CN104598752A - 一种基于助燃剂的卷烟烟气中的co释放量预测模型构建方法 - Google Patents

Abstract

本发明公开了一种基于助燃剂的卷烟烟气中的CO释放量预测模型构建方法，属于卷烟添加剂对卷烟危害性影响技术领域。本发明将助燃剂含量分解为助燃剂离子含量后，采用离散化方法处理数据，进而以分组样本比较算法筛选重要性助燃剂和助燃剂离子，并根据筛选的重要性的助燃剂和/或助燃剂离子构建卷烟烟气中的CO释放量的二次函数预测数学模型，该方法简单实用，所建立的模型预测精度较高，为柠檬酸盐及苹果酸盐助燃剂体系或其它助燃剂体系卷烟烟气中的CO释放量预测模型的建立提供一种新方法。

Description

一种基于助燃剂的卷烟烟气中的CO释放量预测模型构建方法

技术领域

本发明属于卷烟添加剂对卷烟危害性影响技术领域，具体涉及一种采用数据离散变量筛选的方法考察助燃剂和助燃剂离子对CO的影响，同时本发明还涉及构建筛选助燃剂和/或助燃剂离子对卷烟烟气中的CO释放量的预测模型。

背景技术

近年来，随着人们对吸烟与健康的关注度逐步提高，卷烟危害性评价成为国内外烟草行业的热门研究课题之一。2009年，谢剑平等基于卷烟主流烟气中7种有害成分（包括CO、HCN、NNK、HH3、苯并芘、苯酚、巴豆醛）释放量和烟气毒理学试验结果建立了卷烟危害性评价指标——卷烟危害性指数H值，首次将卷烟烟气有害成分的释放量与其危害性联系起来。烟草行业围绕降低卷烟危害性指数开展了大量的研究，卷烟助燃剂是其中重要的研究方向之一。

目前，卷烟常用的助燃剂主要是碱金属盐，由于助燃剂在卷烟中的添加可以调节卷烟抽吸口数、改善包灰效果、降低主流烟气有害成分释放量，因此，碱金属盐类助燃剂在卷烟工业中的研究和应用较为广泛。

有关卷烟助燃剂对主流烟气的影响研究主要集中在助燃剂的含量或种类对卷烟烟气焦油及7种有害成分的释放量影响。由于卷烟中可能同时存在多种助燃剂，而建立单一的助燃剂模型可用性较差。基于此，本发明申请提出将卷烟纸中采用的多元混合助燃剂按离子进行分析，在考察助燃剂总含量的同时，将助燃剂进行分解，采用数据离散化方法考察助燃剂和助燃剂离子对卷烟烟气中的CO释放量的影响，并将影响较大的离子用来构建卷烟烟气中的CO释放量的预测模型，为卷烟烟气中CO释放量预测模型构建提供一种方法。

发明内容

本发明的目的在于针对现有技术的不足，提供一种能有效判断助燃剂和助燃剂离子对卷烟烟气中的CO释放量影响大小的方法，并筛选影响较大的助燃剂和/或助燃剂离子构建的卷烟烟气中的CO释放量预测模型。

本发明的目的通过以下技术方案予以实现。

除非另有说明，本发明所采用的百分数均为重量百分数。

一种基于助燃剂的卷烟烟气中的CO释放量预测模型构建方法，将助燃剂含量分解为助燃剂离子含量后，采用离散化方法处理数据，进而以判别方法筛选重要性助燃剂和助燃剂离子，并根据筛选的重要性的助燃剂和/或助燃剂离子构建卷烟烟气中的CO释放量预测数学模型；具体步骤如下：

