[发明专利]烤烟烟气主要指标的预测方法

权利要求书

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。