基于RBF神經(jīng)網(wǎng)絡(luò)用烤煙化學(xué)指標(biāo)預(yù)測平衡含水率

吳雪芹　王建民　楊倩

摘 要：為了解烤煙煙葉各項化學(xué)指標(biāo)與其平衡含水率間的關(guān)系，檢測了76種國內(nèi)外烤煙煙葉樣品的吸濕、解濕平衡含水率、總糖、還原糖、總氮、煙堿、氯、鉀、pH，基于RBF神經(jīng)網(wǎng)絡(luò)技術(shù)，對煙絲的吸濕和解濕含水率進行了預(yù)測分析。預(yù)測結(jié)果表明，吸濕含水率的R值為0.91，均方差為0.21；解濕含水率的R值為0.94，均方差為0.21。

關(guān)鍵字：化學(xué)指標(biāo)；平衡含水率；RBF神經(jīng)網(wǎng)絡(luò)

煙草平衡含水率是煙草的重要物理參數(shù)之一，與煙草及其制品的加工、貯藏以及卷煙的抽吸品質(zhì)間密切相關(guān)。煙草的平衡含水率由其組織結(jié)構(gòu)和化學(xué)成分共同決定，且許多化學(xué)成分都會不同程度地影響其平衡含水率。本文基于RBF神經(jīng)網(wǎng)絡(luò)技術(shù)，利用煙草行業(yè)中常用的化學(xué)指標(biāo)來達到預(yù)測煙草平衡含水率，從而為卷煙企業(yè)在使用煙草平衡含水率方面提供一個間接的參考。

1 RBF神經(jīng)網(wǎng)絡(luò)及其模型

神經(jīng)網(wǎng)絡(luò)作為一種通用函數(shù)逼近器，可以以任意精度近似任意非線性函數(shù)和動態(tài)系統(tǒng)，是高度非線性對象建模的有力工具。它對系統(tǒng)的先驗信息要求很少，并且它具有良好的泛化能力，用它作為預(yù)測器來預(yù)測對象輸出的未來值的精度很高，在非線性系統(tǒng)辨識、建模、控制、信號處理等領(lǐng)域有著重要的應(yīng)用。

2 Clementine簡介

Clementine是SPSS公司推出的企業(yè)級數(shù)據(jù)挖掘產(chǎn)品，它提供了包括神經(jīng)網(wǎng)絡(luò)、決策樹、聚類分析、關(guān)聯(lián)分析、因子分析、回歸分析等在內(nèi)的豐富的數(shù)據(jù)挖掘模型，它通過節(jié)點的連接來完成整個數(shù)據(jù)挖掘過程，提供機器學(xué)習(xí)和許多相關(guān)統(tǒng)計模型，使數(shù)據(jù)挖掘的結(jié)果更具有可靠性與精確性。本文選用SPSS公司的Clementine來進行RBF網(wǎng)絡(luò)模型的實現(xiàn)，Clemetine中的工具箱使RBF網(wǎng)絡(luò)的建立、訓(xùn)練以及預(yù)測都變得非常簡單，而且訓(xùn)練過程及效果非常直觀，使神經(jīng)網(wǎng)絡(luò)應(yīng)用于實際具有更大的可行性。

3 實驗部分

3.1材料與方法

3.1.1實驗材料

共76種實驗用烤煙煙絲，其中國內(nèi)選用云南、河南、湖南、福建、湖北、貴州、四川、遼寧等10多個地區(qū)、不同部位、不同等級烤煙煙絲61種，國外選用美國、津巴布韋、巴西烤煙煙絲15種。

3.1.2 儀器與設(shè)備

Φ700mm濃硫酸干燥器 （重慶金龍玻璃制品有限公司）；AL294型電子天平（感量0.0001g，梅特勒—托利多儀器有限公司）；DHG-9145A型電熱鼓風(fēng)干燥箱（上海一恒科技有限公司）；FSJ-114型植物樣本粉碎機（農(nóng)牧漁業(yè)部河南扶溝科學(xué)儀器廠）；AA3連續(xù)流動分析儀（德國BRAN-LUEBBE公司）；S-3C型精密酸度計（上海大普儀器有限公司）。

