[发明专利]鸡精的货架期预测方法

权利要求书

1.一种鸡精的货架期预测方法，其特征在于，包括：

获取不同温度下GC-MS检测分析的鸡精理化指标数据；

设置人工感官评价值，根据所述人工感官评价值得到不同温度下具有相同理化指标值的鸡精的有效货架期；

对满足有效货架期且具有相同鸡精理化指标值的鸡精理化指标数据进行归类处理后得到N个类别，将所述N个类别作为待选择特征变量；其中，N为大于0的整数；

对所述鸡精的待选择特征变量作降维处理，筛选出实验用特征变量；

去除实验用特征变量中的奇异值，并用数据挖掘中的填充值替代去除的奇异值，得到学习集数据；

基于随机森林算法根据学习集数据构建鸡精货架期预测模型。

2.根据权利要求1所述的鸡精的货架期预测方法，其特征在于，所述获取不同温度下GC-MS检测分析的鸡精理化指标数据，包括：

称取设定质量的鸡精调味样品放入GC-MS样品瓶中，加入等质量的去离子水，得到鸡精溶液；

在所述鸡精溶液中加入设定的含量的2-辛醇内标后放入恒温水浴锅中进行搅拌萃取，得到鸡精待测样品；

采用GC-MS对所述鸡精待测样品进行分析，采集得到鸡精理化指标数据，所述鸡精理化指标数据中包含多项理化指标值。

3.根据权利要求1所述的鸡精的货架期预测方法，其特征在于，所述设置人工感官评价值，根据所述人工感官评价值得到不同温度下具有相同理化指标值的鸡精的有效货架期，包括：

通过人工感官评价值的计算公式来计算鸡精的货架期，计算公式如下：

人工感官评价值＝(鸡肉味+腥味+脂肪香+辛香味+鲜味+可接受度-哈败味)/7；

若所述人工感官评价值分数小于5，则认为鸡精的货架期结束；若所述人工感官评价值分数大于等于5，则认为鸡精在有效货架期内。

4.根据权利要求1所述的鸡精的货架期预测方法，其特征在于，所述对满足有效货架期且具有相同鸡精理化指标值的鸡精理化指标数据进行归类处理，包括：

选择多个不同温度下的具有相同理化指标值的鸡精样品，将所述鸡精样品的理化指标数据进行归类，归类后得到N个类别，将所述N个类别的鸡精样品的作为待选择特征变量；所述多个不同温度包括：25℃、29℃和37℃。

5.根据权利要求1或4所述的鸡精的货架期预测方法，其特征在于，所述对所述鸡精的待选择特征变量作降维处理，筛选出实验用特征变量，包括：

利用一元线性回归的方法进行特征变量的选择，降低待选择特征变量的维度，筛选出实验用特征变量；其中，将多个不同温度下拟合决定系数均大于设定值0.7的待选择特征变量作为实验用特征变量。

6.根据权利要求1所述的鸡精的货架期预测方法，其特征在于，所述去除实验用特征变量中的奇异值，包括：

使用数据挖掘中的偏差法找出奇异值，所述奇异值是指：在同一温度下，某一理化指标值与前后两个理化指标值之间的差值大于等于设定值的情况。

7.根据权利要求1所述的鸡精的货架期预测方法，其特征在于，所述用数据挖掘中的填充值替代去除的奇异值，包括：

采用数据挖掘中的以下任一填充值替代去除的奇异值：

人工填写的数值；

全局常量值；

属性平均值；

同一温度的所有鸡精样本对应的平均值；

通过贝叶斯形式化方法得到的数值。

8.根据权利要求1所述的鸡精的货架期预测方法，其特征在于，基于随机森林算法根据学习集数据构建鸡精货架期预测模型，包括：

从所述根据学习集数据中选取样本集，假设选取的样本集中包含有X个样例，通过有放回抽样的方式抽取M个样例，得到一个大小为M的训练集，所述X和M为大于0的整数，且X的值大于等于M的值；

根据每个训练集生成决策树，得到M个决策树，假设每个训练集的特征空间共有D个特征，则在每一轮生成决策树的过程中，从D个特征中随机选择其中的d个特征，D为大于1的整数，d为大于0的整数，且d<D；

根据随机选取d个特征生成M个新的决策树，其中，所述M个新的决策树之间相互独立；

通过所述M个新的决策树来预测鸡精的货架期。

9.根据权利要求1所述的鸡精的货架期预测方法，其特征在于，还包括：

从已知实际货架有效期的鸡精样品中随机选取鸡精样品作为待预测的鸡精样品集；

通过所述鸡精货架期预测模型对所述待预测的鸡精样品集的货架期进行预测，输出模型判别结果；

比较鸡精样品的实际货架期和模型判别结果，验证所述鸡精货架期预测模型的预测精度。