CN101419207A - 烤烟烟气主要指标的预测方法 - Google Patents

烤烟烟气主要指标的预测方法 Download PDF

Info

Publication number
CN101419207A
CN101419207A CNA200810046378XA CN200810046378A CN101419207A CN 101419207 A CN101419207 A CN 101419207A CN A200810046378X A CNA200810046378X A CN A200810046378XA CN 200810046378 A CN200810046378 A CN 200810046378A CN 101419207 A CN101419207 A CN 101419207A
Authority
CN
China
Prior art keywords
flue
cured tobacco
sample
flume
class
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA200810046378XA
Other languages
English (en)
Other versions
CN101419207B (zh
Inventor
李东亮
戴亚
许自成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Tobacco Sichuan Industrial Co Ltd
Chongqing China Tobacco Industry Co Ltd
Original Assignee
China Tobacco Chuanyu Industrial Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Tobacco Chuanyu Industrial Co Ltd filed Critical China Tobacco Chuanyu Industrial Co Ltd
Priority to CN200810046378A priority Critical patent/CN101419207B/zh
Publication of CN101419207A publication Critical patent/CN101419207A/zh
Application granted granted Critical
Publication of CN101419207B publication Critical patent/CN101419207B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明公开了一种烤烟烟气主要指标的预测方法。先建立烤烟烟气主要指标的模型: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;利用灰色函数聚类将训练烤烟样品聚类;确定进入模型的变量;在每一类样品的烟气主要指标与主要化学成分之间建立灰色预测模型;建立每一类训练样品的BP神经网络;用测试样品烤烟的烟气主要指标对和主要化学成分进行测试和调整。检测时将待测烤烟样品的主要化学成分进行聚类后利用其所在类的模型进行预测从而得到烟气主要指标。本发明克服了现有技术需要对大量样本进行检测并运算的不足,实现了利用少量化学成分样品预测烤烟烟气主要指标,减轻了配方人员的评吸工作量,可以广泛应用在烟草行业。

Description

烤烟烟气主要指标的预测方法
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r
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l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IO将步骤9所得的?i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ll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、
芳香族氨基酸夷、美拉德反应产物、新植二烯。 、
更进一步的技术方案是烟气主要指标包括香气质、香气量、杂气、劲头、
剌激性、余味、浓度、烟碱、焦油和一氧化碳。
更进一步的技术方案是多元有机酸包含草酸、丙二酸、琥珀酸、苹果酸、
柠檬酸。
更进一步的技术方案是多元有机酸类胡萝卜素降解类包含巨豆三烯酮A、巨 豆三烯酮B、巨豆三烯酮C、巨豆三烯酮D、大马酮、3-羟基大马酮、3-氧化紫罗 兰酮、香叶基丙酮、二氢猕猴桃内酯、6-甲基-5-庚烯-2-酮。
更进一步的技术方案是西柏烷类包含氧化茄酮、茄酮。
更进一步的技术方案是芳香族氨基酸类包含苯甲醇、苯甲醛、苯乙醇、苯 乙醛、吲哚。
根更进一步的技术方案是美拉德反应产物包含糠醇、糠醛、5-甲基糠醛、 乙酰基吡咯、二氢呋喃酮、2, 4-庚二烯酸、4-环戊烯-1, 3-二酮。
与现有技术相比,本发明的有益效果是通过灰色预测模型和BP神经网络的 联合使用,克服了彼此的缺点,实现了利用烟草的化学成分预测烤烟烟气主要 指标,减轻了配方人员的评吸工作量,增加了烤烟烟气主要指标的客观性。
附图说明
图l为本发明步骤示意图。
图2为本发明模型变量选择流程图。
具体实施方式下面结合附图对本发明作进一步阐述。
如图1所示,选择30种烤烟样品作为i力「练烤烟样品,并随机抽取10种作为测
试烤烟样品。按以下步骤进行。
步骤24对训练烤烟样品和测试烤烟样品测试其主要化学成分和烟气主要指 标。烟气主要指标包括香气质、香气量、杂气、劲头、刺激性、余味、浓度、 烟碱、焦油和一氧化碳。主要化学成分指标包括总植物碱、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。多元有机酸包含草酸、 丙二酸、琥珀酸、苹果酸、柠檬酸。类胡萝卜素降解类包含巨豆三烯酮A、巨豆 三烯酮B、巨豆三烯酮C、巨豆三烯酮D、大马酮、3-羟基大马酮、3-氧化紫罗 兰酮、香叶基丙酮、二氢猕猴桃内酯、6-甲基-5-庚烯-2-酮。西柏烷类包 含氧化莉酮、茄酮。芳香族氨基酸类包含苯甲醇、苯甲醛、苯乙醇、苯乙醛、 H引哚。美拉德反应产物包含糠醇、糠醛、5-甲基糠醛、乙酰基吡咯、二氢呋喃 酮、2, 4-庚二烯醛、4-环戊烯-1, 3-二酮。
步骤25应用训练烤烟样品测试的主要化学成分指标,将样品聚为三类。
步骤26应用灰色关联聚类与灰色绝对关联对五类中的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。
变量选择方法按照步骤27至步骤39进行
步骤27进行数据标准化。
步骤28将烟气主要指标作为因变量,将主要化学成分作为自便量,进行应
变量与自变量的灰色绝对关联
步骤29对关联度的显著型检验步骤30分析因变量与自变量的散点趋势
步骤31初步确定自变i的变量数量
步骤32自变量的灰色关联聚类 步骤33确定自变量的变量
步骤34将测试烤烟样品带入应用变量模型进行预测
步骤35在测试样品的模型检验,差异如果显著,执行步骤36或步骤37或步 骤38,否则执行步骤39
步骤36调整代表性指标后执行步骤33 步骤37调整聚类临界值后执行步骤32 步骤38调整显著性水平后执行步骤29 步骤39确定主要化学成分中变量指标。 在确定模型变量后,继续进行以下步骤:
步骤40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41将步骤40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42用步骤40、步骤41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41中的BP神经网络参数,重做步骤41,重新训练BP神经网络;若 差异不显著,则确定该模型;
通过上述步骤,建立烤烟烟气指标的预测模型。在实际中使用如下进行-
步骤43按照步骤24检测待测烤烟样品的主要化学成分;步骤44按照步骤25对待测烤烟样品聚类,确定所在的类,按照步骤27至 步骤35获得进入模型的变量及其值;
步骤45将待测烤烟样品在步骤44中确定的变量及其值输入其所在类的灰 色GM (1, n)预测模型;
步骤46将步骤45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,得到待测烤烟的烟气主要指标。

