基于支持向量機(jī)的卷煙煙氣指標(biāo)預(yù)測.pdf

1、在卷煙的生產(chǎn)過程中，預(yù)測并控制有害物質(zhì)的釋放量是一個(gè)很重要的課題。企業(yè)在生產(chǎn)中經(jīng)常需要根據(jù)煙葉供應(yīng)等情況對卷煙產(chǎn)品的葉組配方進(jìn)行調(diào)整，以期保持產(chǎn)品風(fēng)格、成本以及煙氣指標(biāo)（焦油、煙氣煙堿、一氧化碳）的穩(wěn)定。然而，對于調(diào)整配方后的指標(biāo)的變動(dòng)情況，只有等產(chǎn)品生產(chǎn)完成后，經(jīng)實(shí)際檢測才能知道，但為時(shí)已晚，因?yàn)橐坏┙褂偷戎笜?biāo)超標(biāo)，該批產(chǎn)品將被判為不符合國家標(biāo)準(zhǔn)，會(huì)給企業(yè)造成嚴(yán)重的經(jīng)濟(jì)損失。因此卷煙企業(yè)在投入生產(chǎn)之前，往往需要預(yù)測成品卷煙的煙氣指標(biāo)含

2、量。
　　由于煙氣指標(biāo)預(yù)測問題具有非線性、高維度和隨機(jī)性等特點(diǎn)，以精確數(shù)學(xué)模型為基礎(chǔ)的傳統(tǒng)預(yù)測方法在預(yù)測準(zhǔn)確率上很難達(dá)到為企業(yè)生產(chǎn)提供依據(jù)的標(biāo)準(zhǔn)。因此，本文采用支持向量機(jī)(Support Vector Machine，SVM)方法。支持向量機(jī)作為一種基于統(tǒng)計(jì)學(xué)理論的機(jī)器學(xué)習(xí)方法，對于具有非線性、高維度和小樣本等特點(diǎn)的實(shí)際問題的解決有著其他預(yù)測方法難以比擬的優(yōu)越性。本文的主要研究工作及成果如下：
　　首先，列出了對煙氣指標(biāo)影響

3、較大的主要因素，對比不同預(yù)測方法的優(yōu)缺點(diǎn)及適合解決何種類型問題，總結(jié)了卷煙煙氣指標(biāo)預(yù)測的研究現(xiàn)狀。對煙草的物理指標(biāo)、化學(xué)指標(biāo)、卷煙輔助材料與卷煙煙氣指標(biāo)之間的相關(guān)性進(jìn)行分析，以此為依據(jù)選擇支持向量機(jī)算法的輸入變量。在此基礎(chǔ)上，提出了基于支持向量機(jī)的煙氣指標(biāo)預(yù)測方法。
　　在相關(guān)性分析的基礎(chǔ)上對單料煙的煙氣指標(biāo)進(jìn)行預(yù)測，通過整理來自于煙草企業(yè)的單料煙數(shù)據(jù)形成訓(xùn)練集和檢驗(yàn)集，建立支持向量機(jī)預(yù)測模型，在此基礎(chǔ)上通過網(wǎng)格法進(jìn)行三項(xiàng)煙氣指標(biāo)

4、的預(yù)測模型參數(shù)尋優(yōu)，利用所得參數(shù)進(jìn)行煙氣指標(biāo)預(yù)測并將其與BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明基于網(wǎng)格法尋優(yōu)的支持向量機(jī)預(yù)測結(jié)果良好，誤差指標(biāo)均達(dá)到要求并且要優(yōu)于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測效果。焦油、一氧化碳、煙氣煙堿的平均絕對誤差分別是0.175％，0.3％，1.71％。
　　以單料煙煙氣指標(biāo)預(yù)測為基礎(chǔ)，進(jìn)一步對成品煙的煙氣指標(biāo)進(jìn)行預(yù)測，它與單料煙在煙絲與輔助材料方面的差別造成了預(yù)測難度的增加。本文在建立煙氣指標(biāo)預(yù)測模型的基礎(chǔ)上使

5、用遺傳算法對支持向量機(jī)的參數(shù)進(jìn)行尋優(yōu)。設(shè)計(jì)交叉、變異算子并通過實(shí)驗(yàn)選擇合適的交叉、變異率。最后利用尋優(yōu)得到的參數(shù)進(jìn)行成品煙煙氣指標(biāo)預(yù)測并將預(yù)測結(jié)果與基于網(wǎng)格法尋優(yōu)的支持向量機(jī)進(jìn)行比較，實(shí)驗(yàn)結(jié)果表明了GA SVM預(yù)測結(jié)果的各個(gè)預(yù)測指標(biāo)與網(wǎng)格法尋優(yōu)的支持向量機(jī)相比均有所提升，焦油、一氧化碳、煙氣煙堿的平均相對誤差分別是3.09％，4.9％，3.85％。GA_ SVM方法具有較高的準(zhǔn)確性、穩(wěn)定性以及較強(qiáng)的泛化性能。
　　最后，針對成品煙