原创《基于RBF神经网络建立库存烟叶香型预测模型》：本论文为您写神经网络毕业论文范文和职称论文提供相关论文参考文献，可免费下载。
摘 要：为建立库存烟叶香型预测模型,采用RBF神经网络方法,对川渝中烟2009—2011年库存烟叶样品的香型特征进行了分析建模.结果表明,不同香型烟叶在化学成分含量上存在差异,清香型烟叶糖含量明显高于其他香型,氯含量远低于浓香型；采用主成分分析消除各化学指标共线问题,并建立基于RBF神经网络的库存烟叶香型预测模型,其准确率高达90%；灵敏度检验表明,清香型烟叶模型灵敏度为最优,中间香型灵敏度较低.证明利用RBF神经网络可以较好地对烟叶的常规化学成分进行烟叶香型预测.
关键词：库存烟叶；香型；主成分分析；RBF神经网络
中图分类号：TS41+1 文章编号：1007-5119（2016）02-0065-06 DOI：10.13496/j.issn.1007-5119.2016.02.012
Abstract： In order to establish the prediction model of inventory tobacco flavor, the authors analyze the samples of 2009-2011 inventory tobacco in China Tobacco Chuanyu Industrial Co., Ltd. by using the RBF neural network method. The results showed that there was difference of the content of chemical components between different tobacco flavors, sugar content in clean aroma type tobacco was significantly higher than the others, and chlorine content in clean aroma type tobacco was much lower than that of full-bodied type. The authors used principal component analysis to eliminate the chemical indicator collinear problem, and established prediction models based on RBF neural network of inventory tobacco flavor. The accuracy rate of the models was up to 90%. The sensitivity test showed that the clean aroma type tobacco model had the best sensitivity, the moderate type showed a lower sensitivity. Tobacco flavor can be predicted based on chemical components using the RBF neural network.
Keywords： inventory tobacco； flavor； principal component analysis； RBF neural network
烤烟香型是烟叶风格特色的重要表征,按照其风格特征可分为清香型、中间香型和浓香型三大类[1].烟叶化学成分是决定烟叶内在质量及风格特征的重要因素之一,烟叶中主要化学成分及其衍生值在很大程度上决定烟叶及其制品的香型特征[2].目前烤烟香型和化学成分之间的关系已成为研究热点,利用烟叶中化学成分对烤烟香型进行预测已有相关文献报道[3-8],这些研究的特点和存在的问题有：1）相关研究多局限于传统的数理统计方法,包括简单相关分析、典型相关分析、多元回归分析、逐步回归分析等[3-6],这些方法对于定性分析有较大帮助,但无法直接给出有关烤烟香型的预测和评价结果；2）传统的预测方法是将所有化学及衍生指标作为自变量输入,由于各指标间可能存在相关性,简单地将所有指标简化或合并会造成有用信息的丢失或重叠,从而影响模型的预测精度；3）已有相关学者采用误差反向传播（Back Propagation,BP）神经网络进行预测建模[7-8],但BP神经网络存在学习算法收敛速度慢,模型训练时间长,在训练过程中易出现过拟合等不足.
针对上述现状,本文提出了基于径向基函数（Radial Basis Function,RBF）神经网络的库存烟叶香型预测模型.RBF神经网络在一定程度上克服了BP神经网络的不足,由于其结构简单、应用广泛且对于定性型输出变量有较高匹配程度等优点被广泛运用于土壤、生态、地理等领域[9-11].本研究首先利用主成分分析消除原始输入层数据的相关性,然后选取对香型有显著影响的主成分作为RBF神经网络的输入,进行烤烟香型的预测,最后通过实例仿真及灵敏度检验证明此方法的可行性.
1 材料和方法
1.1 材料
分析数据来自川渝中烟公司2009—2011年间的主要库存烟叶,涵盖福建、甘肃、广东、广西、贵州、河南、黑龙江、湖北、湖南、江西、山西、陕西、四川、云南和重庆15个地区,共计1194份.其中烟叶香型主要包括清香型、清偏中、中偏清、中间香型、中偏浓、浓偏中、浓香型和特殊香型,化学指标包括总植物碱、还原糖、氯、钾、总糖、总氮、糖碱比、钾氯比、氮碱比.测定方法参照行业标准YC/T161、YC/T160、YC/T162、YC/T159进行,化学指标测定及香型鉴定由川渝中烟公司完成.
1.2 方法
1.2.1 RBF神经网络[9] 径向基函数网络是一种结构简单、应用广泛的前馈神经网络.其结构包含输入层、隐含层和输出层（图1）.
神经网络论文参考资料：
结论：基于RBF神经网络建立库存烟叶香型预测模型为关于本文可作为相关专业神经网络论文写作研究的大学硕士与本科毕业论文深度神经网络算法论文开题报告范文和职称论文参考文献资料。
