香煙質量控制數學建模研究.pdf

1、卷煙理化參數與煙氣化學參數的關系,是多年來煙草行業(yè)科技研究關注的問題,也是卷煙質量控制的必要因素。
　　 本文以某牌號卷煙的理化參數和煙氣化學參數為研究對象,首先針對模型中多因子混合水平的實驗設計問題,采用基于能量最低的遺傳算法進行了實驗設計,并編寫了相應的軟件。并用該軟件進行了實驗設計。
　　 針對研究體系,我們對模型進行了抽象,針對Y=F(x)模型,利用數據庫技術,開發(fā)了集模型管理、數據樣本管理和建模、預報于一體的通

2、用性處理軟件。軟件可以支持用戶從大的數據集合中挑選合適的子集進行建模。軟件中包括MLR、PCR、PLS、神經網絡和遺傳算法-PLS聯用5種建模方法,提出了在多變量參與建模時用遺傳算法快速地挑選合理的變量方法,將交叉驗證方法嵌入PCR、PLS方法中,用交叉驗證法檢驗樣本中的奇異樣本點。軟件中也包括了對模型進行可靠性評估的方法。
　　 根據實驗設計進行實驗之后,我們用建模軟件對實驗數據進行了建模分析,初步分析出一些明確的卷煙參數關系

3、,分析結果顯示,煙草的模型是一個非線性模型,PLS、GA-PLS、BP算法各自對煙堿、焦油和CO平均相對誤差分別為,7.5％,6.3％,5.9％;5.8％,4.4％,5.2％;5.5％,4.8％,5.7％。用建立的模型對后來的實際實驗的結果進行預報,各平均相對誤差分別為,9.1％,6.1％,4.7％:5.1％,3.4％,4.7％;4.4％,3.1％,4.2％。檢驗集預報結果說明神經網絡預報值與實際值更加接近。證明神經模型可以比較準確地說