CN101419207B - 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 PDFInfo
- Publication number
- CN101419207B CN101419207B CN200810046378A CN200810046378A CN101419207B CN 101419207 B CN101419207 B CN 101419207B CN 200810046378 A CN200810046378 A CN 200810046378A CN 200810046378 A CN200810046378 A CN 200810046378A CN 101419207 B CN101419207 B CN 101419207B
- Authority
- CN
- China
- Prior art keywords
- flue
- cured tobacco
- sample
- main
- model
- 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.)
- Expired - Fee Related
Links
- 241000208125 Nicotiana Species 0.000 title claims abstract description 66
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000000126 substance Substances 0.000 claims abstract description 28
- 238000012549 training Methods 0.000 claims abstract description 27
- 238000013528 artificial neural network Methods 0.000 claims abstract description 25
- 239000000203 mixture Substances 0.000 claims abstract description 20
- 238000012360 testing method Methods 0.000 claims abstract description 20
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 20
- 239000003546 flue gas Substances 0.000 claims description 17
- -1 aromatic amino acid Chemical class 0.000 claims description 10
- MUBZPKHOEPUJKR-UHFFFAOYSA-N Oxalic acid Chemical compound OC(=O)C(O)=O MUBZPKHOEPUJKR-UHFFFAOYSA-N 0.000 claims description 9
- KRKNYBCHXYNGOX-UHFFFAOYSA-N citric acid Chemical compound OC(=O)CC(O)(C(O)=O)CC(O)=O KRKNYBCHXYNGOX-UHFFFAOYSA-N 0.000 claims description 9
- XPFVYQJUAUNWIW-UHFFFAOYSA-N furfuryl alcohol Chemical compound OCC1=CC=CO1 XPFVYQJUAUNWIW-UHFFFAOYSA-N 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 claims description 7
- WRMNZCZEMHIOCP-UHFFFAOYSA-N 2-phenylethanol Chemical compound OCCC1=CC=CC=C1 WRMNZCZEMHIOCP-UHFFFAOYSA-N 0.000 claims description 6
- 108010005094 Advanced Glycation End Products Proteins 0.000 claims description 6
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 6
- OFOBLEOULBTSOW-UHFFFAOYSA-N Malonic acid Chemical compound OC(=O)CC(O)=O OFOBLEOULBTSOW-UHFFFAOYSA-N 0.000 claims description 6
- 150000001335 aliphatic alkanes Chemical class 0.000 claims description 6
- HUMNYLRZRPPJDN-UHFFFAOYSA-N benzaldehyde Chemical compound O=CC1=CC=CC=C1 HUMNYLRZRPPJDN-UHFFFAOYSA-N 0.000 claims description 6
- 235000021466 carotenoid Nutrition 0.000 claims description 6
- HYBBIBNJHNGZAN-UHFFFAOYSA-N furfural Chemical compound O=CC1=CC=CO1 HYBBIBNJHNGZAN-UHFFFAOYSA-N 0.000 claims description 6
- 230000001537 neural effect Effects 0.000 claims description 6
- 150000007524 organic acids Chemical class 0.000 claims description 6
- DTUQWGWMVIHBKE-UHFFFAOYSA-N phenylacetaldehyde Chemical compound O=CCC1=CC=CC=C1 DTUQWGWMVIHBKE-UHFFFAOYSA-N 0.000 claims description 6
- PQDRXUSSKFWCFA-CFNZNRNTSA-N solanone Chemical compound CC(=O)CC[C@@H](C(C)C)\C=C\C(C)=C PQDRXUSSKFWCFA-CFNZNRNTSA-N 0.000 claims description 6
- PQDRXUSSKFWCFA-UHFFFAOYSA-N solanone Natural products CC(=O)CCC(C(C)C)C=CC(C)=C PQDRXUSSKFWCFA-UHFFFAOYSA-N 0.000 claims description 6
- UHEPJGULSIKKTP-UHFFFAOYSA-N sulcatone Chemical compound CC(C)=CCCC(C)=O UHEPJGULSIKKTP-UHFFFAOYSA-N 0.000 claims description 6
- 229930007850 β-damascenone Natural products 0.000 claims description 6
- 241001585562 Callitris columellaris Species 0.000 claims description 5
- 150000001747 carotenoids Chemical class 0.000 claims description 5
- SNICXCGAKADSCV-JTQLQIEISA-N (-)-Nicotine Chemical compound CN1CCC[C@H]1C1=CC=CN=C1 SNICXCGAKADSCV-JTQLQIEISA-N 0.000 claims description 3
- CBQXHTWJSZXYSK-DFTQQVSXSA-N (4e)-4-[(e)-but-2-enylidene]-3,5,5-trimethylcyclohex-2-en-1-one Chemical compound C\C=C\C=C1\C(C)=CC(=O)CC1(C)C CBQXHTWJSZXYSK-DFTQQVSXSA-N 0.000 claims description 3