Claims (10)

1、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神经网络对测试烤烟样品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。
2、 根据权利要求1所述的烤烟烟气主要指标的预测方法,其特征在于所述的步骤2和步骤8灰色函數聚类是将样品聚为三类或五类。
3、 根据权利要求2所述的烤烟烟气主要指标的预测方法,其特征在于所述步 骤2中和步骤8利用灰色函数聚类经过如下步骤:步骤ll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。
4、 根据权利要求3所述的烤烟烟气主要指标的预测方法,其特征在于所述的 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、西柏垸类、芳香族氨 基酸类、美拉德反应产物、新植二烯。
5、 根据权利要求4所述的烤烟烟气主要指标的预测方法,其特征在于所述的烟气主〜要指标包括香气质、香气量、杂气、劲头、iu激性、余味、浓度、烟碱、焦油和一氧化碳。
6、 根据权利要求4所述的烤烟烟气主要指标的预测方法,其特征在于所述的多元有机酸包含草酸、丙二酸、琥珀酸、苹果酸、柠檬酸。
7、 根据权利要求4所述的烤烟烟气主要指标的预测方法,其特征在于所述的 多元有机酸类胡萝卜素降解类包含巨豆三烯酮A、巨豆三烯酮B、巨豆三烯 酮C、巨豆三烯酮D、大马酮、3-羟基大马酮、3-氧化紫罗兰酮、香叶基丙 酮、二氢猕猴桃内酯、6-甲基-5-庚烯-2-酮。
8、 根据权利要求4所述的烤烟烟气主要指标的预测方法,其特征在于所述的 西柏垸类包含氧化茄酮、茄酮。
9、 根据权利要求4所述的烤烟烟气主要指标的预测方法,其特征在于所述的 芳香族氨基酸类包含苯甲醇、苯甲醛、苯乙醇、苯乙醛、吲哚。
10、 根据权利要求4所述的烤烟烟气主要指标的预测方法,其特征在于所述 的美拉德反应产物包含糠醇、糠醛、5-甲基糠醛、乙酰基吡咯、二氢呋喃 酮、2, 4-庚二烯醛、4-环戊烯-l, 3-二酮。
CN200810046378A 2008-10-27 2008-10-27 烤烟烟气主要指标的预测方法 Expired - Fee Related CN101419207B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN200810046378A CN101419207B (zh) 2008-10-27 2008-10-27 烤烟烟气主要指标的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN200810046378A CN101419207B (zh) 2008-10-27 2008-10-27 烤烟烟气主要指标的预测方法

Publications (2)

Publication Number Publication Date
CN101419207A true CN101419207A (zh) 2009-04-29
CN101419207B CN101419207B (zh) 2012-09-05

Family

ID=40630099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200810046378A Expired - Fee Related CN101419207B (zh) 2008-10-27 2008-10-27 烤烟烟气主要指标的预测方法

Country Status (1)

