葡萄酒评价模型 - 图文(6)

Naphthalene 萘 128 156 151 164 148 154 122

C10H8 C10H20O C8H9NO2 C10H12O2 C10H12O C10H18O C8H10O

1 0.109 0.682 0.732 0.514 0.11 0.77

（R）-3,7-二甲基

6-Octen-1-ol, 3,7-dimethyl-, (R)- -6-辛烯醇 Oxime-, methoxy-phenyl-_ Acetic acid, 2-phenylethyl ester

甲氧基苯基丙酮肟 2-苯乙基乙酸酯

1-甲氧基-4-（1-丙Benzene, 1-methoxy-4-(1-propenyl)- 烯基）苯 2,6-Octadien-1-ol, 3,7-dimethyl-, (E)-3,7-二甲基(E)- -2,6-辛二烯-1-醇 Phenylethyl Alcohol

苯乙醇

BP神经网络（分级）代码： clear all;clc;

load('PCA_Calculate_data.mat');

%凡涉及到的数据归一化均由spss软件完成 p=F2(1:15,:)';%输入矩阵（白） pr=minmax(p);

goal=ClassB(1:15)';%目标矩阵（白）

net=newff(pr,[7,1],{'purelin','purelin'},'traingdx');%建立BP网络 net.trainParam.show=1000;00轮回显示一次结果 net.trainParam.lr=0.05;%学习速率为0.05

net.trainParam.epochs=50000;%最大训练轮回为50000次 net.trainParam.goal=1e-15;%均方误差

net=train(net,p,goal);%开始训练，其中p，goal分别为输入输出样本 tnew=F2(16:28,:)';

y0=sim(net,p);%用训练好的模型进行仿真

y=sim(net,tnew);%利用归一化后的数据进行仿真

%可将相关数据绘成图形进行分析，这里不再写绘图程序

反应物—生成物（乙醇）所用神经网络： clear all;clc;

load('link_b.mat'); %各数据已无量纲化 p=yinsu_b(1:15,:)';%输入矩阵（白） pr=minmax(p);

goal=db(1:15)';%目标矩阵（白）

net=newff(pr,[7,5,1],{'purelin','purelin','purelin'},'trainbfg');%建立BP网络

net.trainParam.show=1000;00轮回显示一次结果 net.trainParam.lr=0.05;%学习速率为0.05

net.trainParam.epochs=10000;%最大训练轮回为10000次 net.trainParam.goal=1e-6;%均方误差

net=train(net,p,goal);%开始训练，其中p，goal分别为输入输出样本 tnew=yinsu_b(16:28,:)';

24

y0=sim(net,p); y=sim(net,tnew);

y0=y0.*cb2(1:15)'; %数据还原 goal=goal.*cb2(1:15)'; y=y.*cb2(16:28)'; db=db.*cb2; clf;

plot(goal,'ro');hold on;plot(y0,'*'); axis([1,15,0,100]); TOPSIS模型：

clear all；clc；load('f.mat'); w=[0.3,0.1,0.1,0.3,0.2]; for i=1:27

f(i,2)=3.5/(abs(f(i,2)-3.5)+1);%ph值最佳为3.5 end

for i=1:27 for j=1:5 a=0;

for k=1:27 a=a+f(k,j)^2; end

z(i,j)=f(i,j)/sqrt(a); end end

for j=1:5

z(:,j)=z(:,j).*w(j); end

z_up=max(z); z_down=min(z); for i=1:27 a=0; b=0;

for j=1:5

a=a+(z(i,j)-z_up(j))^2; b=b+(z(i,j)-z_down(j))^2; end

s_up(i)=a; s_down(i)=b;

C(i)=s_down(i)/(s_up(i)+s_down(i)); end C=C';

25