專利名稱：卷煙感官評吸和煙氣指標(biāo)的神經(jīng)網(wǎng)絡(luò)預(yù)測方法
技術(shù)領(lǐng)域：
本發(fā)明是一種利用Kohonen和BP神經(jīng)網(wǎng)絡(luò)(人工神經(jīng)網(wǎng)絡(luò))模型，結(jié)合行業(yè)專家經(jīng)驗(yàn)，更準(zhǔn)確地實(shí)現(xiàn)由卷煙的理化指標(biāo)預(yù)測感官評吸和煙氣指標(biāo)的智能方法，具體說是卷煙感官評吸和煙氣指標(biāo)的神經(jīng)網(wǎng)絡(luò)預(yù)測方法。
背景技術(shù)：
煙葉包含眾多的化學(xué)成分；吸煙過程中各化學(xué)成分相互作用，刺激人的味覺、嗅覺、觸覺，都極其復(fù)雜。煙葉評吸專家的經(jīng)驗(yàn)是十分可貴的，但也具有明顯的不確定性。目前，煙草行業(yè)就煙草的化學(xué)成分與煙氣分析指標(biāo)、感官質(zhì)量評價(jià)(感覺測試)指標(biāo)之間的相關(guān)性，定量分析方法只采用傳統(tǒng)的統(tǒng)計(jì)(如多元回歸)分析。此方法構(gòu)造的模型，只是對分析過的煙草具有一定的適用性；一旦有新的樣本，‘配方模型’要重新回歸，求解過程復(fù)雜，難以實(shí)現(xiàn)快速修改‘配方模型’神經(jīng)網(wǎng)絡(luò)是一種智能技術(shù)，適用于解決用傳統(tǒng)數(shù)學(xué)模型方法難以解決的、非確定性的復(fù)雜問題。它善于從不完整的、有較強(qiáng)干擾因素的大量數(shù)據(jù)中歸納、獲取知識，建立映射關(guān)系。Kohonen自組織特征映射，是通過網(wǎng)絡(luò)學(xué)習(xí)，使輸出層中神經(jīng)元(輸出節(jié)點(diǎn))的權(quán)向量逼近輸入特征向量，實(shí)現(xiàn)從輸入空間到神經(jīng)元二維空間陣列的映射，將具有相同或相近特征的輸入(數(shù)據(jù))向量，映射到位置相同或相鄰的輸出節(jié)點(diǎn)。從而實(shí)現(xiàn)對輸入數(shù)據(jù)(模式)特征的“聚類”，提取了某種內(nèi)在規(guī)律性。現(xiàn)已在金融預(yù)測、工程控制等復(fù)雜領(lǐng)域中得到很好的應(yīng)用。煙草行業(yè)在煙葉化學(xué)成分、感官評價(jià)及煙氣分析方面積累了很多有價(jià)值的經(jīng)驗(yàn)與數(shù)據(jù)，還沒有很好地加以利用。

發(fā)明內(nèi)容
本發(fā)明的目的在于建立單料煙和成品煙的感官質(zhì)量評價(jià)和煙氣指標(biāo)的智能預(yù)測系統(tǒng)，即一種有效的預(yù)測卷煙感官評吸(感覺測試)和煙氣分析指標(biāo)的智能預(yù)測系統(tǒng)。該系統(tǒng)的應(yīng)用，能減少人工評吸量和煙氣檢測次數(shù)，提高配方功效；并能從訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型中提取知識，使煙草專家對不同風(fēng)格的卷煙的感官評吸或煙氣指標(biāo)與理化參數(shù)之間的關(guān)系，有更深刻、更客觀的認(rèn)識；同時(shí)，它也是卷煙葉組配方智能設(shè)計(jì)的重要基礎(chǔ)。