Country Link
CN (1) CN101419207B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101825622A (zh) * 2010-04-02 2010-09-08 浙江浙大中控信息技术有限公司 一种水质预测方法和装置
CN102221512A (zh) * 2011-03-18 2011-10-19 云南烟草科学研究院 烟草中总细胞壁物质含量的测定方法
CN102854290A (zh) * 2012-10-11 2013-01-02 云南烟草科学研究院 一种初烤烟叶主流烟气中巴豆醛释放量的预测方法
CN102879530A (zh) * 2012-10-11 2013-01-16 云南烟草科学研究院 一种初烤烟叶主流烟气中氢氰酸释放量的预测方法
CN102879532A (zh) * 2012-10-11 2013-01-16 云南烟草科学研究院 一种初烤烟叶主流烟气中苯并[a]芘释放量的预测方法
CN102879531A (zh) * 2012-10-11 2013-01-16 云南烟草科学研究院 一种初烤烟叶主流烟气中氨释放量的预测方法
CN101551374B (zh) * 2009-05-14 2013-03-27 清华大学 预测洗涤产品的抗菌性能或关键成分含量的方法及装置
CN103020737A (zh) * 2012-12-12 2013-04-03 红塔烟草(集团)有限责任公司 一种烤片烟气的预测方法
CN103512992A (zh) * 2013-09-24 2014-01-15 贵州中烟工业有限责任公司 一种卷烟烟丝中美拉德反应的风味物质快速分析的方法
CN104123424A (zh) * 2014-08-07 2014-10-29 云南中烟工业有限责任公司 基于鲁棒回归建模预测烤片烟气巴豆醛的方法
CN104134007A (zh) * 2014-08-07 2014-11-05 云南中烟工业有限责任公司 基于鲁棒回归建模预测烤片烟气nnk的方法
CN104143050A (zh) * 2014-08-07 2014-11-12 云南中烟工业有限责任公司 基于鲁棒回归建模预测烤片烟气氰化氢的方法
CN104573842A (zh) * 2014-08-07 2015-04-29 云南中烟工业有限责任公司 基于鲁棒回归建模预测烤片烟气一氧化碳的方法
CN105628646A (zh) * 2015-12-30 2016-06-01 山东中烟工业有限责任公司 一种卷烟在线焦油预测及预警方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1525394A (zh) * 2003-02-25 2004-09-01 颐中烟草(集团)有限公司 卷烟感官评吸和烟气指标的神经网络预测方法
CN100421585C (zh) * 2003-02-25 2008-10-01 中国海洋大学 建立卷烟叶组配方维护混合专家系统的方法
CN100421586C (zh) * 2003-02-25 2008-10-01 颐中烟草(集团)有限公司 建立卷烟叶组配方设计的混合专家系统的方法
CN100454290C (zh) * 2005-11-28 2009-01-21 颐中烟草(集团)有限公司 卷烟感官质量定性指标评估方法
CN100444153C (zh) * 2005-11-28 2008-12-17 颐中烟草(集团)有限公司 基于回归函数估计svm的卷烟内在质量指标评估方法

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101551374B (zh) * 2009-05-14 2013-03-27 清华大学 预测洗涤产品的抗菌性能或关键成分含量的方法及装置
CN101825622A (zh) * 2010-04-02 2010-09-08 浙江浙大中控信息技术有限公司 一种水质预测方法和装置
CN102221512B (zh) * 2011-03-18 2012-10-10 云南烟草科学研究院 烟草中总细胞壁物质含量的测定方法
CN102221512A (zh) * 2011-03-18 2011-10-19 云南烟草科学研究院 烟草中总细胞壁物质含量的测定方法
CN102879531A (zh) * 2012-10-11 2013-01-16 云南烟草科学研究院 一种初烤烟叶主流烟气中氨释放量的预测方法
CN102879530A (zh) * 2012-10-11 2013-01-16 云南烟草科学研究院 一种初烤烟叶主流烟气中氢氰酸释放量的预测方法
CN102879532A (zh) * 2012-10-11 2013-01-16 云南烟草科学研究院 一种初烤烟叶主流烟气中苯并[a]芘释放量的预测方法
CN102854290A (zh) * 2012-10-11 2013-01-02 云南烟草科学研究院 一种初烤烟叶主流烟气中巴豆醛释放量的预测方法
CN102879530B (zh) * 2012-10-11 2016-02-03 云南烟草科学研究院 一种初烤烟叶主流烟气中氢氰酸释放量的预测方法
CN103020737A (zh) * 2012-12-12 2013-04-03 红塔烟草(集团)有限责任公司 一种烤片烟气的预测方法
CN103512992B (zh) * 2013-09-24 2015-08-19 贵州中烟工业有限责任公司 一种卷烟烟丝中美拉德反应的风味物质快速分析的方法
CN103512992A (zh) * 2013-09-24 2014-01-15 贵州中烟工业有限责任公司 一种卷烟烟丝中美拉德反应的风味物质快速分析的方法
CN104143050A (zh) * 2014-08-07 2014-11-12 云南中烟工业有限责任公司 基于鲁棒回归建模预测烤片烟气氰化氢的方法
CN104573842A (zh) * 2014-08-07 2015-04-29 云南中烟工业有限责任公司 基于鲁棒回归建模预测烤片烟气一氧化碳的方法
CN104134007A (zh) * 2014-08-07 2014-11-05 云南中烟工业有限责任公司 基于鲁棒回归建模预测烤片烟气nnk的方法
CN104123424A (zh) * 2014-08-07 2014-10-29 云南中烟工业有限责任公司 基于鲁棒回归建模预测烤片烟气巴豆醛的方法
CN104123424B (zh) * 2014-08-07 2017-09-22 云南中烟工业有限责任公司 基于鲁棒回归建模预测烤片烟气巴豆醛的方法
CN104573842B (zh) * 2014-08-07 2018-11-06 云南中烟工业有限责任公司 基于鲁棒回归建模预测烤片烟气一氧化碳的方法
CN105628646A (zh) * 2015-12-30 2016-06-01 山东中烟工业有限责任公司 一种卷烟在线焦油预测及预警方法