3.1.3 試驗方法

3.1.3.1 平衡含水率的測定

稱取樣品約5g置入鋁盒內(nèi)，經(jīng)烘箱法，在溫度為40±2℃下烘4h，冷卻至室溫后精確稱量樣品及鋁盒質(zhì)量，在標(biāo)準(zhǔn)溫濕度條件下（溫度22±1℃、相對濕度60±2%）進行平衡含水率測定 [11]。由ISO恒溫恒濕室控制環(huán)境溫、濕度，相對濕度60%的濃硫酸干燥器控制試驗濕度。每間隔一定時間稱量樣品質(zhì)量，至兩次稱量值相差不超過0.002g，視為達到平衡狀態(tài)，烘箱法[12]測量吸濕平衡含水率。測量解濕含水率時需樣品在高濕度條件下平衡3d，然后再放置于標(biāo)準(zhǔn)條件下用相同方法進行測量。

3.1.3.2 化學(xué)成分的測定

采用AA3連續(xù)流動分析儀檢測樣品的總糖、還原糖、煙堿、氯、鉀、總氮。采用加拿大健康委員會推薦的浸提法[13]測定pH值。

3.1.3.3 數(shù)據(jù)分析方法

采用DPS7.05對試驗數(shù)據(jù)進行歸一化處理，采用Clemetine11.1對試驗數(shù)據(jù)進行RBF神經(jīng)網(wǎng)絡(luò)預(yù)測分析。

4 結(jié)果與分析

4.1 RBF神經(jīng)網(wǎng)絡(luò)預(yù)測

4.1.1 RBF神經(jīng)網(wǎng)絡(luò)模型的建立及參數(shù)的設(shè)定

為消除數(shù)據(jù)中各分量之間可能由于單位不同而產(chǎn)生的影響，首先對76種煙絲化學(xué)指標(biāo)進行歸一化處理，以使得各種對應(yīng)于化學(xué)成分的向量都為無量綱的單位的向量。本試驗用于神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型的數(shù)據(jù)61種，驗證模型的數(shù)據(jù)15種，驗證模型基本包括國內(nèi)外大多數(shù)地區(qū)的不同部位等級的煙絲樣品。該模型建立的難點就是需要用相同的試驗樣本同時預(yù)測吸濕和解濕兩組數(shù)據(jù)，這給試驗?zāi)Ｐ偷木忍岢龊芨叩囊螅绻麅H進行一組數(shù)據(jù)的預(yù)測，往往模型預(yù)測精度很高，而要同時滿足兩組數(shù)據(jù)的預(yù)測要求，需要對模型中的參數(shù)反復(fù)進行調(diào)試，以達到預(yù)測要求。

經(jīng)過反復(fù)調(diào)試，該RBF神經(jīng)網(wǎng)絡(luò)最終確定如下參數(shù)：模型預(yù)防過度訓(xùn)練為75%，停止條件為默認值，模型選擇為使用最佳網(wǎng)絡(luò)，二進制集合編碼，專家模式中均采用默認值，即RBF聚類為20，持續(xù)次數(shù)為30，權(quán)值動量Alpha為0.9，RBF重疊為1.0，自動計算學(xué)習(xí)速率Eta。試驗所建立的模型如圖1所示。