本發(fā)明的核心技術(shù)，是實(shí)現(xiàn)Kohonen和BP網(wǎng)絡(luò)兩種神經(jīng)網(wǎng)絡(luò)模型的集成應(yīng)用。根據(jù)煙草專家經(jīng)驗(yàn)，依風(fēng)格的不同把煙葉劃分若干組；再用Kohonen自組織特征映射，將各組卷煙的理化指標(biāo)樣本空間細(xì)分為多個(gè)子空間，每個(gè)BP網(wǎng)絡(luò)僅在一個(gè)子空間內(nèi)實(shí)現(xiàn)理化指標(biāo)與感官質(zhì)量評價(jià)指標(biāo)或煙氣分析指標(biāo)間的映射關(guān)系，降低了每個(gè)BP網(wǎng)絡(luò)面臨問題的復(fù)雜度，大大提高了網(wǎng)絡(luò)的學(xué)習(xí)速度和精度。當(dāng)新煙葉樣本數(shù)據(jù)送入，先判斷新樣本在原始輸入空間的位置，若與已學(xué)樣本靠近，則系統(tǒng)預(yù)測結(jié)果可信度高；否則，系統(tǒng)將根據(jù)新樣本在原始輸入空間中偏離程度，指出所預(yù)測結(jié)果的參考價(jià)值。
卷煙的理化指標(biāo)(如包括總糖、總煙堿、還原糖、總氮、蛋白質(zhì)、氯氣、鉀、施木克值、糖堿比、鉀氯比，以及氣相色譜值)是高維向量，各指標(biāo)都有各自的量綱，在聚類之前必須進(jìn)行歸一化。
根據(jù)專家經(jīng)驗(yàn)，各項(xiàng)理化指標(biāo)對卷煙內(nèi)在感官質(zhì)量影響的重要性不同。為此，我們賦予各理化指標(biāo)不同的“參與度權(quán)重”，再進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)。如糖堿比、施木克值、鉀氯比、總糖為重要參數(shù)，經(jīng)數(shù)據(jù)預(yù)處理參與度為0.9，次要指標(biāo)項(xiàng)參與度為0.2。
本方法中BP網(wǎng)絡(luò)采用單隱層、單輸出N-H-1(如110-8-1)結(jié)構(gòu)，即N個(gè)輸入端、H個(gè)隱層神經(jīng)元和1個(gè)輸出端的結(jié)構(gòu)模型，更利于完成每個(gè)輸出參數(shù)與理化指標(biāo)之間的函數(shù)映射。為克服BP網(wǎng)絡(luò)學(xué)習(xí)易陷入局部最小值問題，采用了自適應(yīng)學(xué)習(xí)率和帶有平滑項(xiàng)的目標(biāo)函數(shù)，使網(wǎng)絡(luò)收斂效果與推廣性能大大改善。
實(shí)踐證明，本方法是一種行之有效的預(yù)測單料煙或成品煙感官評吸(感覺測試)和煙氣指標(biāo)的智能方法。


下面結(jié)合附圖及其具體實(shí)例詳細(xì)說明本發(fā)明。
圖1Kohonen網(wǎng)絡(luò)實(shí)現(xiàn)單料煙或成品煙分類的子系統(tǒng)流程圖。
圖2單料煙或成品煙感官評吸與煙氣指標(biāo)BP網(wǎng)絡(luò)預(yù)測子系統(tǒng)流程圖。
圖3單料煙或成品煙評吸與煙氣指標(biāo)預(yù)測神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的形成。
圖4單料煙或成品煙評吸與煙氣指標(biāo)神經(jīng)網(wǎng)絡(luò)預(yù)測系統(tǒng)的使用管理。
圖5單煙葉或成品煙評吸與煙氣指標(biāo)神經(jīng)網(wǎng)絡(luò)預(yù)測系統(tǒng)的總體結(jié)構(gòu)圖。
具體實(shí)施例方式
本發(fā)明用于單料煙、成品煙評吸預(yù)測的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的形成流程如圖3所示，其步驟如下(1)首先分別檢測煙葉、成品煙的理化指標(biāo)，煙氣分析指標(biāo)，組織行業(yè)專家對單料煙和成品煙進(jìn)行評吸(感覺測試)，將所得數(shù)據(jù)錄入數(shù)據(jù)庫；