步骤（1），数据离散化处理：

将卷烟中所用助燃剂含量数据转化为助燃剂离子含量数据；将所有助燃剂和助燃剂离子含量数据以中位数法进行离散化处理；

步骤（2），重要性助燃剂和助燃剂离子筛选：

采用分组样本比较方法，考察卷烟烟气中的CO释放量在每个助燃剂和助燃剂离子分组下的分布情况，确定对卷烟烟气中的CO释放量影响较大的助燃剂和/或助燃剂离子；所述的卷烟烟气中的CO释放量是按照《GB/T 23356-2009 卷烟 烟气气相中一氧化碳的测定 非散射红外法》进行检测测得的；

步骤（3），卷烟烟气中的CO释放量预测数学模型建立：

卷烟烟气中的CO释放量模型的建立，从助燃剂和助燃剂离子中选择对卷烟烟气中的CO释放量影响最大的前2个为自变量，以卷烟烟气中的CO释放量为因变量，模型采用两变量二次模型，参数拟合方法采用Levenberg-Marquardt结合GlobalSearch方法，上界为两个自变量的最大值，下界为两个自变量的最小值；

步骤（4），模型验证：

在相同的助燃体系下，随机选择样品通过常规方法测定步骤（3）中从助燃剂和助燃剂离子中选择对卷烟烟气中的CO释放量影响最大的前2个的含量，并代入步骤（3）所构建的卷烟烟气中CO释放量数学模型进行计算，得到卷烟烟气中的CO释放量的预测值，再以按照《GB/T 23356-2009 卷烟 烟气气相中一氧化碳的测定 非散射红外法》进行卷烟烟气中CO的实际释放量测定，通过计算预测与实测值之间的相对偏差，比较预测值及实测值的差异。

进一步，优选的是步骤（2）所述的分组样本比较的方法是Mann-Whitney-Wilcoxon非参数检验。

进一步，所述的基于助燃剂的卷烟烟气中的CO释放量预测模型构建方法，包括如下步骤：

步骤（1），数据离散化处理：

以不同配比的柠檬酸钠、柠檬酸钾、苹果酸钠和苹果酸钾为卷烟纸助燃剂，且混合助燃剂设计添加量范围为1.0-3.5%，然后以该卷烟纸卷制卷烟样品，采用电导率法测定卷烟纸中助燃剂含量，离子色谱法测定其柠檬酸根和苹果酸根含量，火焰光度法测定其钾离子和钠离子含量；然后将所有助燃剂和助燃剂离子含量数据以中位数法进行离散化处理，小于中位数的样本其值转化为0，大于等于中位数的样本其值转化为1；

步骤（2），重要性助燃剂和助燃剂离子筛选：

助燃剂和助燃剂离子经0和1含量分组后，考察卷烟烟气中的CO释放量在每个助燃剂和助燃剂离子含量在0组时和1组时的分布情况，并采用Mann-Whitney-Wilcoxon 非参数检验比较卷烟烟气中的CO释放量在0组和1组中的差异，差异越大，则表明该助燃剂或助燃剂离子对卷烟烟气中的CO释放量影响越大；所述的卷烟烟气中的CO释放量是按照《GB/T 23356-2009 卷烟 烟气气相中一氧化碳的测定 非散射红外法》进行检测测得的；

步骤（3），卷烟烟气中的CO释放量预测数学模型建立：

根据步骤（2）得到的卷烟烟气中的CO释放量在不同助燃剂和助燃剂离子在0组和1组中的分布差异，从助燃剂和助燃剂离子中选择对卷烟烟气中的CO释放量影响最大的前2个为自变量，即以助燃剂含量及柠檬酸根含量为自变量，以卷烟烟气中的CO释放量为因变量，模型采用两变量二次模型，参数拟合方法采用Levenberg-Marquardt结合GlobalSearch方法，上界为两个自变量的最大值，下界为两个自变量的最小值；构建模型如下：

