专利名称：卷烟感官评吸和烟气指标的免疫神经网络预测方法
技术领域：
本发明涉及的是一种巻烟感官、烟气指标的计算机测量方法。
(二)
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，国内烟草行业就烟草的化学成分与烟气分析指标、感官质量评 价指标之间的相关性，定量分析方法多采用传统的统计(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'。现有的基于 Kohonen网络、BP神经网络的方法存在训练时间长、聚类准确率不高、适用性 差的缺点。
免疫神经网络是一种新的智能技术，同样适用于解决用传统数学模型和传统 神经网络方法难以解决的、非确定性的复杂问题。但它通过产生记忆抗体，更善 于从不完整的、多噪声的大规模数据中归纳、获取知识，建立大量数据集到少量 特征数据的映射关系。免疫网络特征映射，不需要通过网络学习，即可实现输出 特征向量逼近输入特征向量，实现从输入空间到抗体空间阵列的映射，将具有相 同或相近特征的输入(数据)向量，映射到记忆抗体特征向量。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。现已在机器学习、金融 等复杂领域中得到很好的应用。烟草企业在烟叶化学成分、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。
(三)
发明内容
本发明的目的在于提供一种能更有效的预测巻烟感官评吸和烟气分析指标， 减少人工评吸量和烟气检测次数，降低配方设计成本，提高配方设计效率的巻烟 感官评吸和烟气指标的免疫神经网络预测方法。
本发明的目的是这样实现的 (1)检测单料烟、成品烟的理化指标，烟气分析指标，将所得数据录入数据库；
(2) 剔除错误或特异样本，并对样本数据归一化；
(3) 按风格的不同，对单料烟或成品烟分为若干组；再应用免疫网络特征 映射对巻烟理化指标样本数据实现聚类，完成数据库中所有单料烟和成品巻烟的 最终分类；
(4) 对不同类的单料烟或成品烟的N项理化指标样本，分别建立对应的免 疫神经网络；每个免疫神经网络采用N-H-l的结构模型，即N个输入端、H个 隐层神经元和l个输出端，按初始学习率、动量及误差调整参数；
(5) 将归一化样本数据送入对应的免疫神经网络，利用免疫算法优化网络 权值及结构，直到达到分类目标为止，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、己知类的单料烟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。
本发明提供了 一种更有效的预测巻烟感官评吸和烟气分析指标的方法，能从 训练后的免疫神经网络模型中提取知识，使烟草专家对不同风格的巻烟的感官评 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，减少人工评吸 量和烟气检测次数，降低配方设计成本，提高配方设计效率。
本发明的核心技术，是实现免疫网络和免疫神经网络两种网络模型的集成应 用。根据烟草专家经验，依风格的不同把烟叶划分若干组；再用免疫网络抗体特 征映射，将各组巻烟的理化指标样本空间细分为多个子空间，每个免疫神经网络 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，降低每个免疫神经网络面临问题的复杂度；利用免疫算法优化网络权值和 结构，提高免疫神经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，若与己学样本靠近，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。 巻烟的理化指标(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)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，各项理化指标对巻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项不同的"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0.8，次要指标项 参与度为O.l。
本方法免疫神经网络采用单隐层、单输出N-H-1 (如10-8-1)结构，更利于 完成每个输出参数与理化指标之间的函数映射。采用免疫算法优化神经网络可以 克服传统BP网络学习易陷入局部最小值问题，大大改善网络收敛效果与适用推 广性能。
本方法经实践证明是一种行之有效的预测单料烟或成品烟感官评吸和烟气 指标的方法。
本发明的方法是将免疫网络、免疫神经网络及云模型、模糊集方法相结合， 在计算机网络上实现无缝集成；在对巻烟进行测试、评吸，得到其理化指标与感 官评吸、烟气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，再由免疫网络特征映射，将巻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免疫神经网络，获取各类巻烟理化指标与感官评 吸、烟气指标间的映射关系，建立起单料烟和成品烟的感官质量评价和烟气指标 预测系统。此方法具有分类准确率更高、各类巻烟理化指标与感官评吸、烟气指 标间的映射关系更准确、减少人工评吸和检测次数、辅助配方设计与提高工作效 率的功能。
(四)
图l免疫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免疫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预测免疫神经网络系统的使用管理图； 图5单烟叶或成品烟评吸与烟气指标预测免疫神经网络专家系统的总体结构图。
具体实施方式