(2)然后運(yùn)用本方法所建立的預(yù)測系統(tǒng)能自動(dòng)剔除錯(cuò)誤或特異樣本，并對樣本數(shù)據(jù)歸一化；(3)再結(jié)合領(lǐng)域?qū)＜医?jīng)驗(yàn)，按風(fēng)格的不同，對煙葉或成品煙分為若干組；再應(yīng)用Kohonen自組織特征映射對卷煙理化指標(biāo)樣本數(shù)據(jù)實(shí)現(xiàn)聚類，完成數(shù)據(jù)庫中所有煙葉和成品卷煙的最終分類；(4)對不同類煙葉或成品煙的理化指標(biāo)(設(shè)有N項(xiàng))樣本，分別建立對應(yīng)的BP神經(jīng)網(wǎng)絡(luò)；每個(gè)BP網(wǎng)絡(luò)采用N-H-1(即N個(gè)輸入端、H個(gè)隱層神經(jīng)元和1個(gè)輸出端)的結(jié)構(gòu)模型；并依專家經(jīng)驗(yàn)確定網(wǎng)絡(luò)的初始學(xué)習(xí)率、動(dòng)量及誤差調(diào)整參數(shù)；(5)將歸一化樣本數(shù)據(jù)送入對應(yīng)的神經(jīng)網(wǎng)絡(luò)，按當(dāng)前的BP算法進(jìn)行訓(xùn)練，達(dá)到指定的誤差精度后停止，表示評價(jià)和預(yù)測模型已建好，并將它們存儲在知識庫中；(6)判斷待分析的樣本數(shù)據(jù)是否為新的、未分類的數(shù)據(jù)；若是，則回到(3)并往下進(jìn)行；(7)若待分析的數(shù)據(jù)是新的、已知類的煙葉或成品煙的理化指標(biāo)數(shù)據(jù)，則根據(jù)其類別讀取庫中對應(yīng)網(wǎng)絡(luò)，計(jì)算(‘神經(jīng)計(jì)算’)出感官評吸和煙氣指標(biāo)預(yù)測值；再將所得指標(biāo)值轉(zhuǎn)換為用戶理解的數(shù)據(jù)或字符描述形式，任務(wù)結(jié)束。
該系統(tǒng)的管理過程或程序如圖4所示，其使用管理步驟如下(1)先由用戶依領(lǐng)域?qū)＜医?jīng)驗(yàn)，選定待評價(jià)和預(yù)測的煙葉或成品煙的風(fēng)格，再將其理化指標(biāo)值輸入系統(tǒng)；(2)系統(tǒng)根據(jù)以上數(shù)據(jù)實(shí)現(xiàn)自組織特征提取，確定其類別，并從分類庫中讀取對應(yīng)的BP網(wǎng)絡(luò)編號；(3)系統(tǒng)再根據(jù)編號，讀取對應(yīng)的BP網(wǎng)絡(luò)，計(jì)算出感官評吸和煙氣指標(biāo)預(yù)測值。
完成后，系統(tǒng)將結(jié)果轉(zhuǎn)化為用戶易于理解的格式輸出，由專家根據(jù)經(jīng)驗(yàn)給出預(yù)測值的準(zhǔn)確度評價(jià)。
本系統(tǒng)的總體結(jié)構(gòu)如圖5所示。其基本內(nèi)容是將專家經(jīng)驗(yàn)分類與由數(shù)據(jù)驅(qū)動(dòng)的智能分類方法相結(jié)合，把復(fù)雜問題分解，分別送入各自的神經(jīng)網(wǎng)絡(luò)求解，最終類的知識都保存在各類BP網(wǎng)絡(luò)知識庫中。當(dāng)有新的預(yù)測工作要做(有新的煙葉檢測樣本要處理)時(shí)，只需根據(jù)分類神經(jīng)網(wǎng)絡(luò)計(jì)算出對應(yīng)的BP網(wǎng)絡(luò)，便可利用已訓(xùn)練好的網(wǎng)絡(luò)映射模型預(yù)測出此樣本的感官評吸和煙氣指標(biāo)值。
以下是目前使用的各參數(shù)名。隨著研究的深入，它們可作適當(dāng)改變。
