李力群　紀(jì)旭東　喬月梅　牛文廣　葉亞軍　郭春生

摘要[目的]科學(xué)地評(píng)價(jià)卷煙配方中勁頭的大小，通過(guò)建立BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)卷煙勁頭。[方法]以煙葉游離煙堿百分含量、總煙堿百分含量、結(jié)合態(tài)煙堿百分含量、游離煙堿占總煙堿比率和水浸液pH作為BP神經(jīng)網(wǎng)絡(luò)的輸入，感官勁頭作為輸出，網(wǎng)絡(luò)訓(xùn)練前對(duì)輸入指標(biāo)作歸一化處理，然后通過(guò)訓(xùn)練樣本數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行充分的訓(xùn)練，獲得適宜的參數(shù)矩陣，得到卷煙勁頭的網(wǎng)絡(luò)預(yù)測(cè)模型，最后用訓(xùn)練好的網(wǎng)絡(luò)模型對(duì)檢驗(yàn)樣本數(shù)據(jù)進(jìn)行預(yù)測(cè)。[結(jié)果]卷煙配方中勁頭大小的預(yù)測(cè)值與實(shí)際值相對(duì)標(biāo)準(zhǔn)偏差小于5%，達(dá)到了較好的預(yù)測(cè)結(jié)果。[結(jié)論]建立了卷煙勁頭的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，該模型對(duì)于預(yù)測(cè)卷煙勁頭具有指導(dǎo)意義。

關(guān)鍵詞 BP神經(jīng)網(wǎng)絡(luò)；煙堿；卷煙勁頭

中圖分類號(hào) S126 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 0517-6611（2016）05-021-03

Abstract[Objective]To scientifically evaluate the cigarette impact， and to predict the cigarette impact through the BP neural network.[Method]The percentage of free nicotine in leaves， the percentage of total nicotine， the percentage of combined state nicotine， the percentage of free nicotine in total nicotine， and pH value of aqueous extracts were used as the input of BP neural network. And sensory momentum was used as the output. Normalization processing of input index was carried out before network training. Network was fully trained before network training. Then， network was fully trained by training sample data， so as to obtain the proper parameter matrix， and to obtain the network forecast model of cigarette impact. Finally， test sample data were forecasted by the trained network model.[Result]Relative standard deviation between predicted value and actual value was smaller than 5%， which reached relatively good predicted value.[Conclusion]Prediction model of cigarette impact through the BP neural network is established， which has guiding significance for the prediction of cigarette impact.

Key words BP neural network； Nicotine； Cigarette impact

煙草中煙堿含量是煙草和卷煙質(zhì)量控制的一項(xiàng)重要指標(biāo)，煙堿可以以游離態(tài)、單質(zhì)子態(tài)和雙質(zhì)子態(tài)3種形態(tài)存在[1-2]。質(zhì)子態(tài)煙堿被口腔吸收的速度較慢，而非質(zhì)子化游離態(tài)煙堿揮發(fā)性極強(qiáng)，可以穿過(guò)口腔黏膜迅速被人體吸收，對(duì)中樞神經(jīng)的藥理作用非常強(qiáng)烈，抽吸時(shí)表現(xiàn)為勁頭較強(qiáng)[3-4]。卷煙勁頭不僅與煙氣中總煙堿量有關(guān)，而且與煙堿的形態(tài)密切相關(guān)，而卷煙的水浸液pH能夠影響煙堿的存在狀態(tài)[5]。

BP（Back Propagation）網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。其學(xué)習(xí)規(guī)則是使用最速下降法，通過(guò)反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小[6-8]。丁香乾等[9]運(yùn)用Kohonen神經(jīng)網(wǎng)路和BP神經(jīng)網(wǎng)絡(luò)集成解決方案，根據(jù)預(yù)測(cè)樣本的特征，利用相應(yīng)的BP子網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，在焦油、煙氣煙堿和C0預(yù)測(cè)中取得了較好的結(jié)果。楊再波等[10]以卷煙的總糖、總氮、總氯作為輸入變量，焦油作為輸出變量，建立了卷煙焦油的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，與多元線性回歸方法相比，該方法效果更優(yōu)。利用BP神經(jīng)網(wǎng)絡(luò)在并行分布處理、自組織、自適應(yīng)、自學(xué)習(xí)和容錯(cuò)性等方面獨(dú)特的優(yōu)良性能，可以較好地處理此類多因素、非線性問(wèn)題，預(yù)測(cè)出卷煙勁頭。隨著國(guó)家減害降焦戰(zhàn)略的實(shí)施，控制卷煙的生理強(qiáng)度具有重要意義[11]。目前卷煙勁頭的評(píng)價(jià)主要是通過(guò)感官評(píng)吸的方法，而感官評(píng)吸受到評(píng)吸人員專業(yè)水平的限制，且具有較強(qiáng)的主觀性[2，12-13]；通過(guò)化學(xué)檢測(cè)結(jié)果來(lái)評(píng)價(jià)卷煙勁頭的方法，建立卷煙勁頭的BP網(wǎng)絡(luò)預(yù)測(cè)模型，能減少感官評(píng)吸的主觀性和盲目性，且評(píng)價(jià)結(jié)果較為準(zhǔn)確，從而為行業(yè)提供一種評(píng)價(jià)卷煙勁頭的方法。筆者以煙葉游離煙堿百分含量、總煙堿百分含量、結(jié)合態(tài)煙堿百分含量、游離煙堿占總煙堿比率和水浸液 pH作為BP神經(jīng)網(wǎng)絡(luò)的輸入，感官勁頭作為輸出，網(wǎng)絡(luò)訓(xùn)練前對(duì)輸入指標(biāo)作歸一化處理，然后通過(guò)訓(xùn)練樣本數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行充分的訓(xùn)練，獲得適宜的參數(shù)矩陣，得到卷煙勁頭的網(wǎng)絡(luò)預(yù)測(cè)模型，最后用訓(xùn)練好的網(wǎng)絡(luò)模型對(duì)檢驗(yàn)樣本數(shù)據(jù)進(jìn)行預(yù)測(cè)。

