专利名称：卷烟感官评吸和烟气指标的神经网络预测方法
技术领域：
本发明是一种利用Kohonen和BP神经网络(人工神经网络)模型，结合行业专家经验，更准确地实现由卷烟的理化指标预测感官评吸和烟气指标的智能方法，具体说是卷烟感官评吸和烟气指标的神经网络预测方法。
背景技术：
烟叶包含众多的化学成分；吸烟过程中各化学成分相互作用，刺激人的味觉、嗅觉、触觉，都极其复杂。烟叶评吸专家的经验是十分可贵的，但也具有明显的不确定性。目前，烟草行业就烟草的化学成分与烟气分析指标、感官质量评价(感觉测试)指标之间的相关性，定量分析方法只采用传统的统计(如多元回归)分析。此方法构造的模型，只是对分析过的烟草具有一定的适用性；一旦有新的样本，‘配方模型’要重新回归，求解过程复杂，难以实现快速修改‘配方模型’神经网络是一种智能技术，适用于解决用传统数学模型方法难以解决的、非确定性的复杂问题。它善于从不完整的、有较强干扰因素的大量数据中归纳、获取知识，建立映射关系。Kohonen自组织特征映射，是通过网络学习，使输出层中神经元(输出节点)的权向量逼近输入特征向量，实现从输入空间到神经元二维空间阵列的映射，将具有相同或相近特征的输入(数据)向量，映射到位置相同或相邻的输出节点。从而实现对输入数据(模式)特征的“聚类”，提取了某种内在规律性。现已在金融预测、工程控制等复杂领域中得到很好的应用。烟草行业在烟叶化学成分、感官评价及烟气分析方面积累了很多有价值的经验与数据，还没有很好地加以利用。
发明内容
本发明的目的在于建立单料烟和成品烟的感官质量评价和烟气指标的智能预测系统，即一种有效的预测卷烟感官评吸(感觉测试)和烟气分析指标的智能预测系统。该系统的应用，能减少人工评吸量和烟气检测次数，提高配方功效；并能从训练后的神经网络模型中提取知识，使烟草专家对不同风格的卷烟的感官评吸或烟气指标与理化参数之间的关系，有更深刻、更客观的认识；同时，它也是卷烟叶组配方智能设计的重要基础。
本发明的核心技术，是实现Kohonen和BP网络两种神经网络模型的集成应用。根据烟草专家经验，依风格的不同把烟叶划分若干组；再用Kohonen自组织特征映射，将各组卷烟的理化指标样本空间细分为多个子空间，每个BP网络仅在一个子空间内实现理化指标与感官质量评价指标或烟气分析指标间的映射关系，降低了每个BP网络面临问题的复杂度，大大提高了网络的学习速度和精度。当新烟叶样本数据送入，先判断新样本在原始输入空间的位置，若与已学样本靠近，则系统预测结果可信度高；否则，系统将根据新样本在原始输入空间中偏离程度，指出所预测结果的参考价值。
卷烟的理化指标(如包括总糖、总烟碱、还原糖、总氮、蛋白质、氯气、钾、施木克值、糖碱比、钾氯比，以及气相色谱值)是高维向量，各指标都有各自的量纲，在聚类之前必须进行归一化。
根据专家经验，各项理化指标对卷烟内在感官质量影响的重要性不同。为此，我们赋予各理化指标不同的“参与度权重”，再进行网络学习。如糖碱比、施木克值、钾氯比、总糖为重要参数，经数据预处理参与度为0.9，次要指标项参与度为0.2。
本方法中BP网络采用单隐层、单输出N-H-1(如110-8-1)结构，即N个输入端、H个隐层神经元和1个输出端的结构模型，更利于完成每个输出参数与理化指标之间的函数映射。为克服BP网络学习易陷入局部最小值问题，采用了自适应学习率和带有平滑项的目标函数，使网络收敛效果与推广性能大大改善。
实践证明，本方法是一种行之有效的预测单料烟或成品烟感官评吸(感觉测试)和烟气指标的智能方法。
下面结合附图及其具体实例详细说明本发明。
