基于BP神经网络的常规化学成分预测烟气成分和感官得分预测模型研究.pdf

《基于BP神经网络的常规化学成分预测烟气成分和感官得分预测模型研究》是一篇探讨卷烟品质评估的科研文章。该研究旨在建立一个利用BP（Backpropagation）神经网络来预测卷烟烟气成分及感官得分的数学模型，以揭示内在化学成分与卷烟品质之间的关系。 BP神经网络是一种在机器学习领域广泛应用的多层前馈网络，它通过反向传播算法调整权重以优化网络性能。在本研究中，网络的输入是卷烟的常规化学成分，如焦油、尼古丁、一氧化碳等，这些成分对烟气的化学性质和感官体验有直接影响。网络的输出则是预测的烟气化学成分和感官得分，包括烟气中的各种有害物质含量以及烟气的香气、余味、浓度等感官属性。 研究者选取了A品牌不同批次的成品卷烟进行测试，采集了常规化学成分、主流烟气化学成分和感官得分的数据。他们设计了一个包含9个隐藏层节点的神经网络，输入层采用Tansig函数（双曲正切函数），输出层采用Purelin函数（线性函数）。训练策略选择了梯度下降法，这种方法可以有效地最小化网络的误差。研究中选取了22个样本进行训练，其中19个作为测试样本，3个作为验证样本，以确保模型的泛化能力。训练目标设定为允许误差为0.0001，最大迭代次数为10000次。 经过训练后的模型预测结果与实际检测的烟气成分和评吸结果相比，相对标准偏差小于5%，表明模型具有较高的预测精度。这种预测模型不仅能够准确预测烟气中各种化学成分的释放量，还能够对卷烟的感官品质得分进行预估，对于烟草行业的品质控制和产品研发具有重要的指导意义。 关键词：BP神经网络、常规化学成分、烟气成分、感官品质得分 此研究的成果对于烟草企业来说，可以通过输入卷烟的化学成分数据，快速预测出烟气质量和消费者的感官体验，从而优化卷烟配方，提高产品质量，满足消费者需求。同时，这种方法也适用于其他领域，如食品、化妆品等行业，对于理解产品成分与感官特性之间的关系，以及构建类似的预测模型具有参考价值。