1 材料與方法

1.1 試驗(yàn)材料

采集不同煙區(qū)的255份烤煙樣品。

1.2 試驗(yàn)儀器

THZC型恒溫振蕩器（江蘇太倉(cāng)實(shí)驗(yàn)設(shè)備廠）；Agilent 6890型氣相色譜儀（安捷倫科技有限公司）；PL203型電子天平（梅特勒-托利多儀器有限公司）。6890氣相色譜儀（帶FID檢測(cè)器）和6890GC/5973MS氣質(zhì)聯(lián)用儀（美國(guó)安捷倫公司）；LM5+型吸煙機(jī)（德國(guó)BorgwaldtKC公司）；LA230S型電子天平（感量0.000 1 g，北京賽多利斯儀器有限公司）；賓達(dá)LP11型恒溫恒濕箱（德國(guó)BINDER公司）；恒溫振蕩器（BS4GBS4G，江蘇省金壇市金祥龍電子有限公司）；FE20）型精密pH計(jì)（梅特勒-托利多儀器有限公司）。

1.3 試驗(yàn)方法

1.3.1 煙草pH的測(cè)定。

準(zhǔn)確稱取約3 g煙末，加入30 mL pH 7.00的蒸餾水，在振蕩器上振蕩30 min，靜置1 h，過(guò)濾，取濾液測(cè)定pH。

1.3.2 煙草中游離煙堿的測(cè)定。

準(zhǔn)確稱取約1 g樣品（精確至0.000 1 g），放入150 mL具塞三角瓶中，加入30 mL用0.01 mol/L NaOH水溶液調(diào)節(jié)至pH 7.00的去CO2蒸餾水，在室溫下振蕩萃取0.5 h，過(guò)濾，取濾液15 mL至250 mL分液漏斗中，用三氯甲烷（含內(nèi)標(biāo)正十七碳烷）萃取2次，每次20 mL，合并有機(jī)相，作為氣相色譜分析。將煙堿標(biāo)準(zhǔn)樣品配制成標(biāo)準(zhǔn)溶液，進(jìn)行氣相色譜分析，確定煙堿峰的相對(duì)保留時(shí)間，然后通過(guò)與煙草樣品待測(cè)物質(zhì)峰的相對(duì)保留時(shí)間比較進(jìn)行定性，采用內(nèi)標(biāo)-工作曲線法對(duì)氣相色譜鑒定出的煙堿進(jìn)行定量。

1.3.3 煙草中總煙堿的測(cè)定。

準(zhǔn)確稱量1 g樣品（精確到0.000 1 g）置于150 mL錐形瓶中，加入10 mL NaOH溶液（8 mol/L）、20 mL水和40 mL萃取溶液，置于振蕩器上，振蕩萃?。?0±2）min，以確保萃取完全。靜置后取上層有機(jī)相，立即進(jìn)行氣相色譜分析。

1.3.4 BP神經(jīng)網(wǎng)絡(luò)模型建立。

采集不同煙區(qū)的255份煙葉樣本，對(duì)其游離煙堿百分含量、總煙堿百分含量、結(jié)合態(tài)煙堿百分含量和水浸液pH進(jìn)行測(cè)定，并對(duì)評(píng)吸勁頭進(jìn)行量化評(píng)定，通過(guò)BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練實(shí)現(xiàn)卷煙勁頭的評(píng)價(jià)。

建立BP神經(jīng)網(wǎng)絡(luò)模型，在總共的5個(gè)樣本數(shù)據(jù)中，編號(hào)1～255作為訓(xùn)練樣本，采用拓?fù)浣Y(jié)構(gòu)：5 ×p×l 的3層BP神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)由1個(gè)輸入層、1個(gè)隱含層和1個(gè)輸出層組成，每層含有若干個(gè)節(jié)點(diǎn)，預(yù)測(cè)的卷煙勁頭BP網(wǎng)絡(luò)模型見圖1。