●卷煙(單料煙或成品煙)按風(fēng)格分類有清、清偏中、中偏清、中、中偏濃、濃偏中、濃、特異香型●單料煙110項(xiàng)理化指標(biāo)(神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸入?yún)?shù))∷＝總糖、總煙堿、還原糖、總氮、蛋白質(zhì)、氯氣、鉀、施木克值、糖堿比、鉀氯比，以及氣相色譜值100項(xiàng)●11項(xiàng)感官質(zhì)量指標(biāo)(網(wǎng)絡(luò)的輸出參數(shù))是香型、香氣質(zhì)、香氣量、濃度、勁頭、雜氣、刺激性、余味、燃燒性、灰分、質(zhì)量檔次；其中，香型等級有8個(gè)，采用(0，1)內(nèi)均值量化。其它由1至5分的分值表示●4項(xiàng)煙氣分析指標(biāo)(網(wǎng)絡(luò)的輸出參數(shù))是焦油、煙堿、CO、TPM(mg/支)●用于訓(xùn)練卷煙感官質(zhì)量指標(biāo)與煙氣指標(biāo)神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸入?yún)?shù)為總糖、總煙堿、還原糖、總氮、蛋白質(zhì)、氯氣、鉀、施木克值、糖堿比、鉀氯比，以及氣相色譜值共110項(xiàng)●用于訓(xùn)練卷煙感官質(zhì)量指標(biāo)與煙氣指標(biāo)神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸出參數(shù)為光澤、香氣質(zhì)、協(xié)調(diào)、雜氣、刺激性、余味；焦油、煙堿、CO、TPM因此，本發(fā)明為一種卷煙(單料煙和成品煙)感官評吸和煙氣指標(biāo)的神經(jīng)網(wǎng)絡(luò)預(yù)測方法。該方法是將Kohonen、BP神經(jīng)網(wǎng)絡(luò)模型及模糊集方法相結(jié)合，在計(jì)算機(jī)網(wǎng)絡(luò)上實(shí)現(xiàn)無縫集成；在對卷煙進(jìn)行測試、評吸，得到其理化指標(biāo)與感官評吸(感覺測試)、煙氣分析指標(biāo)樣本數(shù)據(jù)組合的基礎(chǔ)上，根據(jù)行業(yè)專家經(jīng)驗(yàn)，將樣本數(shù)據(jù)按風(fēng)格分組，再由Kohonen網(wǎng)絡(luò)自組織特征映射，將卷煙各組按理化指標(biāo)完成最終分類，并用各類樣本數(shù)據(jù)分別訓(xùn)練各自對應(yīng)的BP網(wǎng)絡(luò)，獲取各類卷煙理化指標(biāo)與感官評吸、煙氣指標(biāo)間的映射關(guān)系，建立單料煙和成品煙的感官質(zhì)量評價(jià)和煙氣指標(biāo)的智能預(yù)測系統(tǒng)。此方法具有減少人工評吸和檢測次數(shù)、提高工作效率的功能，也是卷煙葉組配方智能設(shè)計(jì)系統(tǒng)的重要基礎(chǔ)。
以上所述，描述了本發(fā)明的獨(dú)特之處。隨著經(jīng)驗(yàn)知識積累，對煙葉內(nèi)部成分的科學(xué)分析更深入，以及計(jì)算智能與神經(jīng)網(wǎng)絡(luò)技術(shù)的改進(jìn)，對本系統(tǒng)的適當(dāng)修改都為本發(fā)明的范圍。
權(quán)利要求
1.卷煙感官評吸和煙氣指標(biāo)的神經(jīng)網(wǎng)絡(luò)預(yù)測方法是(1)首先分別檢測煙葉、成品煙的理化指標(biāo)，煙氣分析指標(biāo)，組織行業(yè)專家對單料煙和成品煙進(jìn)行評吸，將所得數(shù)據(jù)錄入數(shù)據(jù)庫。(2)然后運(yùn)用本方法所建立的預(yù)測系統(tǒng)能自動(dòng)剔除錯(cuò)誤或特異樣本，并對樣本數(shù)據(jù)歸一化。(3)再結(jié)合領(lǐng)域?qū)＜医?jīng)驗(yàn)，按風(fēng)格的不同，對煙葉或成品煙分為若干組；再應(yīng)用Kohonen自組織特征映射對卷煙理化指標(biāo)樣本數(shù)據(jù)實(shí)現(xiàn)聚類，完成數(shù)據(jù)庫中所有煙葉和成品卷煙的最終分類。