- •Кафедра информационных технологий
- •Москва – 2007
- •Содержание
- •Введение
- •Постановка задачи
- •Решение задачи
- •Глава 2. Оптимизация технологий рецептурных смесей
- •2.1. Оптимизация технологии составления многокомпонентных рецептурных смесей
- •1. Формирование математической модели
- •2. Формирование компьютерной модели
- •3. Поиск решения
- •2.2. Моделирование двух- и трёхкомпонентной рецептурной смеси
- •1. Модель показателя активной кислотности (pH)
- •2. Модель водосвязывающей способности (всс)
- •Глава 3. Регрессионно-факторный анализ в исследовании адекватности эмпирических зависимостей
- •3.1. Идентификация параметров эмпирических зависимостей технологических моделей
- •3.2. Адекватность эмпирических зависимостей
- •Критерий поворотных точек для определения случайности остаточной компоненты
- •Определение автокорреляции остатков критерием Дарбина-Уотсона
- •Независимость распределения остаточной компоненты по r/s-критерию
- •3.3. Оценка статистической значимости регрессионных моделей технологических объектов
- •Коэффициент детерминации как характеристика силы вязи между показателями исследуемого технологического объекта
- •Оценка качества уравнения регрессии f-критерием Фишера
- •Оценка статистической значимости коэффициентов регрессии и корреляции t-критерием Стьюдента
- •Постановка задачи
- •Зависимость щёлочности и показателя активной кислотности рН от объёмной доли спирта
- •Решение задачи
- •Глава 4. Спектральные методы оценки нечетких потребительских свойств пищевого сырья и готовых продуктов
- •4.1. Сверхразрешение при различии спектральных распределений Постановка задачи
- •Решение задачи
- •4.2. Сравнительный анализ технологий. Моделирование связи показателей технологий
- •Список литературы
Глава 4. Спектральные методы оценки нечетких потребительских свойств пищевого сырья и готовых продуктов
Перед исследователями пищевых смесей всегда существовала проблема преобразования численной инструментальной информации в качественные потребительские свойства данных сред.
Наибольшую информацию из современных инструментальных методов оценки физико-химических свойств пищевых сред дают спектральные методы, суть которых заключается в возмущении равновесных состояний данных сред широкополосными воздействиями различных полей и измерении откликов на эти воздействия. При этом формируются спектры w() отклика на косвенную информацию о микро- и макроскопических, физико-химических и структурных свойствах сред, количество которых определяется максимальной шириной полосы отклика (0 ).
В связи с тем, что спектральные отклики пищевых сред носят нерезонансный характер, все спектральные распределения измеряются с точностью до 10%, поэтому требуются высокоразрешающие методы численной обработки для различения данных спектральных распределений.
Оценивание потребительских свойств исследуемой среды предлагается проводить следующим образом: записываются m опорных спектров {wm()} для тех состояний среды, которые сопровождаются оценками её потребительских свойств экспертами на основе традиционных инструментальных и органолептических методов. В текущем технологическом процессе измеряют спектр wm() неизвестного состояния среды и сравнивают его с опорными спектрами, используя специальные сверхразрешающие меры сравнения, например оптимальные меры сходства. Формируемые значения мер сходства неизвестного и опорного состояния характеризуют степень обладания исследуемой средой потребительским свойством данного опорного состояния.
4.1. Сверхразрешение при различии спектральных распределений Постановка задачи
Пусть имеются два трёхкомпонентных спектральных распределения, описывающих инфракрасные спектры поглощения /отражения одной и той же пищевой смеси при различных сроках хранения: S1 = {12,05; 10,50; 27,38} и S2 = {11,89; 10,89; 29,01}.
Требуется определить меру сходства между данными спектральными распределениями и между их матрицами связности [3].
Решение задачи
Построим матрицы связности COH1 и COH2.
а) Создадим шаблон для ввода исходных данных и решения задачи (таблица 22).
Таблица 22
б) Вычислим транспонированные матрицы S1T и S2T и запишем их координаты соответственно в ячейках C3:E3 и C12:E12. Для этого
выделим блоком диапазон C3:E3, где будет подсчитан результат;
активизируем опцию Функция в меню Вставка;
выберем категорию Ссылки и массивы, функцию ТРАНСП;
в появившемся окне укажем строку В7:В9, подлежащую транспонированию, и нажмём комбинацию клавиш Ctrl + Shift + Enter;
проведём аналогичные действия для вектора S2T.
в) Построим циклическую свёртку спектрального распределения S1 с указанным ядром преобразования G. Результат запишем в ячейки C6:E6. Для этого
установим курсор в ячейку C6;
активизируем опцию Функция в меню Вставка;
выберем категорию Математические, функцию СУММПРОИЗВ;
в появившемся окне укажем следующее:
и нажмём комбинацию клавиш Ctrl + Shift + Enter;
скопируем данную формулу в ячейки D6:E6;
аналогично построим циклическую свертку спектрального распределения S2 с указанным ядром преобразования G. Результат запишем в ячейки C13:E13.
г) Вычислим коэффициенты матрицы связности СОН1(S1) в диапазоне С7:Е9, как произведение массивов спектрального распределения S1 и его циклической свёртки. Для этого
выделим диапазон С7:Е9, где будет подсчитан результат;
активизируем опцию Функция в меню Вставка;
выберем категорию Математические, функцию МУМНОЖ;
в появившемся окне укажем следующее:
и нажмём комбинацию клавиш Ctrl + Shift + Enter;
аналогично вычислим коэффициенты матрицы связности СОН2(S2) в диапазоне С14:Е16, как произведение массивов спектрального распределения S2 и его циклической свертки (таблица 23).
Таблица 23
Вычислим корреляционные меры между векторами S1 и S2 и их матрицами связности [2].
а) Неоптимальные меры сходства определяются по формулам:
, (4.1)
. (4.2)
Т.е. для определения корреляционной меры между векторами S1 и S2 требуется найти скалярные произведения векторов S1 и S2, S1 и S1, S2 и S2, для чего можно воспользоваться встроенной в категорию Математические функцией СУММПРОИЗВ (таблица 24).
Таблица 24
В результате вычислений имеем:
(S1, S2) = 0,999,
(COH1, COH2) = 0,990.
Таким образом, степень различия СР составила
СР = (S1, S2) ‑ (COH1, COH2) = 0,009,
что говорит о возрастании степени различия спектральных описаний на 0,9%.