周泽弘，曹淋海，王昌全*，李启权，李 冰，李 珊（.四川农业大学资源学院，成都 630；.四川省邛崃市国土资源局，四川 邛崃 6500）



基于RBF神经网络建立库存烟叶香型的预测模型

周泽弘1，曹淋海2，王昌全1*，李启权1，李 冰1，李 珊1
（1.四川农业大学资源学院，成都 611130；2.四川省邛崃市国土资源局，四川 邛崃 611500）

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

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］。目前烤烟香型与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］，这些研究的特点与存在的问题有：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；……