1、傳統(tǒng)煙熏肉制品以其獨特的風味受到廣大消費者的喜愛，肉制品品質特征和安全特性也倍受生產(chǎn)者和消費者關注。煙熏肉制品品質受到加工條件和肉品本身特性等多種因素的影響，建立科學的肉制品品質預測方法與模型對煙熏肉制品質量控制具有重要意義。
　　本文以傳統(tǒng)煙熏方式加工的香腸為研究對象，利用BP人工神經(jīng)網(wǎng)絡，通過對神經(jīng)網(wǎng)絡算法和結構設計的優(yōu)化，建立煙熏香腸多元品質的預測模型。通過試驗獲得不同煙熏溫度、煙熏時間和肥瘦比條件下煙熏香腸，測定其色澤、質

2、構、脂肪過氧化值、TBA值、多環(huán)芳烴含量，并通過對BP神經(jīng)網(wǎng)絡算法、隱含層神經(jīng)元個數(shù)、學習速率和動量系數(shù)的優(yōu)化選擇，獲得最佳的BP人工神經(jīng)網(wǎng)絡預測模型，使用該模型進行煙熏香腸多元品質的預測，完成的主要研究結論如下:
　　(1)構建了煙熏香腸色澤特征的BP人工神經(jīng)網(wǎng)絡預測模型?；贚-M算法建立了精確的L*、b*和△E預測模型，通過檢驗得出模型預測的相關系數(shù)(R2)分別為0.847、0.825和0.924，相應的均方根誤差(RMSE

3、)分別為4.609、3.564和5.012?；跀M牛頓BFGS算法建立了a*值的BP神經(jīng)網(wǎng)絡預測模型，通過檢驗得出模型預測的R2和RMSE分別為0.905和2.237。
　　(2)構建了煙熏香腸質構特征的BP人工神經(jīng)網(wǎng)絡預測模型?；贚-M算法建立了精確的硬度、彈性、凝聚性、咀嚼性和膠黏性預測模型，通過檢驗得出模型預測的R2分別為0.955、0.794、0.880、0.885和0.920，相應的RMSE分別為5.600、0.085

4、、0.047、3.406和12.934。
　　(3)構建了煙熏香腸脂肪氧化特性的BP人工神經(jīng)網(wǎng)絡預測模型。基于L-M算法建立了精確過氧化值和TBA值預測模型，通過檢驗得出模型預測的R2分別為0.922和0.961，相應的RMSE分別為0.193和0.016。
　　(4)構建了煙熏香腸苯并[a]芘和∑PAH4含量的BP人工神經(jīng)網(wǎng)絡預測模型?；贚-M算法建立了精確的苯并[a]芘含量預測模型，通過檢驗得出R2和RMSE分別為0.

5、866和0.199?；趧恿克惴ń⒘司_的∑PAH4含量預測模型，通過檢驗得出R2和RMSE分別為0.706和8.497。
　　(5)利用靈敏度分析法分析了輸入?yún)?shù)對BP神經(jīng)網(wǎng)絡模型預測煙熏香腸多元品質的敏感性，確定了煙熏香腸加工過程中不同加工條件對煙熏香腸品質的影響，在L*、a*、△E、硬度、彈性、凝聚性、咀嚼性、膠黏性、過氧化值、苯并[a]芘含量和∑PAH4含量的預測模型中，煙熏時間表現(xiàn)出較大的敏感性;在L*、b*、凝聚性、