基于RBF神经网络建立库存烟叶香型的预测模型

• 作者: 周泽弘 曹淋海 李冰 李启权 李珊 王昌全
• 来源期刊: 中国烟草科学
• 关键词: 库存烟叶 香型 主成分分析 RBF神经网络
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 品质化学
• 页码范围: 65-70
• 页数: 6页
• 分类号: TS41+1
• 语种: 中文
• DOI: 10.13496/j.issn.1007-5119.2016.02.012

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王昌全	四川农业大学资源学院	231	4357	33.0	55.0
2	李冰	四川农业大学资源学院	103	1711	25.0	35.0
3	李启权	四川农业大学资源学院	57	806	17.0	26.0
4	李珊	四川农业大学资源学院	10	49	4.0	6.0
5	周泽弘	四川农业大学资源学院	4	20	3.0	4.0