基于烟叶化学成分烤烟香型分类模型的建立

《基于烟叶化学成分烤烟香型分类模型的建立》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于烟叶化学成分烤烟香型分类模型的建立申钦鹏，张霞，张涛，雷萍，段沅杏，杨光宇，韩敬美，赵伟，陈永宽，缪明明，刘志华（云南中烟工业有限责任公司技术中心／云南省烟草化学重点实验室，昆明６５０２３１）摘要：基于烟叶化学数据建立烤烟香型分类模型，然后对各模型进行筛选比较选出最优模型。首先对１４２个烤烟烟叶样品中的９类成分的６3个指标采用行业标准进行检测，然后采用逐步回归法筛选出１９个烟叶化学成分，依据这１９个指标采用线性判别分析法、Ｌｏｇｉｓｔｉｃ回归、高斯混合模型、分类树、Ｋ最邻近法、人工神经网络和支持向量机

2、七种方法进行建模。通过对不同方法建立的模型采用１００次随机抽取训练集样本和测试样本计算错误分类率，选择错误分类率较低的模型作为优选模型。经比较发现，线性判别法和高斯混合模型建立的两种香型函数能较好地对未知样品的香型进行正确分类，且效果较好。筛选出的两种优选模型对于烤烟香型分类研究具有一定的应用价值。.jyqkS的联用及其在卷烟烟气香气成分中的应用研究”（JSZX2014JC04）简介：申钦鹏（１９８４－），男，湖南衡阳人，助理研究员，博士，主要从事烟草化学研究，（）１８６８７５４００２４（电子信箱）ａｓｈ

3、ｂ３４５＠１２６．ｃｏｍ；通信，刘志华（１９７４－），男，云南勐腊人，研究员，硕士，主要从事烟草化学研究，（）０８７１－６５８６９７９２（电子信箱）ｚｈｉｈｕａｌｉｕ＠１６３．ｃｏｍ。目前利用烤烟中化学成分、致香成分对三种烤烟香型进行模式识别已有相关文献报道［１－４］。在国内的研究中，朱立军等［２］对１１２份市售卷烟样品中２０种化学成分采用逐步判别方法进行判别分析取得了较好的分类结果，Ｚｈａｎ等［４］以６３个中部和６５个上部烟叶为材料，基于其中的６７种致香物质对三种香型进行逐步判别分析也取得较好的分类结果

4、并得到很好的应用。目前在利用化学计量学进行模式识别的过程中，已发展出了各种各样的方法［５］，采用其他类型的方法是否与经典的判别分析方法具有同样的效果，或是效果要好于经典方法，此方面的研究还未见相关的报道。为此，采用目前较为成熟的经典判别分析方法（LDA）、Ｌｏｇｉｓｔｉｃ回归（LR）、高斯混合模型（Mix）、分类树（Tree）、Ｋ最邻近法（KNN）、人工神经网络（CANN）和支持向量机（SVM）七种化学计量学方法，随机抽取不同的训练集和测试集进行分析，拟筛选出分类效果较优且精度较为稳健的模型，以期为烤烟香

5、型分类优化模型的选择提供理论依据。１材料与方法１．１材料２０１１年收集１４２份烤烟样品，分别来自中国１４个省份，１６个品种。其中清香型（简称“清”）５０个，中间香型简称“中”４０个，浓香型（简称“浓”）５２个。本次收集的样品均由全国评烟委员会委员组成的评吸专家组对烤烟香型（清香型、浓香型和中间香型）进行鉴定。１．２方法１．２．１分析检测在烟叶化学成分中主要对９类成分中的６3个指标采用行业标准进行检测。６3个指标具体是总糖、还原糖、氯、钾、氮、总植物碱、石油醚提取物、粗纤维素、挥发酸、挥发碱、葡萄糖、果糖、

6、蔗糖、绿原酸、莨菪亭、芸香苷、铁、锰、铜、锌、钠、硼、钙、镁、硝酸根、硫酸根、磷酸根、草酸、丙二酸、苹果酸、棕榈酸、硬脂酸、柠檬酸、亚油酸、亚麻酸、烟碱、降烟碱、麦斯明、假木贼碱、新烟草碱、２，３－联吡啶、叶黄素、胡萝卜素、天冬酰胺酸、组氨酸、丝氨酸、谷氨酰胺酸、精氨酸、甘氨酸、高丝氨酸、天冬氨酸、谷氨酸、苏氨酸、丙氨酸、γ－氨基丁酸、脯氨酸、赖氨酸、酪氨酸、缬氨酸、异亮氨酸、亮氨酸、苯丙氨酸、色氨酸。１．２．２统计分析方法主要的统计分析程序采用Ｒ－２．１５．３进行。１）自变量筛选方法。变量筛选方法采用逐

7、步方法，该方法与逐步回归方法较为一致［６，７］。主要通过计算每一逐步过程中所得的Ｆ值与指定值进行判断变量移除或进入，并获得每个变量的Ｗｉｌｋｓ’ｌａｍｂｄａ统计量。２）建模及评估方法。主要采用了判别分析法［８，９］、Ｌｏｇｉｓｔｉｃ回归［１０］、高斯混合模型［１１］、分类树［１２］、Ｋ最邻近法［１３－１５］、人工神经网络［１６］和支持向量机［１７，１８］七种方法进行建模。通过对不同方法建立的模型采用１００次随机抽取训练样本和测试样本计算错误分类率［１９］，选择错误分类率较低的方法所建模型作为优选模型。３）

8、隐含层计算。在采用人工神经网络进行建模的过程中，涉及到两个参数的优化，一个是隐含层单元数的确定，另一个是权衰减系数的确定。对于权衰减系数的确定主要参看下面“参数优化选择”中的内容进行优化选择，而隐含层单元数的确定主要采用以下公式进行计算：其中，ｓ为隐含层节点数，ｍ为输入层节点数，ｎ为输出层节点数。通过式（１）可对各化学成分、致香成分和近红外光谱信息的隐含层数进行选择。４）参数优化选择。在分类树、Ｋ最邻近法、人工神经网络和支持向