食用合成色素由于具有色泽鲜艳,稳定性好,着色力强,便于调色等特点,受到商家及消费者的青睐,广泛应用于糕点、果冻、饮料等食品工业,且常常混合使用,但是随着对它的不断研究发现大多合成色素对人体健康有危害,甚至可能导致癌变、致畸等严重后果。另外,违规添加食用色素的案例不断被媒体报道,引起消费者的广泛关注和各国政府的高度重视。误差多层反传人工神经网络(BP-ANN)具有较强的运算能力能处理许多较为复杂的问题,能从复杂的数据集中总结出定量的规律,据此可对未知样品作定量预报。本论文主要研究标准BP算法、动量BP算法、学习率可变的动量算法、弹性BP算法、LM(levenberg-marquardt)算法、贝叶斯规范化算法等6种方法分别对苋菜红、日落黄、柠檬黄、胭脂红等4种合成色素混合体系的同时预测,并对计算效果进行比较,方法如下:首先选择数据预处理方法及传递函数,并对数据进行主成分分析,设置训练的精度对6种改进BP算法进行网络训练及预测,并比较输出结果的总体相对预测误差(RPEt);通过隐含层节点数、学习率、动量因子、权值增量因子、权值减量因子、mu值等参数的优化设计网络结构,对6种改进BP算法进行网络训练及预测,并比较输出结果的总体相对预测误差(RPEt)、单一组分相对预测误差(RPEs)。试验结果表明:标准BP算法、动量BP算法、学习率可变的动量算法运算速度慢,RPEt值大,而弹性BP算法、LM算法、贝叶斯规范化算法运算速度来说都比较快,RPEt都能够达到较小值,其优化结果如下:1、弹性 BP 算法:RPEt=0.28102,RPEs 分别为:0.39733、0.21557、0.36865、0.34119。训练步数97次就能够达到预定精度。2、LM 算法:RPEt=0.24501,RPEs 分别为 0.55423、0.29088、0.53998、0.24162。训练步数 4次就能够达到预定精度。3、贝叶斯规范化算法:RPEt=0.2298,RPEs 分别为:0.24438、0.19462、0.34161、0.243。训练步数10次就能够达到预定精度。结论:弹性BP算法、LM算法、贝叶斯规范化算法可用于对苋菜红、日落黄、柠檬黄、胭脂红等4种合成色素混合体系的同时预测。