(4)對不同類煙葉或成品煙的設(shè)有N項(xiàng)的理化指標(biāo)樣本，分別建立對應(yīng)的BP神經(jīng)網(wǎng)絡(luò)；每個(gè)BP網(wǎng)絡(luò)采用N-H-1(即N個(gè)輸入端、H個(gè)隱層神經(jīng)元和1個(gè)輸出端)的結(jié)構(gòu)模型；并依專家經(jīng)驗(yàn)確定網(wǎng)絡(luò)的初始學(xué)習(xí)率、動(dòng)量及誤差調(diào)整參數(shù)。(5)將歸一化樣本數(shù)據(jù)送入對應(yīng)的神經(jīng)網(wǎng)絡(luò)，按當(dāng)前的BP算法進(jìn)行訓(xùn)練，達(dá)到指定的誤差精度后停止，表示評價(jià)和預(yù)測模型已建好，并將它們存儲在知識庫中。(6)判斷待分析的樣本數(shù)據(jù)是否為新的、未分類的數(shù)據(jù)；若是，則回到(3)并往下進(jìn)行。(7)若待分析的數(shù)據(jù)是新的、已知類的煙葉或成品煙的理化指標(biāo)數(shù)據(jù)，則根據(jù)其類別讀取庫中對應(yīng)網(wǎng)絡(luò)，并計(jì)算出感官評吸和煙氣指標(biāo)預(yù)測值；再將所得指標(biāo)值轉(zhuǎn)換為用戶理解的數(shù)據(jù)或字符描述形式，任務(wù)結(jié)束。
2.根據(jù)權(quán)利要求1所述的神經(jīng)網(wǎng)絡(luò)預(yù)測方法所建立系統(tǒng)的使用管理過程為(1)先由用戶依領(lǐng)域?qū)＜医?jīng)驗(yàn)，選定待評價(jià)和預(yù)測的煙葉或成品煙的風(fēng)格，再將其理化指標(biāo)值輸入系統(tǒng)。(2)系統(tǒng)根據(jù)以上數(shù)據(jù)實(shí)現(xiàn)自組織特征提取，確定其類別，并從分類庫中讀取對應(yīng)的BP網(wǎng)絡(luò)編號。(3)系統(tǒng)再根據(jù)編號，讀取對應(yīng)的BP網(wǎng)絡(luò)，計(jì)算出感官評吸和煙氣指標(biāo)預(yù)測值。
全文摘要
本發(fā)明為一種卷煙感官評吸和煙氣指標(biāo)的神經(jīng)網(wǎng)絡(luò)預(yù)測方法。該方法是將Kohonen、BP神經(jīng)網(wǎng)絡(luò)模型及模糊集方法相結(jié)合，在計(jì)算機(jī)網(wǎng)絡(luò)上實(shí)現(xiàn)無縫集成；在對卷煙進(jìn)行測試、評吸，得到其理化指標(biāo)與感官評吸、煙氣分析指標(biāo)樣本數(shù)據(jù)組合的基礎(chǔ)上，根據(jù)行業(yè)專家經(jīng)驗(yàn)，將樣本數(shù)據(jù)按風(fēng)格分組，再由Kohonen網(wǎng)絡(luò)自組織特征映射，將卷煙各組按理化指標(biāo)完成最終分類，并用各類樣本數(shù)據(jù)分別訓(xùn)練各自對應(yīng)的BP網(wǎng)絡(luò)，獲取各類卷煙理化指標(biāo)與感官評吸、煙氣指標(biāo)間的映射關(guān)系，建立單料煙和成品煙的感官質(zhì)量評價(jià)和煙氣指標(biāo)的智能預(yù)測系統(tǒng)。此方法具有減少人工評吸和檢測次數(shù)、提高工作效率的功能，也是卷煙葉組配方智能設(shè)計(jì)系統(tǒng)的重要基礎(chǔ)。
文檔編號G06N3/00GK1525394SQ0311189
公開日2004年9月1日 申請日期2003年2月25日 優(yōu)先權(quán)日2003年2月25日
發(fā)明者胡盛國, 馮天瑾, 宋學(xué)艷, 賀英, 張全林, 丁香乾, 張新龍, 曹均闊, 王濤, 任立新 申請人:頤中煙草(集團(tuán))有限公司, 中國海洋大學(xué)