Modeling Quality Changes in Brined Bream (Megalobrama amblycephala) Fillets During Storage: Comparison of the Arrhenius Model, BP, and RBF Neural Network
Modeling Quality Changes in Brined Bream (Megalobrama amblycephala) Fillets During Storage: Comparison of the Arrhenius Model, BP, and RBF Neural Network
复制标题
对腌制鳊鱼（团头鲂）鱼片在储存过程中的质量变化进行建模：阿伦尼乌斯模型、BP 和 RBF 神经网络的比较
DOI：
10.1007/s11947-015-1595-8
复制
发表时间：
2015-09
影响因子：
5.6
通讯作者：
Luo Yongkang
中科院分区：
文献类型：
--
作者：
Wang Huiyi;Kong Chunli;Li Dapeng;Qin Na;Fan Hongbing;Hong Hui;Luo Yongkang
为了评估和预测不同温度下储存的团头鲂鱼片的新鲜度，研究了质量变化[核苷酸降解产物（IMP、HxR、Hx）、K值、感官评定（SA）、总需氧菌数（TAC）、硫代巴比妥酸反应物质（TBARS）和总挥发性碱氮（TVB-N）]。建立并比较了阿伦尼乌斯模型、反向传播神经网络（BP-NN）和径向基函数神经网络（RBF-NN）。 RBF-NN预测腌制鱼片在储存过程中SA、TAC、K值、TVB-N、TBARS和HxR的变化，相对误差均在±5%以内，而BP-NN值均在±10%以内（除了第2天的K值、第2天和第4天的HxR值）。对于阿伦尼乌斯模型，TVB-N 的相对误差均在±10%以内，SA、TAC、Kvalue、TBARS 和 HxR 的相对误差范围为 0.58 至 44.37%。因此，RBF-NN 是预测 270–282 K 储存期间鲷鱼品质变化的一种有前途的方法。
To evaluate and predict the freshness of brined bream (Megalobrama amblycephala) fillets stored at different temperatures, changes in quality [nucleotide degradation products (IMP, HxR, Hx),Kvalue, sensory assessment (SA), total aerobic counts (TAC), thiobarbituric acid reactive substances (TBARS), and total volatile base nitrogen (TVB-N)] were investigated. The Arrhenius model, back-propagation neural network (BP-NN), and radial basis function neural network (RBF-NN) were established and compared. The RBF-NN predicted changes of SA, TAC,Kvalue, TVB-N, TBARS, and HxR of brined fillets during storage with relative errors all within ±5 %, while the BP-NN values were all within ±10 % (except for the values at day 2 forKvalue, day 2 and day 4 for HxR). For the Arrhenius model, the relative errors of TVB-N were all within ±10 %, and those of SA, TAC,Kvalue, TBARS, and HxR ranged from 0.58 to 44.37 %. Thus, RBF-NN is a promising method for predicting the changes in the quality of bream during storage at 270–282 K.
登录
查看更多内容
影响因子：
2.9
作者：
Mbarki, Raouf;Sadok, Saloua;Barkallah, Insaf
通讯作者：
Barkallah, Insaf
影响因子：
1
作者：
F. Özoğul;Y. Özoğul
通讯作者：
F. Özoğul;Y. Özoğul
影响因子：
3.9
作者：
U. Erikson;A. Beyer;T. Sigholt
通讯作者：
U. Erikson;A. Beyer;T. Sigholt
DOI：
--
发表时间：
1997
期刊：
World health statistics quarterly. Rapport trimestriel de statistiques sanitaires mondiales
影响因子：
--
作者：
M. V. Schothorst
通讯作者：
M. V. Schothorst
影响因子：
5.6
作者：
Hua Wu;Zhiying Wang;Yongkang Luo;Hui Hong;Huixing Shen
通讯作者：
Hua Wu;Zhiying Wang;Yongkang Luo;Hui Hong;Huixing Shen