Also Published As

Publication number Publication date
CN101419207B (zh) 2012-09-05

Similar Documents

Publication Publication Date Title
CN101419207B (zh) 烤烟烟气主要指标的预测方法
Topel Labor markets and economic growth
Rao et al. Globalization and growth in the low income African countries with the extreme bounds analysis
Garcia-Cicco et al. Real business cycles in emerging countries?
CN102222164A (zh) 一种食品感官质量评价方法及系统
Hale Crime and the business cycle in post-war Britain revisited
Elgin et al. Can sustained economic growth and declining population coexist?
CN101419209A (zh) 卷烟感官评吸和烟气指标的免疫神经网络预测方法
Bastaits et al. How do post-divorce paternal and maternal family trajectories relate to adolescents' subjective well-being?
Sandström et al. The field factor: towards a metric for academic institutions
CN109523194A (zh) 汉语阅读能力测评方法、装置及可读存储介质
CN104008164A (zh) 基于广义回归神经网络的短期腹泻病多步预测方法
CN1525394A (zh) 卷烟感官评吸和烟气指标的神经网络预测方法
CN106886915A (zh) 一种基于时间衰减采样的广告点击预估方法
CN100575950C (zh) 一种水果成熟度预测方法
Kubota Real Exchange Rate Misalignments
CN100454290C (zh) 卷烟感官质量定性指标评估方法
CN104866699B (zh) 一种网络游戏智能化数据分析方法
Battisti et al. Global divergence in growth regressions
CN101685092A (zh) 用烟叶pH检测值判定烤烟醇化质量的方法
Romero et al. Sophistication, productivity and trade: a sectoral investigation
Knüppel Can capacity constraints explain asymmetries of the business cycle?
Abbasi et al. Asymmetric impact of renewable and non-renewable energy on the industrial sector in Pakistan: fresh evidence from Bayesian and non-linear ARDL
Curto et al. Growth and retrospective analysis of competition in an overstocked stand of Araucaria angustifolia
Banerjee et al. Roles of education in productivity growth in Australia, 1860–1939

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
CB02 Change of applicant information

Address after: 610017 Jackie Chan Road, Chengdu economic and Technological Development Zone, Longquanyi District, Sichuan, China, No. 2, No.

Applicant after: China Tobacco Chuanyu Industrial Co., Ltd.

Address before: 610017 Jackie Chan Road, Chengdu economic and Technological Development Zone, Longquanyi District, Sichuan, China, No. 2, No.

Applicant before: China Tobacco Chuanyu Industrial Corporation

COR Change of bibliographic data

Free format text: CORRECT: APPLICANT; FROM: CHINA TOBACCO CHUANYU INDUSTRIAL CORPORATION TO: CHINA TOBACCO CHUANYU INDUSTRIAL CO., LTD.

C53 Correction of patent for invention or patent application
GR01 Patent grant
C14 Grant of patent or utility model
TR01 Transfer of patent right

Effective date of registration: 20161215

Address after: 610000, Sichuan, Chengdu, Longquanyi economic and Technological Development Zone, Jackie Chan Road, Longquan, No. 2, paragraph

Patentee after: CHINA TOBACCO SICHUAN INDUSTRIAL CO., LTD.

Patentee after: CHONGQING CHINA TOBACCO INDUSTRIAL CO., LTD.

Address before: 610017 Jackie Chan Road, Chengdu economic and Technological Development Zone, Longquanyi District, Sichuan, China, No. 2, No.

Patentee before: China Tobacco Chuanyu Industry Co., Ltd.

C41 Transfer of patent application or patent right or utility model
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120905

Termination date: 20171027