)
[4]基于數(shù)據(jù)挖掘的白酒分類問題研究[J]. 劉亞清,馬藝翔.  中國釀造. 2018(04)
[5]優(yōu)質(zhì)大米與普通大米對特香型白酒質(zhì)量和產(chǎn)量的影響[J]. 李科發(fā),熊秋萍,付毅華,胡賢民,彭思妮,謝小蘭.  釀酒科技. 2016(06)
[6]基于理化成分分析的葡萄酒質(zhì)量檢測方法——logit模型的實際應用[J]. 裴慧宇.  科技創(chuàng)業(yè)家. 2013(14)
[7]葡萄酒的質(zhì)量預測模型[J]. 陳欣.  西安文理學院學報(自然科學版). 2013(02)
[8]基于隨機森林算法的葡萄酒品質(zhì)預測方法[J]. 林劼,林舒曄.  莆田學院學報. 2012(05)
[9]新的Hopfield神經(jīng)網(wǎng)絡分類器在葡萄酒質(zhì)量評價中的應用[J]. 劉延玲.  價值工程. 2012(02)
[10]基于粗集理論的大曲理化指標對白酒質(zhì)量和產(chǎn)量影響的重要因素分析[J]. 唐玲,陶雪容,廖軍.  安徽農(nóng)業(yè)科學. 2011(02)

碩士論文
[1]不同季節(jié)入窖條件對濃香型白酒產(chǎn)量和質(zhì)量的影響[D]. 馬連松.齊魯工業(yè)大學 2015
[2]數(shù)據(jù)挖掘方法在葡萄酒品質(zhì)鑒定中的應用[D]. 張浩彬.暨南大學 2014
[3]基于光譜的白酒鑒別研究[D]. 張苗苗.重慶大學 2010
[4]基于數(shù)據(jù)挖掘的葡萄酒質(zhì)量識別[D]. 林翠香.中南大學 2010



本文編號：3576662