[发明专利]烤烟烟气主要指标的预测方法

说明书

技术领域

本发明涉及烤烟的评测方法，具体涉及利用烟草的化学成分预测烤烟烟气 主要指标的方法。

背景技术

烟草传统的评价方法主要依据人的感官评吸，但感官质量评价易受人的身 体状况和烟草评吸量的影响，造成感官质量的波动。同时，测试人员需要大量 的评吸烟草，工作量大，而且不利于身体健康。

灰色预测模型是20世纪80年代发展起来的属于非线性外推类预测方法， 因其实用性强，所需数据量少，建模灵活方便，预测精度较高，从而在社会科 学和自然科学各领域得到广泛应用。而神经网络具有并行计算、分布式信息存 储、容错能力强、自适应学习等优点，在处理复杂的人工智能和非线性问题上 显示出极优越的地位。灰色预测模型主要用于时间短、数据少、波动不大的预 测问题，在数据量较少的情况下，可以获得比较准确的预测效果；人工神经网 络模型(ANN)在训练样本较多的情况下可以得到较好的预测效果，但在样本量不 足的情况下预测误差较大。

发明内容

本发明克服了现有技术的不足，先利用灰色方法对数据进行处理，削弱原 始数据中存在的随机性和波动性，再利用神经网络进行灰色模型预测值修正， 可省略模型精度检验这一步，提高了计算速度和计算精度，并使灰色不确定性、 误差大等问题得到解，提供了利用烟草的化学成分预测烤烟烟气主要指标的方 法。

为解决上述的技术问题，本发明采用以下技术方案：

一种烤烟烟气主要指标的预测方法，其特征在于按照如下步骤：

(一)建立烤烟烟气主要指标的模型

步骤1 检测训练烤烟样品和测试烤烟样品的主要化学成分及烟气主要指 标；

步骤2 利用灰色函数聚类将训练烤烟样品聚类；

步骤3 应用灰色关联聚类与灰色绝对关联对每一类训练样品进行模型变量 的选择，确定进入模型的变量；

步骤4 在每一类训练样品的烟气主要指标与主要化学成分之间建立灰色GM (1，n)预测模型；

步骤5 将步骤4所得的预测值作为BP神经网络的输入样本，把训练样品的 烟气主要指标真实值作为BP神经网络的目标样本，对神经网络训练，得到一系 列对应于相应结点的权值与阈值，建立每一类训练样品的BP神经网络；

步骤6 用步骤4、步骤5建立的灰色GM(1，n)和BP神经网络对测试样品 烤烟烟气主要指标进行测试，并与测试的实际值进行比较，若差异显著，则调 整步骤5中的BP神经网络参数，重做步骤5，重新训练BP神经网络；若差异不 显著，则确定该模型；

(二)利用模型进行预测

步骤7 检测待测烤烟样品的主要化学成分；

步骤8 对待测烤烟样品聚类，确定所在的类；

步骤9 将待测烤烟样品的主要化学成分输入其所在类的灰色GM(1，n)预 测模型；

步骤10 将步骤9所得的预测值作为BP神经网络的输入样本输入其所在类 的BP神经网络训练进行预测，得到烟气主要指标。

更进一步的技术方案是步骤2和步骤8灰色函数聚类是将样品聚为三类或 五类。

更进一步的技术方案步骤2中和步骤8利用灰色函数聚类经过如下步骤：

步骤11 数据标准化；

步骤12 因变量与自变量的灰色绝对关联；

步骤13 关联度的显著型检验；

步骤14 分析因变量与自变量的散点趋势；

步骤15 初步确定自变量的变量数；

步骤16 自变量的灰色关联聚类；

步骤17 确定自变量的变量；

步骤18 应用变量模型预测；

步骤19 模型检验，差异如果显著，执行步骤20或步骤21或步骤22，否则 执行步骤23；

步骤20 调整代表性指标后执行步骤17；

步骤21 调整聚类临界值后执行步骤16；

步骤22 调整显著性水平后执行步骤13；

步骤23 确定变量。

更进一步的技术方案是主要化学成分包括总植物碱、总氮、总糖、还原糖、 钾离子、氯离子、淀粉、总挥发酸、总挥发碱、石油醚提取物、蛋白质、细胞 壁物质、4-乙烯基-2-甲氧基苯酚、多元有机酸、类胡萝卜素降解类、西柏烷类、 芳香族氨基酸类、美拉德反应产物、新植二烯。