烟草科技
煙草科技
연초과기
TOBACCO SCIENCE & TECHNOLOGY
2011年
3期
27-31
,共5页
BP神经网络%遗传算法%烟草%香味成分%品质评价
BP神經網絡%遺傳算法%煙草%香味成分%品質評價
BP신경망락%유전산법%연초%향미성분%품질평개
为通过烟草香味成分评价其内在品质,采用水蒸气蒸馏法-气质联用法分析了38种烟叶样品的香味成分,评吸了其单料卷烟.并以30个烟叶样品作训练样本,8个样品作预测样本,采用遗传算法GA-BP神经网络法建立了烟草香味成分分析数据与其评吸得分的预测模型.结果表明:烟草样品中共鉴定出76种香味成分;通过GA法选择出28种与烟叶评吸总分显著相关的成分,由这些成分建立的GA-BP神经网络模型,其训练样本拟合误差＜2%,预测误差＜5%.
為通過煙草香味成分評價其內在品質,採用水蒸氣蒸餾法-氣質聯用法分析瞭38種煙葉樣品的香味成分,評吸瞭其單料捲煙.併以30箇煙葉樣品作訓練樣本,8箇樣品作預測樣本,採用遺傳算法GA-BP神經網絡法建立瞭煙草香味成分分析數據與其評吸得分的預測模型.結果錶明:煙草樣品中共鑒定齣76種香味成分;通過GA法選擇齣28種與煙葉評吸總分顯著相關的成分,由這些成分建立的GA-BP神經網絡模型,其訓練樣本擬閤誤差＜2%,預測誤差＜5%.
위통과연초향미성분평개기내재품질,채용수증기증류법-기질련용법분석료38충연협양품적향미성분,평흡료기단료권연.병이30개연협양품작훈련양본,8개양품작예측양본,채용유전산법GA-BP신경망락법건립료연초향미성분분석수거여기평흡득분적예측모형.결과표명:연초양품중공감정출76충향미성분;통과GA법선택출28충여연협평흡총분현저상관적성분,유저사성분건립적GA-BP신경망락모형,기훈련양본의합오차＜2%,예측오차＜5%.
