烤烟烟气主要指标的预测方法

摘要

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。

主权项

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。