- CBQXHTWJSZXYSK-VZVVJSHISA-N (4e)-4-[(z)-but-2-enylidene]-3,5,5-trimethylcyclohex-2-en-1-one Chemical compound C\C=C/C=C1/C(C)=CC(=O)CC1(C)C CBQXHTWJSZXYSK-VZVVJSHISA-N 0.000 claims description 3
- CBQXHTWJSZXYSK-DVIJZSFDSA-N (4z)-4-[(e)-but-2-enylidene]-3,5,5-trimethylcyclohex-2-en-1-one Chemical compound C\C=C\C=C1/C(C)=CC(=O)CC1(C)C CBQXHTWJSZXYSK-DVIJZSFDSA-N 0.000 claims description 3
- CBQXHTWJSZXYSK-UNKATYBDSA-N (4z)-4-[(z)-but-2-enylidene]-3,5,5-trimethylcyclohex-2-en-1-one Chemical compound C\C=C/C=C1\C(C)=CC(=O)CC1(C)C CBQXHTWJSZXYSK-UNKATYBDSA-N 0.000 claims description 3
- BJEPYKJPYRNKOW-REOHCLBHSA-N (S)-malic acid Chemical compound OC(=O)[C@@H](O)CC(O)=O BJEPYKJPYRNKOW-REOHCLBHSA-N 0.000 claims description 3
- IGJQUJNPMOYEJY-UHFFFAOYSA-N 2-acetylpyrrole Chemical compound CC(=O)C1=CC=CN1 IGJQUJNPMOYEJY-UHFFFAOYSA-N 0.000 claims description 3
- OUDFNZMQXZILJD-UHFFFAOYSA-N 5-methyl-2-furaldehyde Chemical compound CC1=CC=C(C=O)O1 OUDFNZMQXZILJD-UHFFFAOYSA-N 0.000 claims description 3
- 241000370738 Chlorion Species 0.000 claims description 3
- IMKHDCBNRDRUEB-UHFFFAOYSA-N Dihydroactinidiolide Natural products C1CCC(C)(C)C2=CC(=O)OC21C IMKHDCBNRDRUEB-UHFFFAOYSA-N 0.000 claims description 3
- NIDGCIPAMWNKOA-WOJBJXKFSA-N Neophytadiene Natural products [C@H](CCC[C@@H](CCCC(C)C)C)(CCCC(C=C)=C)C NIDGCIPAMWNKOA-WOJBJXKFSA-N 0.000 claims description 3
- NPYPAHLBTDXSSS-UHFFFAOYSA-N Potassium ion Chemical compound [K+] NPYPAHLBTDXSSS-UHFFFAOYSA-N 0.000 claims description 3
- 229920002472 Starch Polymers 0.000 claims description 3
- KDYFGRWQOYBRFD-UHFFFAOYSA-N Succinic acid Natural products OC(=O)CCC(O)=O KDYFGRWQOYBRFD-UHFFFAOYSA-N 0.000 claims description 3
- 239000002253 acid Substances 0.000 claims description 3
- 229930013930 alkaloid Natural products 0.000 claims description 3
- 150000003797 alkaloid derivatives Chemical class 0.000 claims description 3
- BJEPYKJPYRNKOW-UHFFFAOYSA-N alpha-hydroxysuccinic acid Natural products OC(=O)C(O)CC(O)=O BJEPYKJPYRNKOW-UHFFFAOYSA-N 0.000 claims description 3
- 229940095076 benzaldehyde Drugs 0.000 claims description 3
- POIARNZEYGURDG-FNORWQNLSA-N beta-damascenone Chemical compound C\C=C\C(=O)C1=C(C)C=CCC1(C)C POIARNZEYGURDG-FNORWQNLSA-N 0.000 claims description 3
- KDYFGRWQOYBRFD-NUQCWPJISA-N butanedioic acid Chemical compound O[14C](=O)CC[14C](O)=O KDYFGRWQOYBRFD-NUQCWPJISA-N 0.000 claims description 3
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 3
- 210000002421 cell wall Anatomy 0.000 claims description 3
- IMKHDCBNRDRUEB-LLVKDONJSA-N dihydroactinidiolide Chemical compound C1CCC(C)(C)C2=CC(=O)O[C@@]21C IMKHDCBNRDRUEB-LLVKDONJSA-N 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000003205 fragrance Substances 0.000 claims description 3
- 239000007789 gas Substances 0.000 claims description 3
- HNZUNIKWNYHEJJ-FMIVXFBMSA-N geranyl acetone Chemical compound CC(C)=CCC\C(C)=C\CCC(C)=O HNZUNIKWNYHEJJ-FMIVXFBMSA-N 0.000 claims description 3
- HNZUNIKWNYHEJJ-UHFFFAOYSA-N geranyl acetone Natural products CC(C)=CCCC(C)=CCCC(C)=O HNZUNIKWNYHEJJ-UHFFFAOYSA-N 0.000 claims description 3
- 150000002475 indoles Chemical class 0.000 claims description 3
- 239000001630 malic acid Substances 0.000 claims description 3
- 235000011090 malic acid Nutrition 0.000 claims description 3
- NIDGCIPAMWNKOA-UHFFFAOYSA-N neophytadiene Chemical compound CC(C)CCCC(C)CCCC(C)CCCC(=C)C=C NIDGCIPAMWNKOA-UHFFFAOYSA-N 0.000 claims description 3
- SNICXCGAKADSCV-UHFFFAOYSA-N nicotine Natural products CN1CCCC1C1=CC=CN=C1 SNICXCGAKADSCV-UHFFFAOYSA-N 0.000 claims description 3
- 229960002715 nicotine Drugs 0.000 claims description 3
- 229910052757 nitrogen Inorganic materials 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 235000006408 oxalic acid Nutrition 0.000 claims description 3
