论文部分内容阅读
该文根据国标GB/T5606.1的标准收集烤烟烟叶样品120份,烟叶产地为:贵州遵义、兴义、毕节、梵净山、黔南、黔东南等地,经恒温干燥、粉碎之后,按行业标准YC/T31制样,采用CORESTA推荐的分析方法对烟叶中的常规化学成分(总糖、烟碱、蛋白质、还原糖、总氮、钾离子、氯离子)进行定量分析.使用实验仪器为法国ALLIANCE 8通道自动化学分析仪.同时,对这些烤烟烟叶样本进行感官评吸实验(香气、吃味、杂气、刺激性、劲头、燃烧性、灰份),感官评吸实验由贵阳卷烟厂评烟委员会进行,评吸方法按烟草行业标准YC/T138-1998进行.采集烟叶常规化学成分数据与对应的感官评吸数据,构成神经网络训练与检验用的数据样本,用这些样本的70％左右的数据来对神经网络模型进行训练,再利用剩下的样本来检验训练好的神经网络的性能.该文主要包括两部分内容.1、烟叶常规化学成分的定量分析.2、用神经网络作为工具,根据烟叶的化学成分信息来对烟叶的品质做出预测.文中共运用了两种神经网络模型:网络的拓扑结构为7×s×7的BP网络和拓扑结构为7×s×1的径向基神经网络.实验表明:采用7×s×7的BP网络仅需要一个网络就可完成烟叶品质的预测,不足之处在于对烟叶品质的各指标的预测的绝对误差相对偏大,训练时间相对长(训练花了1分30秒);为改进BP网络的不足,希望网络的训练速度更快;烟叶各化学成份指标对网络的训练不存在相互干扰;使网络具有对样该数据分类的能力,文中引入了径向基神经网络.实验表明:采用7×s×1的径向基神经网络(RBF)来预测烟叶的品质需要7个网络,与BP网络相比,它能对烟叶的品质指标做更精确的预测(绝对误差均小于0.9),且训练速度快(共花26秒).将RBF神经网络应用于烟叶品质的预测,可减少评吸专家的工作量、提高烟叶品质评定的效率和准确性、避免烟叶质量评定中的主观因素,是评价烟叶品质的一种有效方法.具有较好的应用前景.