人工神經(jīng)網(wǎng)絡(luò)在煙葉揮發(fā)性成分與煙葉品質(zhì)預(yù)測(cè)中的運(yùn)用.pdf

1、本文根據(jù)國(guó)標(biāo)GB/T5606.1收集烤煙煙葉樣品174個(gè)，煙葉產(chǎn)地為：河南、云南、貴州、福建等地；生產(chǎn)時(shí)間為：2000年至2004年；等級(jí)為：B3F、C3F、C3L、C2L、B2F、X2F、X3F等；品種為：云煙87、云煙85、K326和紅大。　　這些樣品經(jīng)恒溫40℃干燥、粉碎、過(guò)40目篩之后，采用同時(shí)蒸餾萃取法提取分離煙葉中的揮發(fā)性成分，采用內(nèi)標(biāo)法定量，應(yīng)用GC/MS進(jìn)行定性定量分析。實(shí)驗(yàn)儀器為美國(guó)惠普公司HP6890GC/5973

2、MS聯(lián)用儀和自制的同時(shí)蒸餾萃取儀。煙葉樣品處理過(guò)程為：在同時(shí)蒸餾萃取儀的一端接盛有25.0000g煙末和350ml蒸餾水的1000ml圓底燒瓶，該端用恒溫電熱套加熱。裝置另一端接盛有40ml二氯甲烷的150ml圓底燒瓶，該端燒瓶置于恒溫水浴鍋中加熱，水浴溫度為60℃，同時(shí)蒸餾萃取時(shí)間為2.5h。最后向萃取得到的二氯甲烷溶液中加入10g無(wú)水硫酸鈉干燥過(guò)夜，然后經(jīng)氮吹儀濃縮至1ml，并加入準(zhǔn)確量的內(nèi)標(biāo)乙酸苯乙酯，進(jìn)行氣相色譜/質(zhì)譜分析(GC

3、/MS)。　　GC/MS分析條件為：載氣：氦氣；進(jìn)樣量：2μl；分流比：10：1；恒流模式：1ml/min；電離方式：EI；離子源溫度：230℃；電離能量：70eV；溶劑延遲時(shí)間：3min；進(jìn)樣口溫度：250℃；傳輸線溫度：250℃；掃描方式：全掃描；掃描范圍：40～550μam；柱頭壓：76Kpa；程序升溫：初始溫度50℃，保持2min，以后2℃/min，最終溫度：210℃，保持10min。色譜柱：HP-5MS(5％phenylMe

4、thylSiloxane)毛細(xì)管柱(30.0m×250μm×0.25μm)；使用Wiley275譜庫(kù)圖譜和Nist98譜庫(kù)圖譜進(jìn)行檢索?！　”緦?shí)驗(yàn)共鑒定了29種揮發(fā)性成分，它們分別是：二氫-2-甲基-3(2H)-呋喃酮、糠醛、2-糠醇、2-乙?；秽?、苯甲醛、5-甲基糠醛、6-甲基-5-庚烯-2-酮、苯甲醇、苯乙醛、2-乙酰基吡咯、苯乙酮、芳樟醇、苯乙醇、吲哚、煙堿、三環(huán)烯、β-大馬酮、β-二氫大馬酮、香葉基丙酮、β-紫羅蘭酮、降茄二

5、酮、巨豆三烯酮1、巨豆三烯酮2、巨豆三烯酮3、巨豆三烯酮4、新植二烯、法呢基丙酮、十六酸甲酯、十六酸。同時(shí)對(duì)有標(biāo)樣的15種化合物作了回收率和重現(xiàn)性實(shí)驗(yàn)。在15種化合物中，回收率大于80％有12種。變異系數(shù)均小于5％的有13種?！　⊥瑫r(shí)，對(duì)這些烤煙煙葉樣品進(jìn)行感官評(píng)吸實(shí)驗(yàn)(香氣質(zhì)(10)、香氣量(10)、吃味(12)、雜氣(10)、刺激性(10)、勁頭(8)、燃燒性(9)、灰份(6)、總分(75))，感官評(píng)吸實(shí)驗(yàn)由貴陽(yáng)卷煙廠評(píng)煙委員會(huì)進(jìn)

6、行，評(píng)吸方法按煙草行業(yè)標(biāo)準(zhǔn)YC/T138-1998?！　〔杉療熑~揮發(fā)性化學(xué)成分?jǐn)?shù)據(jù)與對(duì)應(yīng)的感官評(píng)吸數(shù)據(jù)，構(gòu)成神經(jīng)網(wǎng)絡(luò)訓(xùn)練與檢驗(yàn)用的數(shù)據(jù)樣本，用這些樣本70％左右的數(shù)據(jù)來(lái)對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，再利用剩余30％的樣本來(lái)驗(yàn)證訓(xùn)練好的網(wǎng)絡(luò)的預(yù)測(cè)能力?！　∥闹羞\(yùn)用LM算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型，采用三層網(wǎng)絡(luò)，即輸入層、隱含層和輸出層，網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)為7×S×9的BP網(wǎng)絡(luò)。為使網(wǎng)絡(luò)的訓(xùn)練速度更快，精度更高，需對(duì)樣本數(shù)據(jù)進(jìn)行預(yù)分類處理，同時(shí)對(duì)樣本

7、數(shù)據(jù)作歸一化處理。本文還對(duì)神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)作相關(guān)性分析，通過(guò)相關(guān)性分析得知，進(jìn)行預(yù)分類處理的各類化合物間存在較強(qiáng)的相關(guān)性，這種較強(qiáng)的相關(guān)性會(huì)影響神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度。因此，將主成分分析法引入網(wǎng)絡(luò)中，消除數(shù)據(jù)間的相關(guān)性，并降低輸入數(shù)據(jù)的維數(shù)。而且網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)變?yōu)?×S×9。實(shí)驗(yàn)表明：網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)變?yōu)?×S×9，可以完成煙葉品質(zhì)的人工預(yù)測(cè)，絕對(duì)誤差均小于0.2，網(wǎng)絡(luò)的訓(xùn)練速度為1分30秒。該算法的優(yōu)點(diǎn)是收斂速度較快和網(wǎng)絡(luò)訓(xùn)練精度較高。將