[发明专利]基于神经网络的预测玉米秸秆水解后产糖量的方法

说明书

技术领域

本发明涉及生物质水解技术领域。更具体地说，本发明涉及一种基于神经网络的预测玉米秸秆水解后产糖量的方法。

背景技术

生物质能源作为一种可再生新型能源替代化石能源已经成为各国未来能源战略的研究热点。燃料乙醇作为新的可再生的燃料替代品，可直接用作液体燃料或者同汽油混合使用，减少对不可再生能源-石油的依赖，保障本国能源按照本国能源安全而日益受到各国的重视。玉米秸秆作为中国主要的农业废弃物，是生物燃料生产中主要的生物质来源。玉米秸秆在大型的收储中面临一个困境，怎么样对玉米秸秆收储进行定价？是仅仅靠玉米秸秆的重量吗？长期放置的玉米秸秆含水量较大，仅靠重量收购玉米秸秆是不合理的。测定完生物质成分后，还要经历3-4天糖化水解的过程，才能知道玉米秸秆是否作为燃料乙醇的原料。但是如果测试时间过长，会对收购带来很多不便。中粮，中石油，中石化都在布局玉米秸秆的大规模收储，所以现在急需一个快速合理的对玉米秸秆评价的方法。希望能够创建一个新的模型，通过生物质特性就能立刻预测生物质糖化水解效果，为企业收储玉米秸秆服务。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种基于神经网络的预测玉米秸秆水解后产糖量的方法，能够通过将被测样品的8个生物质参数输入到建立的神经网络中，直接推测出对应的被测样品的玉米秸秆水解产物中葡萄糖的含量，不用直接应用水解酶对玉米秸秆进行水解操作，避免过多浪费时间，降低水解酶的使用成本以及大量人力成本。

为了实现根据本发明的这些目的和其它优点，提供了一种基于神经网络的预测玉米秸秆水解后产糖量的方法，其特征在于，包括以下步骤：

步骤一、获取被测样品的水解后产糖量以及对其有影响的被测样品的8个生物质特性的值作为检测数据，所述对水解后产糖量有影响的被测样品的8个生物质特性的值包括纤维素含量、半纤维素含量、木质素含量、生物质氢键强度、生物质结晶度、分支度、木质素单体比值S/G和木质素单体比值H/G；

步骤二、建立神经网络框架；

步骤三、将被测样品的水解后产糖量以及对其有影响的被测样品的8个生物质特性的值作为检测数据带入建立的神经网络框架进行归一化处理，以训练和验证神经网络；以及

步骤四、利用通过训练和验证的神经网络进行反向归一法来预测玉米秸秆的水解葡萄糖含量。

优选的是，其中，所述步骤二中建立神经网络框架的方法为：调用Matlab函数库中的newff函数，Net＝newgrnn(PR，T,SPREAD)，其中，Net为GRNN神经网络框架，PR为输入值,T为目标向量，SPREAD为径向基函数的扩展速度，扩展速度为0.1。

优选的是，其中，所述步骤三中对被测样品的水解后产糖量以及对其有影响的被测样品的生物质特性的值作为检测数据做归一化处理到0.1-2之间。

优选的是，其中，所述步骤三中，被测样品的水解后产糖量以及对其有影响的被测样品的8个生物质特性的值作为检测数据的前81％的数据用于训练神经网络，剩余19％的数据用于验证神经网络。

优选的是，其中，所述步骤三中，被测样品为80个，其中，65个被测样品的水解后产糖量以及对其有影响的被测样品的8个生物质特性的值作为检测数据用于训练神经网络，剩余15个被测样品的数据作为检测数据用于检测神经网络。

优选的是，其中，所述步骤三中应用被测样品的多个水解后产糖量对应对其有影响的被测样品的8个生物质特性的值作为检测数据用于相互交叉验证，并经归一化处理，对神经网络反复训练，当预测值与监测数据间的相对误差小于5％或者绝对误差小于0.23时，停止训练，开始预测。

优选的是，其中，反归一化处理的具体方法为：将所述用于检测神经网络的8个生物质参数带入经过训练的神经网络获得玉米秸秆水解葡萄糖含量的仿真值，将仿真值按照如下公式：grnn_prediction_result＝postmnmx(grnn_prediction_result,mint,maxt)进行反归一化处理，得到玉米秸秆中水解产物的葡萄糖含量的预测值，公式中，x_max为经神经网络预测得到的释放葡萄糖数据中的仿真值的最大值，x_min为经神经网络预测得到的释放葡萄糖数据中的仿真值的最小值。

生物质结构相对复杂，表征生物质的特性也较多。其中对生物质水解效果有直接影响的特性包括纤维素的含量，木质素的含量，木质素的单体结构，纤维素的结晶度和氢键强度，半纤维素的分支度等。