- 230000003647 oxidation Effects 0.000 claims description 3
- 238000007254 oxidation reaction Methods 0.000 claims description 3
- 230000001590 oxidative effect Effects 0.000 claims description 3
- QNGNSVIICDLXHT-UHFFFAOYSA-N para-ethylbenzaldehyde Natural products CCC1=CC=C(C=O)C=C1 QNGNSVIICDLXHT-UHFFFAOYSA-N 0.000 claims description 3
- 239000002304 perfume Substances 0.000 claims description 3
- 229940100595 phenylacetaldehyde Drugs 0.000 claims description 3
- 229940067107 phenylethyl alcohol Drugs 0.000 claims description 3
- 229910001414 potassium ion Inorganic materials 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 102000004169 proteins and genes Human genes 0.000 claims description 3
- 235000019633 pungent taste Nutrition 0.000 claims description 3
- 235000019698 starch Nutrition 0.000 claims description 3
- 239000008107 starch Substances 0.000 claims description 3
- OHEFFKYYKJVVOX-UHFFFAOYSA-N sulcatol Natural products CC(O)CCC=C(C)C OHEFFKYYKJVVOX-UHFFFAOYSA-N 0.000 claims description 3
- 238000006386 neutralization reaction Methods 0.000 claims description 2
- HTFIIJWSUHAMIQ-UHFFFAOYSA-N hepta-1,5-dien-4-one Chemical compound CC=CC(=O)CC=C HTFIIJWSUHAMIQ-UHFFFAOYSA-N 0.000 claims 1
- 239000000779 smoke Substances 0.000 abstract 8
- 230000007547 defect Effects 0.000 abstract 1
- 238000001514 detection method Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 3
- SATICYYAWWYRAM-VNKDHWASSA-N (E,E)-hepta-2,4-dienal Chemical compound CC\C=C\C=C\C=O SATICYYAWWYRAM-VNKDHWASSA-N 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 241000218691 Cupressaceae Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
Images
Landscapes
- Manufacture Of Tobacco Products (AREA)
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
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。
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、刺激性、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-庚二烯醛、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1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种烤烟样品作为训练烤烟样品，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。西柏烷类包含氧化茄酮、茄酮。芳香族氨基酸类包含苯甲醇、苯甲醛、苯乙醇、苯乙醛、吲哚。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 初步确定自变量的变量数量
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烤烟样品进行模型变量的选择，确定进入模型的变量；
步骤4在每一类训练烤烟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，把训练烤烟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，建立每一类训练烤烟样品的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灰色函数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。
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、西柏烷类、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、刺激性、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烷类包含氧化茄酮、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-1，3-二酮。
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 CN101419207A (zh) | 2009-04-29 |
| CN101419207B true 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) |
Families Citing this family (16)
| 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 |
| CN102879531B (zh) * | 2012-10-11 | 2015-03-25 | 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 |
| CN102854290B (zh) * | 2012-10-11 | 2015-05-06 | 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 |
| CN102879532B (zh) * | 2012-10-11 | 2015-05-06 | 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 |
| 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 |
| CN104143050B (zh) * | 2014-08-07 | 2020-02-04 | 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 |
| 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 |
| 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 |
| CN104134007B (zh) * | 2014-08-07 | 2019-11-26 | 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 |