图1Kohonen网络实现单料烟或成品烟分类的子系统流程图。
图2单料烟或成品烟感官评吸与烟气指标BP网络预测子系统流程图。
图3单料烟或成品烟评吸与烟气指标预测神经网络专家系统的形成。
图4单料烟或成品烟评吸与烟气指标神经网络预测系统的使用管理。
图5单烟叶或成品烟评吸与烟气指标神经网络预测系统的总体结构图。
具体实施例方式
本发明用于单料烟、成品烟评吸预测的神经网络专家系统的形成流程如图3所示，其步骤如下(1)首先分别检测烟叶、成品烟的理化指标，烟气分析指标，组织行业专家对单料烟和成品烟进行评吸(感觉测试)，将所得数据录入数据库；
(2)然后运用本方法所建立的预测系统能自动剔除错误或特异样本，并对样本数据归一化；(3)再结合领域专家经验，按风格的不同，对烟叶或成品烟分为若干组；再应用Kohonen自组织特征映射对卷烟理化指标样本数据实现聚类，完成数据库中所有烟叶和成品卷烟的最终分类；(4)对不同类烟叶或成品烟的理化指标(设有N项)样本，分别建立对应的BP神经网络；每个BP网络采用N-H-1(即N个输入端、H个隐层神经元和1个输出端)的结构模型；并依专家经验确定网络的初始学习率、动量及误差调整参数；(5)将归一化样本数据送入对应的神经网络，按当前的BP算法进行训练，达到指定的误差精度后停止，表示评价和预测模型已建好，并将它们存储在知识库中；(6)判断待分析的样本数据是否为新的、未分类的数据；若是，则回到(3)并往下进行；(7)若待分析的数据是新的、已知类的烟叶或成品烟的理化指标数据，则根据其类别读取库中对应网络，计算(‘神经计算’)出感官评吸和烟气指标预测值；再将所得指标值转换为用户理解的数据或字符描述形式，任务结束。
该系统的管理过程或程序如图4所示，其使用管理步骤如下(1)先由用户依领域专家经验，选定待评价和预测的烟叶或成品烟的风格，再将其理化指标值输入系统；(2)系统根据以上数据实现自组织特征提取，确定其类别，并从分类库中读取对应的BP网络编号；(3)系统再根据编号，读取对应的BP网络，计算出感官评吸和烟气指标预测值。
完成后，系统将结果转化为用户易于理解的格式输出，由专家根据经验给出预测值的准确度评价。
本系统的总体结构如图5所示。其基本内容是将专家经验分类与由数据驱动的智能分类方法相结合，把复杂问题分解，分别送入各自的神经网络求解，最终类的知识都保存在各类BP网络知识库中。当有新的预测工作要做(有新的烟叶检测样本要处理)时，只需根据分类神经网络计算出对应的BP网络，便可利用已训练好的网络映射模型预测出此样本的感官评吸和烟气指标值。
以下是目前使用的各参数名。随着研究的深入，它们可作适当改变。
●卷烟(单料烟或成品烟)按风格分类有清、清偏中、中偏清、中、中偏浓、浓偏中、浓、特异香型●单料烟110项理化指标(神经网络预测模型的输入参数)∷＝总糖、总烟碱、还原糖、总氮、蛋白质、氯气、钾、施木克值、糖碱比、钾氯比，以及气相色谱值100项●11项感官质量指标(网络的输出参数)是香型、香气质、香气量、浓度、劲头、杂气、刺激性、余味、燃烧性、灰分、质量档次；其中，香型等级有8个，采用(0，1)内均值量化。其它由1至5分的分值表示●4项烟气分析指标(网络的输出参数)是焦油、烟碱、CO、TPM(mg/支)●用于训练卷烟感官质量指标与烟气指标神经网络预测模型的输入参数为总糖、总烟碱、还原糖、总氮、蛋白质、氯气、钾、施木克值、糖碱比、钾氯比，以及气相色谱值共110项●用于训练卷烟感官质量指标与烟气指标神经网络预测模型的输出参数为光泽、香气质、协调、杂气、刺激性、余味；焦油、烟碱、CO、TPM因此，本发明为一种卷烟(单料烟和成品烟)感官评吸和烟气指标的神经网络预测方法。