煙葉的化學成分與煙葉質量的人工神經網絡預測.pdf

1、本文簡述了國內外煙草行業(yè)的基本情況，煙草化學的研究現(xiàn)狀。本文以CORESTA方法推薦的總糖、還原糖、氯化物、尼古丁、氨、硝酸鹽、總氮、揮發(fā)堿等8個化學指標作為煙葉常規(guī)化學指標，采集了827個煙葉樣本的歷史數(shù)據(jù)。以總糖、還原糖、總氮、總煙堿、總揮發(fā)堿、有機酸、酚類、石油醚提取物、氯化物、氧化鉀等10個化學指標為依據(jù)，采集了95個煙葉樣本數(shù)據(jù)，進行建模數(shù)據(jù)樣本準備。本文還研究了氨基酸分析方法，并對上述95個煙葉樣本進行了氨基酸分析，開發(fā)了煙

2、葉揮發(fā)性成分的定量分析方法，并對30個煙葉樣本進行了揮發(fā)性成分的定量分析，上述數(shù)據(jù)為煙葉質量預測建模作好了準備。本文結合煙草工業(yè)的生產實際，采用Delphi7.0和SQLServer2000開發(fā)工具，選用C/S模式，開發(fā)了《煙葉品質數(shù)據(jù)庫》，一方面為煙草企業(yè)的煙葉數(shù)據(jù)管理、產品研發(fā)服務，另一方面為煙葉質量的人工預測奠定了基礎?！　〔捎孟闰炛R對煙葉進行初步分類，根據(jù)煙葉的常規(guī)化學指標，建立了煙葉品質的帶動量自學習率的BP神經網絡識別模

3、型庫。識別結果優(yōu)于文獻值。探討了煙葉質量預測時的化學指標變化對網絡識別的影響。其影響的順序是：煙葉揮發(fā)性成分指標大于氨基酸與理化混合指標，氨基酸與理化混合指標大于理化指標，理化指標大于常規(guī)理化指標。討論了BP網絡存在的問題以及與RBF神經網絡的差別，提出了RBF網絡參數(shù)的優(yōu)化策略?！　「鶕?jù)遺傳算法的基本理論，討論了標準遺傳算法的優(yōu)點，以及利用遺傳算法輔助計算神經網絡的權值和閾值。采用遺傳算法的BP神經網絡對煙葉的質量預測。　　討論了