随着我国国民生活水平的提高,市场对卷烟产品的需求也持续增加。为了应对这种趋势,烟草企业不断提高自身的核心技术,推进产品的研发水平,提升产品的市场竞争力。卷烟配方设计是卷烟产品开发的关键,而卷烟产品的感官质量是卷烟配方设计的基础和核心。因此,感官评估的质量直接影响卷烟产品的质量。目前,烟草企业的感官评估主要依靠感官评吸专家进行评定。它要求评吸专家在较短的评吸时间内获取产品的各种特征,并进行正确的评定。但在实际中,对卷烟产品质量进行客观评定是很复杂也是很困难的,而且在语言上对感官特征的描述不够细致而又缺乏稳定性,难以保证评吸的质量。多年来,烟草企业在卷烟生产和工艺实验的过程中积累了一些历史数据,这些数据为卷烟产品的研发和优化设计提供了重要的前提条件。利用现存的历史数据,运用数据挖掘手段,可以挖掘出卷烟感官指标与化学成分之间的关系,从而构建智能化的卷烟感官评吸预测模型。然而,现今的卷烟感官预测模型只考虑历史数据本身的特征,忽略了先验知识的作用,当数据分布复杂或存在强噪声时,模型的预测性能会受到很大影响。卷烟数据具有小样本、高维数、强噪声的特点,采用单一的数据挖掘算法很难达到令人满意的预测效果。本文考虑到感官评吸专家在多年的评吸过程中积累了大量的先验知识,可以将这些知识嵌入数据挖掘算法,建立基于先验知识的卷烟感官预测模型,利用知识辅助模型学习数据的内在特征,提高卷烟感官预测模型的预测性能。本文主要的研究内容如下:(1)针对H集团提供的卷烟感官评吸数据的特点对数据进行预处理;运用ID3决策树获取卷烟数据中隐含的知识规则,并对输出规则进行约简,删除冗余规则和规则中的冗余属性;应用领域知识获取烟草化学成分之间相关关系的先验信息,用于基于先验知识的感官预测模型中。(2)建立基于BP神经网络的卷烟感官评吸指标预测模型,并对神经网络隐含层节点进行寻优,选取预测性能最优的预测模型;结合ID3决策树获取的规则建立基于知识的神经网络预测模型——KBANN预测模型,以及KBANN的改进模型RAPTURE模型。通过实验分析,对于大多数感官指标,KBANN和RAPTURE的预测准确率和算法稳定性均优于BP神经网络。(3)根据卷烟感官评吸指标数据的特点,建立基于贝叶斯网络的卷烟感官预测模型,并分析该模型的预测性能;利用获取的卷烟化学成分间的相关关系,建立基于先验知识的贝叶斯网络感官预测模型。将基于先验知识的贝叶斯网络模型与贝叶斯网络模型进行比较,实验结果表明,基于先验知识的贝叶斯网络的预测性能优于贝叶斯网络。同时,由于应用先验知识构建网络结构,基于先验知识的贝叶斯网络省去了网络结构学习的步骤,更加节省了训练时间。