其中，x是助燃剂含量，y是柠檬酸根离子含量；

步骤（4），模型验证：

采用不同柠檬酸盐及苹果酸盐配比卷烟纸的卷烟样品，其卷烟烟气中的CO释放量未知，卷烟样品所采用的其他辅材及叶组配方与建模样品相同，通过电导率法测定卷烟纸中的助燃剂含量，离子色谱法测定柠檬酸根含量，并代入步骤（3）所构建的卷烟烟气中CO释放量数学模型进行计算，得到卷烟烟气中的CO释放量的预测值，再以按照《GB/T 23356-2009 卷烟 烟气气相中一氧化碳的测定 非散射红外法》进行卷烟烟气中CO的实际释放量测定，通过计算预测与实测值之间的相对偏差，比较预测值及实测值的差异。

通过以上步骤即可完成助燃剂和助燃剂离子对卷烟烟气中的CO释放量影响大小的判定和卷烟烟气中的CO释放量数学模型的构建。

上述技术方案中，卷烟烟气中的CO释放量预测数学模型建立时，初始值设定为上界和下界之间的任意一个值。

Levenberg-Marquardt方法具体参照文献：Fletcher, R., (1971): A Modified Marquardt Subroutine for Nonlinear Least Squares。

GlobalSearch方法具体参照文献：Ugray, Z., (2007): Scatter Search and Local NLP Solvers: A Multistart Framework for Global Optimization。

本发明与现有技术相比，其有益效果为：

1、针对采用多元混合助燃剂的卷烟，从助燃剂和助燃剂离子对卷烟烟气中的CO释放量影响出发，深度挖掘对卷烟烟气中的CO释放量的影响因素，并提供了一种构建相应的卷烟烟气中的CO释放量模型的方法，对相关的多元助燃剂体系卷烟烟气中的CO释放量模型构建有较好的参考意义。

2、采用离散化处理判定助燃剂和助燃剂离子对卷烟烟气中的CO释放量影响，可以减少助燃剂和助燃剂离子含量为0或恒定值时对结果的判断。

3、根据助燃剂和助燃剂离子影响大小构建卷烟烟气中的CO释放量预测模型，可较大程度减少模型的自变量个数，减少模型复杂度，增强模型预测能力。

4、该方法简单实用，所建立的模型预测精度较高，为柠檬酸盐及苹果酸盐助燃剂体系或其它助燃剂体系卷烟烟气中的CO释放量预测模型的建立提供一种新方法。

附图说明

图1为本发明方法的数据处理流程图；

图2为反映卷烟烟气CO在不同助燃剂和助燃剂离子水平上的释放量差异的图。

具体实施方式

下面结合实施例和附图对本发明作进一步的详细描述。

本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用试剂或仪器未注明生产厂商者，均为可以通过购买获得的常规产品。

实施例1

（1）数据离散化处理：

以不同配比的柠檬酸钠、柠檬酸钾、苹果酸钠和苹果酸钾为卷烟纸助燃剂，且混合助燃剂设计添加量范围为1.0-3.5%，然后以该卷烟纸卷制19组卷烟样品。采用电导率法测定卷烟纸中助燃剂含量，离子色谱法测定其中柠檬酸根和苹果酸根含量，火焰光度法测定其钾离子和钠离子含量，结果如表1。

表  助燃剂、助燃剂离子含量及卷烟烟气中的CO释放量

助燃剂和助燃剂离子的离散化采用中位数法。具体来讲，先计算助燃剂和助燃剂离子含量的中位数，小于中位数的样本其值转化为0，大于等于中位数的样本其值转化为1。

（2）重要性助燃剂和助燃剂离子筛选：

采用Mann-Whitney-Wilcoxon 非参数检验方法，考察卷烟烟气中的CO释放量在每个助燃剂和助燃剂离子分组下的分布情况，确定对卷烟烟气中的CO释放量影响较大的助燃剂和/或助燃剂离子；所述的卷烟烟气中的CO释放量是按照《GB/T 23356-2009 卷烟 烟气气相中一氧化碳的测定 非散射红外法》进行检测测得的，结果见表1；

