隨著我國經(jīng)濟的崛起，葡萄酒業(yè)也搭上了我國經(jīng)濟崛起的快速列車。葡萄酒產(chǎn)業(yè)規(guī)模不斷壯大，但葡萄酒質量評定卻沒跟上酒業(yè)發(fā)展的腳步。現(xiàn)今的葡萄酒質量評定方法遠遠落后于市場需求。針對這個問題，本文用PSO優(yōu)化算法代替BP網(wǎng)絡自身訓練過程，建立PSO優(yōu)化BP網(wǎng)絡模型，進而對葡萄酒質量進行分類評定。經(jīng)過實證與文獻的對比，PSO優(yōu)化算法的確能夠有效的代替BP神經(jīng)網(wǎng)絡自身訓練過程。

　　近年來，我國經(jīng)濟水平得到了飛躍的發(fā)展，人們的生活水平也隨之提高。進而對養(yǎng)生的需求也越來越高。研究表明，適量的飲酒對人體機能起到很好的作用，能調(diào)節(jié)人體新陳代謝。而葡萄酒則是養(yǎng)生品之一，人們進而喜歡喝葡萄酒，市場對葡萄酒的需求量也隨之越來越大。然而市場上葡萄酒的品質參差不齊，如何區(qū)分葡萄酒的質量，是現(xiàn)今許多消費者和生產(chǎn)廠家都急切盼望解決的問題，因此鑒別葡萄酒的品質就顯得尤為重要?，F(xiàn)今的鑒別方法常常是通過理化指標、感官指標來確定。而感官指標主要是通過聘請一批有資質的評酒員進行品評，用感官分析法來對葡萄酒進行等級分類。但這種方法易受到評酒人員嗜好、心理、經(jīng)驗等因素的影響，通常使得評定存在一定主觀性和不確定性。因此對葡萄酒質量的評定更多的通過理化指標來確定。通過對葡萄酒的部分理化指標進行分析，建立相應的模型，進而區(qū)分出葡萄酒的品質。參考國內(nèi)外的文獻，有許多學者對葡萄酒等級的分類進行研究。

　　隨著數(shù)據(jù)種類和數(shù)量的增加，一般的人工處理數(shù)據(jù)，就變得不現(xiàn)實。人工智能算法的提出，可以為廣大人民解決許多問題，能大大的縮短處理時間和減少人力。而BP 神經(jīng)網(wǎng)絡是人工智能算法中被運用最多的神經(jīng)網(wǎng)絡模型之一。BP 神經(jīng)網(wǎng)絡是1986 年由Rumelhart 和McCelland 為首的科學家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡。BP 網(wǎng)絡能學習和存儲大量的輸入到輸出模式映射關系，而無需提前揭示這種映射關系的數(shù)學方程。它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡的權重和閾值，使網(wǎng)絡的誤差平方和最小。數(shù)學理論已經(jīng)證明，三層的BP 神經(jīng)網(wǎng)絡可以擬合任意的非線性函數(shù)。

　　BP 神經(jīng)網(wǎng)絡雖然具有以上的優(yōu)點，但是具有一個明顯的缺點，容易陷入局部極小值。傳統(tǒng)的BP 神經(jīng)網(wǎng)絡為一種局部搜索的優(yōu)化方法，它要解決的是一個復雜非線性化問題，網(wǎng)絡的權值是通過沿局部改善的方向逐漸進行調(diào)整，這樣會使算法陷入局部極值，權值收斂到局部極小點，從而導致網(wǎng)絡訓練失敗。加上BP 神經(jīng)網(wǎng)絡算法對初始網(wǎng)絡權重非常敏感，以不同的權值初始化網(wǎng)絡，其往往會收斂于不同的局部極小，這也是許多學者每次訓練得到不同結果的根本原因。因此，針對BP 神經(jīng)網(wǎng)絡的該缺點，提出用粒子群優(yōu)化算法優(yōu)化BP 神經(jīng)網(wǎng)絡的權值與閾值。

　　粒子群優(yōu)化（PSO）算法是近年來發(fā)展起來的一種新的進化算法。PSO 算法屬于進化算法的一種，和遺傳算法相似，它是從隨機解出發(fā)，通過迭代尋找最優(yōu)解，它是通過適應度來評價解的品質。它通過追隨當前搜索到的最優(yōu)解來尋找全局最優(yōu)值。將BP 神經(jīng)網(wǎng)絡與PSO 算法結合，通過把BP 神經(jīng)網(wǎng)絡的權值與閾值看作PSO 算法里的粒子，經(jīng)過迭代更新，尋找出全局最優(yōu)的適應值，最后將最優(yōu)適應值返回到BP 神經(jīng)網(wǎng)絡，作為BP 網(wǎng)絡的初始權值。