下面结合附图举例对本发明做更详细地描述巻烟感官评吸和烟气指标的免疫神经网络预测方法为
1、 检测单料烟、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、 系统自动剔除错误或特异样本，并对样本数据归一化。
3、 先结合领域专家经验，按风格的不同，对单料烟或成品烟分为若干组； 再应用免疫网咯特征映射对巻烟理化指标样本数据实现聚类，完成数据库中所有 单料烟和成品巻烟的最终分类。
4、 对不同类的单料烟或成品烟的理化指标(设有N项)样本，分别建立对 应的免疫神经网络；每个免疫神经网络采用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；按依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免疫神经网络，利用免疫算法优化网络权 值及结构，直到达到分类目标为止，即达到指定的误差精度后停止，表示免疫神 经网络预测模型已建好，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、已知类的单料烟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。
本发明的系统使用的管理过程为
1、 用户依领域专家经验选定待评价和预测的单料烟或成品烟的风格，再将 其理化指标值输入系统。
2、 系统根据以上数据实现免疫网络聚类特征提取，确定其类别，并从分类 库中读取对应的免疫神经网络编号。
3、 系统根据编号，读取对应的免疫神经网络，计算出感官评吸和烟气指标 预测值。
4、 系统将结果转化为用户易于理解的格式输出，由专家根据经验及系统确 定的类别，给出免疫神经网络预测值准确度的评价。
结合图3以用于单料烟、成品烟评吸预测的免疫神经网络专家系统的形成流程如进行说明，其步骤如下
1、 录入检测得到的各单料烟或成品烟的基本属性、理化、感官评吸、烟气 指标的数据。
2、 根据专家经验与系统判定，把错误的和奇异的样本撤除(过滤)。
3、 按专家经验，系统将单料烟或成品烟的风格分组。
4、 利用免疫网络抗体特征映射，对每组中所包括的样本通过理化指标数据 进行聚类。
5、 在对每类所包括的样本，建立各自的免疫神经网络，分别进行训练。
6、 训练完成后，将所有免疫祌经网络中的知识保存到系统的知识库中。
7、 判断是否有新风格的烟叶检测样本集加入。若无，则工作任务完成；若 有，则回到步骤3往下进行，直至任务完成。
本系统的总体结构如图4所示。其基本特征是将专家经验分类与由数据驱 动智能分类方法相结合；把复杂问题分解，分别送入各自的免疫神经网络求解， 最终类的知识都保存在各类免疫神经网络知识库中。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免疫神经网 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。
a) 巻烟(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
b) 单料烟10项理化指标(免疫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
c) ll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(O，l)内均值量 化。其它由l至5分的分值表示。
d) 4项烟气分析指标(网络的输出参数)是 焦油、烟碱、CO、 TPM (mg/支)
e) 用于训练巻烟感官质量指标与烟气指标免疫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、施木克值、糖碱比 f)用于训练巻烟感官质量指标与烟气指标免疫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。
权利要求
1、一种卷烟感官评吸和烟气指标的免疫神经网络预测方法，其特征是(1)检测单料烟、成品烟的理化指标，烟气分析指标，将所得数据录入数据库；(2)剔除错误或特异样本，并对样本数据归一化；(3)按风格的不同，对单料烟或成品烟分为若干组；再应用免疫网络特征映射对卷烟理化指标样本数据实现聚类，完成数据库中所有单料烟和成品卷烟的最终分类；(4)对不同类的单料烟或成品烟的N项理化指标样本，分别建立对应的免疫神经网络；每个免疫神经网络采用N-H-1的结构模型，即N个输入端、H个隐层神经元和1个输出端，按初始学习率、动量及误差调整参数；(5)将归一化样本数据送入对应的免疫神经网络，利用免疫算法优化网络权值及结构，直到达到分类目标为止，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、已知类的单料烟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。
全文摘要
本发明提供的是一种卷烟感官评吸和烟气指标的免疫神经网络预测方法。检测分析指标，将所得数据录入数据库；并对样本数据归一化；按风格的不同，对单料烟或成品烟分为若干组；完成数据库中所有单料烟和成品卷烟的最终分类；对不同类的单料烟或成品烟的N项理化指标样本，分别建立对应的免疫神经网络；将归一化样本数据送入对应的免疫神经网络，利用免疫算法优化网络权值及结构，直到达到分类目标为止，并将它们存储在知识库中；判断待分析的样本数据是否为新的、未分类的数据。本发明具有分类准确率更高、各类卷烟理化指标与感官评吸、烟气指标间的映射关系更准确、减少人工评吸和检测次数、辅助配方设计与提高工作效率的功能。
文档编号G06F17/00GK101419209SQ20081020960
公开日2009年4月29日 申请日期2008年12月4日 优先权日2008年12月4日
发明者丁香乾, 冯天瑾, 周长生, 毅 安, 徐立芳, 辉 李, 王志军, 管凤旭, 莫宏伟, 马琳涛 申请人:哈尔滨工程大学