该方法是将Kohonen、BP神经网络模型及模糊集方法相结合，在计算机网络上实现无缝集成；在对卷烟进行测试、评吸，得到其理化指标与感官评吸(感觉测试)、烟气分析指标样本数据组合的基础上，根据行业专家经验，将样本数据按风格分组，再由Kohonen网络自组织特征映射，将卷烟各组按理化指标完成最终分类，并用各类样本数据分别训练各自对应的BP网络，获取各类卷烟理化指标与感官评吸、烟气指标间的映射关系，建立单料烟和成品烟的感官质量评价和烟气指标的智能预测系统。此方法具有减少人工评吸和检测次数、提高工作效率的功能，也是卷烟叶组配方智能设计系统的重要基础。
以上所述，描述了本发明的独特之处。随着经验知识积累，对烟叶内部成分的科学分析更深入，以及计算智能与神经网络技术的改进，对本系统的适当修改都为本发明的范围。
权利要求
1.卷烟感官评吸和烟气指标的神经网络预测方法是(1)首先分别检测烟叶、成品烟的理化指标，烟气分析指标，组织行业专家对单料烟和成品烟进行评吸，将所得数据录入数据库。(2)然后运用本方法所建立的预测系统能自动剔除错误或特异样本，并对样本数据归一化。(3)再结合领域专家经验，按风格的不同，对烟叶或成品烟分为若干组；再应用Kohonen自组织特征映射对卷烟理化指标样本数据实现聚类，完成数据库中所有烟叶和成品卷烟的最终分类。(4)对不同类烟叶或成品烟的设有N项的理化指标样本，分别建立对应的BP神经网络；每个BP网络采用N-H-1(即N个输入端、H个隐层神经元和1个输出端)的结构模型；并依专家经验确定网络的初始学习率、动量及误差调整参数。(5)将归一化样本数据送入对应的神经网络，按当前的BP算法进行训练，达到指定的误差精度后停止，表示评价和预测模型已建好，并将它们存储在知识库中。(6)判断待分析的样本数据是否为新的、未分类的数据；若是，则回到(3)并往下进行。(7)若待分析的数据是新的、已知类的烟叶或成品烟的理化指标数据，则根据其类别读取库中对应网络，并计算出感官评吸和烟气指标预测值；再将所得指标值转换为用户理解的数据或字符描述形式，任务结束。
2.根据权利要求1所述的神经网络预测方法所建立系统的使用管理过程为(1)先由用户依领域专家经验，选定待评价和预测的烟叶或成品烟的风格，再将其理化指标值输入系统。(2)系统根据以上数据实现自组织特征提取，确定其类别，并从分类库中读取对应的BP网络编号。(3)系统再根据编号，读取对应的BP网络，计算出感官评吸和烟气指标预测值。
全文摘要
本发明为一种卷烟感官评吸和烟气指标的神经网络预测方法。该方法是将Kohonen、BP神经网络模型及模糊集方法相结合，在计算机网络上实现无缝集成；在对卷烟进行测试、评吸，得到其理化指标与感官评吸、烟气分析指标样本数据组合的基础上，根据行业专家经验，将样本数据按风格分组，再由Kohonen网络自组织特征映射，将卷烟各组按理化指标完成最终分类，并用各类样本数据分别训练各自对应的BP网络，获取各类卷烟理化指标与感官评吸、烟气指标间的映射关系，建立单料烟和成品烟的感官质量评价和烟气指标的智能预测系统。此方法具有减少人工评吸和检测次数、提高工作效率的功能，也是卷烟叶组配方智能设计系统的重要基础。
文档编号G06N3/00GK1525394SQ0311189
公开日2004年9月1日 申请日期2003年2月25日 优先权日2003年2月25日
发明者胡盛国, 冯天瑾, 宋学艳, 贺英, 张全林, 丁香乾, 张新龙, 曹均阔, 王涛, 任立新 申请人:颐中烟草(集团)有限公司, 中国海洋大学