| CN105628646B (zh) * | 2015-12-30 | 2019-03-22 | 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 |
| CN112801300A (zh) * | 2021-01-27 | 2021-05-14 | 福建中烟工业有限责任公司 | 预测烟草样品香气量的方法、装置和计算机可读取介质 |
| CN114397297B (zh) * | 2022-01-19 | 2024-01-23 | 河南中烟工业有限责任公司 | 一种烤烟淀粉含量的快速无损检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1524461A (zh) * | 2003-02-25 | 2004-09-01 | 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 |
| 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 |
| CN1524460A (zh) * | 2003-02-25 | 2004-09-01 | 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 |
| CN1975706A (zh) * | 2005-11-28 | 2007-06-06 | 颐中烟草(集团)有限公司 | 卷烟感官质量定性指标评估方法 |
| CN1975705A (zh) * | 2005-11-28 | 2007-06-06 | 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 |
-
2008
- 2008-10-27 CN CN200810046378A patent/CN101419207B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1524461A (zh) * | 2003-02-25 | 2004-09-01 | 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 |
| 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 |
| CN1524460A (zh) * | 2003-02-25 | 2004-09-01 | 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 |
| CN1975706A (zh) * | 2005-11-28 | 2007-06-06 | 颐中烟草(集团)有限公司 | 卷烟感官质量定性指标评估方法 |
| CN1975705A (zh) * | 2005-11-28 | 2007-06-06 | 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 |
Non-Patent Citations (2)
| Title |
|---|
| 李东亮.基于灰色统计的烤烟化学成分指标的相对重要性评价.《农业系统科学与综合研究》.2007,第23 卷(第3 期),351-355. * |
| 李东亮.烤烟化学成分指标的灰色关联聚类分析.《农业系统科学与综合研究》.2007,第23 卷(第4 期),411-414,420. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101419207A (zh) | 2009-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101419207B (zh) | 烤烟烟气主要指标的预测方法 | |
| Csereklyei et al. | Global energy use: Decoupling or convergence? | |
| Chen et al. | Allometry of fine roots in forest ecosystems | |
| CN102222164A (zh) | 一种食品感官质量评价方法及系统 | |
| WO2008126209A1 (ja) | 重回帰分析による予測モデルの作成方法、作成装置、作成プログラム | |
| 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 | |
| CN101419209A (zh) | 卷烟感官评吸和烟气指标的免疫神经网络预测方法 | |
| Manusch et al. | Tree mortality in dynamic vegetation models–A key feature for accurately simulating forest properties | |
| 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 | |
| CN102692488A (zh) | 基于电子鼻技术的金华火腿分级与鉴别方法 | |
| Burns et al. | More later: Delay of gratification and thought about the future in children | |
| CN101685092B (zh) | 用烟叶pH检测值判定烤烟醇化质量的方法 | |
| CN102214351A (zh) | 多点生产卷烟产品质量均质化评价方法及差异指标的筛选 | |
| Ciucu | The influence of education on economic growth | |
| Curto et al. | Growth and retrospective analysis of competition in an overstocked stand of Araucaria angustifolia | |
| CN112397202A (zh) | 一种青少年儿童身高生长曲线的预测方法 | |
| Battisti et al. | Global divergence in growth regressions | |
| Afthanorhan | Modeling the multiple indirect effect among latent constructs by using structural equation modeling: volunteerism program | |
| CN114154686A (zh) | 一种基于集成学习的大坝变形预测方法 | |
| CN112485372A (zh) | 一种评价烟气中杂气的方法 | |
| CN113238004A (zh) | 一种利用mlp神经网络模型预测酸味、甜味的方法 | |
| CN105303295B (zh) | 基于生物量转换因子法估计区域尺度生物量的不确定性评估方法 | |
| CN108416489A (zh) | 一种烟叶制品感官评吸数据的处理方法和处理系统 | |
| Tran et al. | Predicting high-frequency nutrient dynamics in the Danube River with surrogate models using sensors and Random Forest |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C53 | Correction of patent for invention or patent application | ||
| 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. |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C41 | Transfer of patent application or patent right 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. |
|
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120905 Termination date: 20171027 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |