專利名稱：卷煙感官評吸和煙氣指標的免疫神經網絡預測方法
技術領域：
本發(fā)明涉及的是一種巻煙感官、煙氣指標的計算機測量方法。
(二)
背景技術：
煙葉包含眾多的化學成分；吸煙過程中各化學成分相互作用，刺激人的味覺、 嗅覺、觸覺，都極其復雜。煙葉評吸專家的經驗是十分可貴的，但也具有明顯的 不確定性。目前，國內煙草行業(yè)就煙草的化學成分與煙氣分析指標、感官質量評 價指標之間的相關性，定量分析方法多采用傳統(tǒng)的統(tǒng)計(如多元回歸)分析。此 方法構造的模型，只是對分析過的煙草具有適用性； 一旦有新的樣本，'配方模 型'要重新回歸，求解過程復雜，難以實現快速修改'配方模型'?，F有的基于 Kohonen網絡、BP神經網絡的方法存在訓練時間長、聚類準確率不高、適用性 差的缺點。
免疫神經網絡是一種新的智能技術，同樣適用于解決用傳統(tǒng)數學模型和傳統(tǒng) 神經網絡方法難以解決的、非確定性的復雜問題。但它通過產生記憶抗體，更善 于從不完整的、多噪聲的大規(guī)模數據中歸納、獲取知識，建立大量數據集到少量 特征數據的映射關系。免疫網絡特征映射，不需要通過網絡學習，即可實現輸出 特征向量逼近輸入特征向量，實現從輸入空間到抗體空間陣列的映射，將具有相 同或相近特征的輸入(數據)向量，映射到記憶抗體特征向量。從而實現對輸入 數據(模式)特征的"聚類"，提取了某種內在規(guī)律性?，F已在機器學習、金融 等復雜領域中得到很好的應用。煙草企業(yè)在煙葉化學成分、感官評價及煙氣分析 方面積累了很多有價值的經驗與數據，還沒有很好地加以利用。
(三)

發(fā)明內容
本發(fā)明的目的在于提供一種能更有效的預測巻煙感官評吸和煙氣分析指標， 減少人工評吸量和煙氣檢測次數，降低配方設計成本，提高配方設計效率的巻煙 感官評吸和煙氣指標的免疫神經網絡預測方法。
本發(fā)明的目的是這樣實現的 (1)檢測單料煙、成品煙的理化指標，煙氣分析指標，將所得數據錄入數據庫；
(2) 剔除錯誤或特異樣本，并對樣本數據歸一化；
(3) 按風格的不同，對單料煙或成品煙分為若干組；再應用免疫網絡特征 映射對巻煙理化指標樣本數據實現聚類，完成數據庫中所有單料煙和成品巻煙的 最終分類；
(4) 對不同類的單料煙或成品煙的N項理化指標樣本，分別建立對應的免 疫神經網絡；每個免疫神經網絡采用N-H-l的結構模型，即N個輸入端、H個 隱層神經元和l個輸出端，按初始學習率、動量及誤差調整參數；
(5) 將歸一化樣本數據送入對應的免疫神經網絡，利用免疫算法優(yōu)化網絡 權值及結構，直到達到分類目標為止，并將它們存儲在知識庫中；
(6) 判斷待分析的樣本數據是否為新的、未分類的數據；若是，則回到(3) 并往下進行；
(7) 若待分析的數據是新的、己知類的單料煙或成品煙的理化指標數據， 則根據其類別讀取庫中對應網絡，計算出感官評吸和煙氣指標預測值；再將所得 指標值轉換為用戶理解的數據或字符描述形式，任務結束。
本發(fā)明提供了 一種更有效的預測巻煙感官評吸和煙氣分析指標的方法，能從 訓練后的免疫神經網絡模型中提取知識，使煙草專家對不同風格的巻煙的感官評 吸或煙氣指標與理化參數之間的關系，有更深刻、更客觀的認識，減少人工評吸 量和煙氣檢測次數，降低配方設計成本，提高配方設計效率。
本發(fā)明的核心技術，是實現免疫網絡和免疫神經網絡兩種網絡模型的集成應 用。根據煙草專家經驗，依風格的不同把煙葉劃分若干組；再用免疫網絡抗體特 征映射，將各組巻煙的理化指標樣本空間細分為多個子空間，每個免疫神經網絡 僅在一個子空間內實現理化指標與感官質量評價指標或煙氣分析指標間的映射 關系，降低每個免疫神經網絡面臨問題的復雜度；利用免疫算法優(yōu)化網絡權值和 結構，提高免疫神經網絡的學習速度和精度。當新煙葉樣本數據送入，先判斷新 樣本在原始輸入空間的位置，若與己學樣本靠近，則系統(tǒng)預測結果可信度高；否 則，系統(tǒng)將根據新樣本在原始輸入空間中偏離程度，指出所預測結果的參考價值。 巻煙的理化指標(如包括總糖、總煙堿、還原糖、總氮、蛋白質、氯氣、鉀、 施木克值、糖堿比、鉀氯比)是高維向量，各指標都有各自的量綱，在聚類之前必須進行歸一化。
根據專家經驗，各項理化指標對巻煙內在感官質量影響的重要性不同。為此， 我們賦予各理化指標項不同的"參與度權重"，再進行網絡學習。如糖堿比、 施木克值、鉀氯比、總糖為重要參數，經數據預處理參與度為0.8，次要指標項 參與度為O.l。
本方法免疫神經網絡采用單隱層、單輸出N-H-1 (如10-8-1)結構，更利于 完成每個輸出參數與理化指標之間的函數映射。采用免疫算法優(yōu)化神經網絡可以 克服傳統(tǒng)BP網絡學習易陷入局部最小值問題，大大改善網絡收斂效果與適用推 廣性能。
本方法經實踐證明是一種行之有效的預測單料煙或成品煙感官評吸和煙氣 指標的方法。
本發(fā)明的方法是將免疫網絡、免疫神經網絡及云模型、模糊集方法相結合， 在計算機網絡上實現無縫集成；在對巻煙進行測試、評吸，得到其理化指標與感 官評吸、煙氣指標樣本數據組合的基礎上，根據行業(yè)專家經驗，將樣本數據按風 格分組，再由免疫網絡特征映射，將巻煙各組按理化指標完成最終分類，并用各 類樣本數據分別訓練各自對應的免疫神經網絡，獲取各類巻煙理化指標與感官評 吸、煙氣指標間的映射關系，建立起單料煙和成品煙的感官質量評價和煙氣指標 預測系統(tǒng)。此方法具有分類準確率更高、各類巻煙理化指標與感官評吸、煙氣指 標間的映射關系更準確、減少人工評吸和檢測次數、輔助配方設計與提高工作效 率的功能。
(四)


圖l免疫網絡實現單料煙或成品煙分類的子系統(tǒng)流程圖； 圖2單料煙或成品煙感官評吸與煙氣指標預測子系統(tǒng)流程圖； 圖3單料煙或成品煙評吸與煙氣指標預測免疫神經網絡專家系統(tǒng)的形成； 圖4單料煙或成品煙評吸與煙氣指標預測免疫神經網絡系統(tǒng)的使用管理圖； 圖5單煙葉或成品煙評吸與煙氣指標預測免疫神經網絡專家系統(tǒng)的總體結構圖。
具體實施方式
下面結合附圖舉例對本發(fā)明做更詳細地描述巻煙感官評吸和煙氣指標的免疫神經網絡預測方法為
1、 檢測單料煙、成品煙的理化指標，煙氣分析指標，組織行業(yè)專家對單料 煙和成品煙進行評吸，將所得數據錄入數據庫。
2、 系統(tǒng)自動剔除錯誤或特異樣本，并對樣本數據歸一化。
3、 先結合領域專家經驗，按風格的不同，對單料煙或成品煙分為若干組； 再應用免疫網咯特征映射對巻煙理化指標樣本數據實現聚類，完成數據庫中所有 單料煙和成品巻煙的最終分類。
4、 對不同類的單料煙或成品煙的理化指標(設有N項)樣本，分別建立對 應的免疫神經網絡；每個免疫神經網絡采用N-H-1 (即N個輸入端、H個隱層神 經元和1個輸出端)的結構模型；按依經驗確定網絡的初始學習率、動量及誤差 調整參數。
5、 將歸一化樣本數據送入對應的免疫神經網絡，利用免疫算法優(yōu)化網絡權 值及結構，直到達到分類目標為止，即達到指定的誤差精度后停止，表示免疫神 經網絡預測模型已建好，并將它們存儲在知識庫中。
6、 判斷待分析的樣本數據是否為新的、未分類的數據；若是，則回到(3) 并往下進行。
7、 若待分析的數據是新的、已知類的單料煙或成品煙的理化指標數據，則 根據其類別讀取庫中對應網絡，計算出感官評吸和煙氣指標預測值；再將所得指 標值轉換為用戶理解的數據或字符描述形式，任務結束。
本發(fā)明的系統(tǒng)使用的管理過程為
1、 用戶依領域專家經驗選定待評價和預測的單料煙或成品煙的風格，再將 其理化指標值輸入系統(tǒng)。
2、 系統(tǒng)根據以上數據實現免疫網絡聚類特征提取，確定其類別，并從分類 庫中讀取對應的免疫神經網絡編號。
3、 系統(tǒng)根據編號，讀取對應的免疫神經網絡，計算出感官評吸和煙氣指標 預測值。
4、 系統(tǒng)將結果轉化為用戶易于理解的格式輸出，由專家根據經驗及系統(tǒng)確 定的類別，給出免疫神經網絡預測值準確度的評價。
結合圖3以用于單料煙、成品煙評吸預測的免疫神經網絡專家系統(tǒng)的形成流程如進行說明，其步驟如下
1、 錄入檢測得到的各單料煙或成品煙的基本屬性、理化、感官評吸、煙氣 指標的數據。
2、 根據專家經驗與系統(tǒng)判定，把錯誤的和奇異的樣本撤除(過濾)。