4.1.2 數(shù)據(jù)分析

通過所建立的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型可以看出，吸濕預(yù)測模型估計的準(zhǔn)確性為84.663，按輸入的相對重要性來分，從大到小的順序為：pH值、總糖、還原糖、鉀、煙堿、氯、總氮；解濕預(yù)測模型估計的準(zhǔn)確性為84.434，按輸入的相對重要性來分，從大到小的順序為：pH值、鉀、氯、還原糖、總糖、煙堿、總氮。通過所建立的預(yù)測模型，對驗證模型中的數(shù)據(jù)進行預(yù)測，預(yù)測結(jié)果和實測值見表1。模型優(yōu)化時主要考察的是預(yù)測值與標(biāo)準(zhǔn)值相關(guān)的相關(guān)系數(shù)系數(shù)（R）和均方差（RMSEP），當(dāng)模型的相關(guān)系數(shù)（R）最大，均方差（RMSEP）最小時，RBF神經(jīng)網(wǎng)絡(luò)所建立的模型預(yù)測值與分析樣品的實際測量值相關(guān)性最好，所建模型為最佳。

其中：Differi為第i個樣品的化學(xué)標(biāo)準(zhǔn)值與預(yù)測值之差，yi是第i個樣品的化學(xué)標(biāo)準(zhǔn)值，ym是所有樣品的化學(xué)標(biāo)準(zhǔn)值的平均值， N為預(yù)測驗證集樣品數(shù)。

5 結(jié)論

基于RBF神經(jīng)網(wǎng)絡(luò)技術(shù)，利用76種國內(nèi)外煙絲的化學(xué)指標(biāo)，對煙絲的吸濕和解濕含水率進行了預(yù)測，預(yù)測結(jié)果表明，吸濕含水率的R值為0.91，均方差為0.21；解濕含水率的R值為0.94，均方差為0.21。

參考文獻

[1] Takayoshi. Measurement of migration rate of water in cured tobacco material [J]. Food Sci Technol Res， 2003， 9 （3）： 245-249.

[2] Sakamoto K， Takase K， Nakanishi Y. Effects of adsorbed water on compressive properties of tobacco cut-filler aggregate [J]. Nippon Nogeikagaku Kaishi ， 1998， 72： 637-644.

[3] 閻克玉，李興波，趙學(xué)亮，等.河南烤煙理化指標(biāo)間的相關(guān)性研究[J]. 鄭州輕工業(yè)學(xué)院學(xué)報（自然科學(xué)版），2000（3） ：20-24.

[4] 徐安傳，王超，胡巍耀，等.紅大煙葉保潤性與其重要致香物質(zhì)間相互關(guān)系的研究初探[J].云南煙草，2006（6）：17-22.

[5] 鄧小華，周冀衡，陳新聯(lián)，等.煙葉質(zhì)量評價指標(biāo)間的相關(guān)性研究[J].中國煙草學(xué)報，2008（2） ：1-8.

[6] S Rcymld Chu，Rahmat Shourcshi， Manocl Tcnorio. Ncural networks for system identificxtion[J].Control Systems Magazinc，IEEE，1990，10（3）：31-35

[7] J Barry Gomm， Ding Li Yu. Sclccting radial basis funotion network centers with recursive orthogonal least squares training[J].IEEE Trans， Neural Nctworks，2000，11（12）：306-314.

[8] 陳文偉，黃金才.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘[M].北京：人民郵電出版社.2004-2

[9] 鄭新奇，劉曉麗.基于Clementine 決策樹的空間數(shù)據(jù)挖掘方法探討——以平陰縣安城鄉(xiāng)為例[C]//中國測繪學(xué)會九屆二次全體理事會議暨2006年學(xué)術(shù)年會論文集.2006：560-566.

[10] 鄧尚民，韓靖.Clementine在電子商務(wù)環(huán)境中的數(shù)據(jù)挖掘應(yīng)用[J].現(xiàn)代圖書情報技術(shù)，2007，（10）：62-65.

[11] 何保江，劉強，趙明月，等. 煙草保潤性能測試方法[J].煙草科技，2009 （2） ：25-28.

[12] YC/T 31-1996 煙草及煙草制品 試樣的制備和水分測定 烘箱法[S].

[13] Health Canada. Tobacco Control Programme.T-310 Determination of whole tobacco pH [S]. 1999.

作者簡介

吳雪芹（1972-），女，河南省安陽市，工程師，研究生，研究方向：煙草工藝。