助燃剂和助燃剂离子经0和1含量分组后（图2），考察卷烟烟气中的CO释放量在每个助燃剂和助燃剂离子含量在0组时和1组时的分布情况，并采用Mann-Whitney-Wilcoxon 非参数检验比较卷烟烟气中的CO释放量在0组和1组中的差异，差异越大，则表明该助燃剂或助燃剂离子对卷烟烟气中的CO释放量影响越大。

（3）卷烟烟气中的CO释放量预测数学模型建立：

根据图2卷烟烟气中的CO释放量在不同助燃剂和助燃剂离子在0组和1组中的分布差异p值，从助燃剂和助燃剂离子中选择对卷烟烟气中的CO释放量影响最大的前2个为自变量，即助燃剂含量及柠檬酸根离子含量，并将其实际含量作为模型自变量，将卷烟烟气中的CO释放量设为因变量。模型采用两变量二次模型，参数拟合方法采用Levenberg-Marquardt结合GlobalSearch方法，初始值设定为[2,1]，上界为两个自变量的最大值[3.6,2.29]，下界为两个自变量的最小值[0.98,0]。

通过以上步骤即可完成对卷烟烟气中的CO释放量数学模型的构建，如下：

其中，x是助燃剂含量，y是柠檬酸根离子含量。

至此，从助燃剂和助燃剂离子中完成选择对卷烟烟气中的CO释放量影响较大的筛选，及卷烟烟气中的CO释放量模型构建。

（4）模型验证

采用不同柠檬酸盐及苹果酸盐配比卷烟纸的卷烟样品，其卷烟烟气中的CO释放量未知，（卷烟样品所采用的其他辅材及叶组配方与建模样品相同），通过电导率法测定卷烟纸中的助燃剂含量及离子色谱法测定柠檬酸根含量，并代入所构建的卷烟烟气中的CO释放量数学模型进行计算，得到卷烟烟气中的CO释放量的预测值（见表2），再以按照《GB/T 23356-2009 卷烟 烟气气相中一氧化碳的测定 非散射红外法》进行卷烟烟气中CO的实际释放量测定，比较预测值及实测值的差异，结果见表2。

表 2 模型验证

结果表明，所建模型在实验值范围内对卷烟烟气中的CO释放量预测相对偏差较小（相对偏差绝对值小于3.22%），具有较好的预测精度，说明在卷烟样品所采用的其他辅材及叶组配方与建模样品相同的情况下，该模型对卷烟纸助燃剂和助燃剂离子的配比设计有较强的指导作用。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定 。

Claims (4)

1.一种基于助燃剂的卷烟烟气中的CO释放量预测模型构建方法，其特征在于：将助燃剂含量分解为助燃剂离子含量后，采用离散化方法处理数据，进而以判别方法筛选重要性助燃剂和助燃剂离子，并根据筛选的重要性的助燃剂和/或助燃剂离子构建卷烟烟气中的CO释放量预测数学模型；具体步骤如下：

步骤（1），数据离散化处理：

将卷烟中所用助燃剂含量数据转化为助燃剂离子含量数据；将所有助燃剂和助燃剂离子含量数据以中位数法进行离散化处理；

步骤（2），重要性助燃剂和助燃剂离子筛选：

采用分组样本比较方法，考察卷烟烟气中的CO释放量在每个助燃剂和助燃剂离子分组下的分布情况，确定对卷烟烟气中的CO释放量影响较大的助燃剂和/或助燃剂离子；所述的卷烟烟气中的CO释放量是按照《GB/T 23356-2009 卷烟 烟气气相中一氧化碳的测定 非散射红外法》进行检测测得的；

步骤（3），卷烟烟气中的CO释放量预测数学模型建立：

卷烟烟气中的CO释放量模型的建立，从助燃剂和助燃剂离子中选择对卷烟烟气中的CO释放量影响最大的前2个为自变量，以卷烟烟气中的CO释放量为因变量，模型采用两变量二次模型，参数拟合方法采用Levenberg-Marquardt结合GlobalSearch方法，上界为两个自变量的最大值，下界为两个自变量的最小值；