3、 按專家經驗，系統(tǒng)將單料煙或成品煙的風格分組。
4、 利用免疫網絡抗體特征映射，對每組中所包括的樣本通過理化指標數據 進行聚類。
5、 在對每類所包括的樣本，建立各自的免疫神經網絡，分別進行訓練。
6、 訓練完成后，將所有免疫祌經網絡中的知識保存到系統(tǒng)的知識庫中。
7、 判斷是否有新風格的煙葉檢測樣本集加入。若無，則工作任務完成；若 有，則回到步驟3往下進行，直至任務完成。
本系統(tǒng)的總體結構如圖4所示。其基本特征是將專家經驗分類與由數據驅 動智能分類方法相結合；把復雜問題分解，分別送入各自的免疫神經網絡求解， 最終類的知識都保存在各類免疫神經網絡知識庫中。當有新的預測工作要做(有 新的煙葉檢測樣本要處理)時，只需根據分類神經網絡計算出對應的免疫神經網 絡，便可利用已訓練好的網絡映射模型預測出此樣本的感官評吸和煙氣指標值。
以下是目前使用的各參數名。隨著研究的深入，它們可作適當改變。
a) 巻煙(單料煙或成品煙)按風格分類有
清、清偏中、中偏清、中、中偏濃、濃偏中、濃、特異香型
b) 單料煙10項理化指標(免疫神經網絡預測模型的輸入參數)為
總糖、總煙堿、還原糖、總氮、蛋白質、氯氣、鉀、施木克值、糖 堿比、鉀氯比
c) ll項感官質量指標(網絡的輸出參數)是
香型、香氣質、香氣量、濃度、勁頭、雜氣、刺激性、余味、燃燒
性、灰分、質量檔次；其中,香型等級有8個，采用(O，l)內均值量 化。其它由l至5分的分值表示。
d) 4項煙氣分析指標(網絡的輸出參數)是 焦油、煙堿、CO、 TPM (mg/支)
e) 用于訓練巻煙感官質量指標與煙氣指標免疫神經網絡預測模型的輸入參數為
總糖、總煙堿、還原糖、總氮、蛋白質、氯氣、施木克值、糖堿比 f)用于訓練巻煙感官質量指標與煙氣指標免疫神經網絡預測模型的輸 出參數為
光澤、香氣質、協(xié)調、雜氣、刺激性、余味；
焦油、煙堿、CO、 TPM。
權利要求
1、一種卷煙感官評吸和煙氣指標的免疫神經網絡預測方法，其特征是(1)檢測單料煙、成品煙的理化指標，煙氣分析指標，將所得數據錄入數據庫；(2)剔除錯誤或特異樣本，并對樣本數據歸一化；(3)按風格的不同，對單料煙或成品煙分為若干組；再應用免疫網絡特征映射對卷煙理化指標樣本數據實現聚類，完成數據庫中所有單料煙和成品卷煙的最終分類；(4)對不同類的單料煙或成品煙的N項理化指標樣本，分別建立對應的免疫神經網絡；每個免疫神經網絡采用N-H-1的結構模型，即N個輸入端、H個隱層神經元和1個輸出端，按初始學習率、動量及誤差調整參數；(5)將歸一化樣本數據送入對應的免疫神經網絡，利用免疫算法優(yōu)化網絡權值及結構，直到達到分類目標為止，并將它們存儲在知識庫中；(6)判斷待分析的樣本數據是否為新的、未分類的數據；若是，則回到(3)并往下進行；(7)若待分析的數據是新的、已知類的單料煙或成品煙的理化指標數據，則根據其類別讀取庫中對應網絡，計算出感官評吸和煙氣指標預測值；再將所得指標值轉換為用戶理解的數據或字符描述形式，任務結束。
全文摘要
本發(fā)明提供的是一種卷煙感官評吸和煙氣指標的免疫神經網絡預測方法。檢測分析指標，將所得數據錄入數據庫；并對樣本數據歸一化；按風格的不同，對單料煙或成品煙分為若干組；完成數據庫中所有單料煙和成品卷煙的最終分類；對不同類的單料煙或成品煙的N項理化指標樣本，分別建立對應的免疫神經網絡；將歸一化樣本數據送入對應的免疫神經網絡，利用免疫算法優(yōu)化網絡權值及結構，直到達到分類目標為止，并將它們存儲在知識庫中；判斷待分析的樣本數據是否為新的、未分類的數據。本發(fā)明具有分類準確率更高、各類卷煙理化指標與感官評吸、煙氣指標間的映射關系更準確、減少人工評吸和檢測次數、輔助配方設計與提高工作效率的功能。
文檔編號G06F17/00GK101419209SQ20081020960
公開日2009年4月29日 申請日期2008年12月4日 優(yōu)先權日2008年12月4日
發(fā)明者丁香乾, 馮天瑾, 周長生, 毅 安, 徐立芳, 輝 李, 王志軍, 管鳳旭, 莫宏偉, 馬琳濤 申請人:哈爾濱工程大學