基于随机森林的水产品冷链物流鲜度预测模型
鄂旭1
李俏竺1
周艺1
杨芳2
李学鹏3
励建荣3
1.渤海大学 信息科学与技术学院,辽宁 锦州1210132.渤海大学 校医院,辽宁 锦州1210133.渤海大学 食品科学与工程学院,辽宁 锦州121013
摘要：挥发性盐基氮(TVB-N)是反映水产品新鲜度的主要指标,但其测定方法不易在冷链运输中进行,因此利用各种技术设计了一套水产品冷链物流鲜度预测系统,通过水产品产生的硫化氢、氨气以及三甲胺气体浓度来预测TVB-N的浓度,并首次在水产品质量检测中引入随机森林对水产品的鲜度进行预测.针对现有随机森林的缺点,利用随机搜索法、网格搜索法以及交叉验证对随机森林参数进行优化,建立了基于随机森林的水产品冷链物流鲜度预测模型.将优化后的随机森林模型与决策树、最小二乘法和支持向量机模型进行对比分析,通过比较均方误差、平均绝对误差以及决定系数,发现优化的随机森林模型具有最低的均方误差和平均绝对误差与最高的决定系数,验证了此模型能更准确预测TVB-N的浓度,更具有实际应用价值.
关键词：机器学习冷链物流随机森林回归参数优化预测模型
分类号：TP305(计算技术、计算机技术)
资助基金：2019YFD0901605(No)
论文发表日期：2022-06-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 166-171 )
英文信息