步骤（4），模型验证：

在相同的助燃体系下，随机选择样品通过常规方法测定步骤（3）中从助燃剂和助燃剂离子中选择对卷烟烟气中的CO释放量影响最大的前2个的含量，并代入步骤（3）所构建的卷烟烟气中CO释放量数学模型进行计算，得到卷烟烟气中的CO释放量的预测值，再以按照《GB/T 23356-2009 卷烟 烟气气相中一氧化碳的测定 非散射红外法》进行卷烟烟气中CO的实际释放量测定，通过计算预测与实测值之间的相对偏差，比较预测值及实测值的差异。

2. 根据权利要求1所述的基于助燃剂的卷烟烟气中的CO释放量预测模型构建方法，其特征在于：步骤（2）所述的分组样本比较的方法是Mann-Whitney-Wilcoxon非参数检验。

3.根据权利要求1所述的基于助燃剂的卷烟烟气中的CO释放量预测模型构建方法，其特征在于，包括如下步骤：

步骤（1），数据离散化处理：

以不同配比的柠檬酸钠、柠檬酸钾、苹果酸钠和苹果酸钾为卷烟纸助燃剂，且混合助燃剂设计添加量范围为1.0-3.5%，然后以该卷烟纸卷制卷烟样品，采用电导率法测定卷烟纸中助燃剂含量，离子色谱法测定其柠檬酸根和苹果酸根含量，火焰光度法测定其钾离子和钠离子含量；然后将所有助燃剂和助燃剂离子含量数据以中位数法进行离散化处理，小于中位数的样本其值转化为0，大于等于中位数的样本其值转化为1；

步骤（2），重要性助燃剂和助燃剂离子筛选：

助燃剂和助燃剂离子经0和1含量分组后，考察卷烟烟气中的CO释放量在每个助燃剂和助燃剂离子含量在0组时和1组时的分布情况，并采用Mann-Whitney-Wilcoxon 非参数检验比较卷烟烟气中的CO释放量在0组和1组中的差异，差异越大，则表明该助燃剂或助燃剂离子对卷烟烟气中的CO释放量影响越大；所述的卷烟烟气中的CO释放量是按照《GB/T 23356-2009 卷烟 烟气气相中一氧化碳的测定 非散射红外法》进行检测测得的；

步骤（3），卷烟烟气中的CO释放量预测数学模型建立：

根据步骤（2）得到的卷烟烟气中的CO释放量在不同助燃剂和助燃剂离子在0组和1组中的分布差异，从助燃剂和助燃剂离子中选择对卷烟烟气中的CO释放量影响最大的前2个为自变量，即以助燃剂含量及柠檬酸根含量为自变量，以卷烟烟气中的CO释放量为因变量，模型采用两变量二次模型，参数拟合方法采用Levenberg-Marquardt结合GlobalSearch方法，上界为两个自变量的最大值，下界为两个自变量的最小值；构建模型如下：

其中，x是助燃剂含量，y是柠檬酸根离子含量；

步骤（4），模型验证：

采用不同柠檬酸盐及苹果酸盐配比卷烟纸的卷烟样品，其卷烟烟气中的CO释放量未知，卷烟样品所采用的其他辅材及叶组配方与建模样品相同，通过电导率法测定卷烟纸中的助燃剂含量，离子色谱法测定柠檬酸根含量，并代入步骤（3）所构建的卷烟烟气中CO释放量数学模型进行计算，得到卷烟烟气中的CO释放量的预测值，再以按照《GB/T 23356-2009 卷烟 烟气气相中一氧化碳的测定 非散射红外法》进行卷烟烟气中CO的实际释放量测定，通过计算预测与实测值之间的相对偏差，比较预测值及实测值的差异。

4.根据权利要求1-3任意一项所述的基于助燃剂的卷烟烟气中的CO释放量预测模型构建方法，其特征在于，卷烟烟气中的CO释放量预测数学模型建立时，初始值设定为上界和下界之间的任意一个值。