2 結(jié)果與分析

2.1 訓(xùn)練仿真結(jié)果

通過(guò)DPS數(shù)據(jù)處理系統(tǒng)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，建立參數(shù)：

輸入層節(jié)點(diǎn)為5；隱含層節(jié)點(diǎn)為10；最小訓(xùn)練速率為0.1；動(dòng)態(tài)參數(shù)為0.6；參數(shù)SIGMOID為0.9；允許誤差為0.000 1；最大迭代次數(shù)為5 000。

將各個(gè)預(yù)測(cè)因子數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)換，經(jīng)過(guò)學(xué)習(xí)后，收斂誤差達(dá)到標(biāo)準(zhǔn)，訓(xùn)練結(jié)束。訓(xùn)練誤差結(jié)果見圖2。

訓(xùn)練得到隱含層各個(gè)結(jié)點(diǎn)的權(quán)重矩陣和輸出層各個(gè)結(jié)點(diǎn)的權(quán)重矩陣見圖3。根據(jù)建立BP神經(jīng)網(wǎng)絡(luò)模型的理論公式以及隱含層和輸出層節(jié)點(diǎn)的權(quán)重矩陣結(jié)果，可以得到卷煙勁頭的預(yù)測(cè)模型。

2.2 基于BP神經(jīng)網(wǎng)絡(luò)的常規(guī)化學(xué)成分預(yù)測(cè)煙氣成分和感官得分模型的預(yù)測(cè)結(jié)果驗(yàn)證

以200個(gè)樣本作為訓(xùn)練樣本數(shù)據(jù)，55個(gè)樣本作為驗(yàn)證樣本數(shù)據(jù)，模型建立后，分別準(zhǔn)確測(cè)定其游離煙堿百分含量、總煙堿百分含量、結(jié)合態(tài)煙堿百分含量、游離煙堿占總煙堿比率和水浸液pH這5項(xiàng)指標(biāo)，根據(jù)結(jié)果模型將這5項(xiàng)指標(biāo)作為輸入變量輸入，根據(jù)模型得到卷煙勁頭的預(yù)測(cè)結(jié)果，通過(guò)感官評(píng)吸得到卷煙勁頭的實(shí)際結(jié)果。

網(wǎng)絡(luò)輸出與目標(biāo)輸出的統(tǒng)計(jì)回歸分析結(jié)果表明，各個(gè)網(wǎng)絡(luò)模型的預(yù)測(cè)值與目標(biāo)值呈現(xiàn)顯著的相關(guān)性，相關(guān)系數(shù)R都在0.976以上。這說(shuō)明卷煙勁頭得分模型的預(yù)測(cè)值與實(shí)際值非常接近（圖4）。由圖5可知，卷煙勁頭的預(yù)測(cè)值與實(shí)際值的誤差絕大多數(shù)在0～0.5，模型預(yù)測(cè)結(jié)果的準(zhǔn)確性較高，其結(jié)果與人員實(shí)際評(píng)吸結(jié)果相比，誤差絕大多數(shù)在很小的范圍內(nèi)。考慮到評(píng)吸打分的主觀性和隨機(jī)性比較強(qiáng)，BP網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果較滿意，BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果對(duì)感官評(píng)價(jià)具有一定的指導(dǎo)意義。

3 結(jié)論

為科學(xué)地評(píng)價(jià)卷煙配方中勁頭的大小，通過(guò)建立BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)卷煙勁頭。以煙葉游離煙堿百分含量、總煙堿百分含量、結(jié)合態(tài)煙堿百分含量、游離煙堿占總煙堿比率和水浸液pH作為BP神經(jīng)網(wǎng)絡(luò)的輸入，感官勁頭作為輸出，網(wǎng)絡(luò)訓(xùn)練前對(duì)輸入指標(biāo)作歸一化處理，然后通過(guò)訓(xùn)練樣本數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行充分訓(xùn)練，獲得適宜的參數(shù)矩陣，得到卷煙勁頭的網(wǎng)絡(luò)預(yù)測(cè)模型，隱含層節(jié)點(diǎn)為9，輸入函數(shù)為tansig，輸出函數(shù)為purelin。訓(xùn)練方法為梯度下降法。選擇22個(gè)樣本作為訓(xùn)練樣本，19個(gè)作為驗(yàn)證樣本，3個(gè)作為測(cè)試樣本。訓(xùn)練目標(biāo)為允許誤差0.000 1，最大迭代次數(shù)為10 000次。預(yù)測(cè)卷煙勁頭結(jié)果與人員實(shí)際評(píng)吸結(jié)果相比，相對(duì)標(biāo)準(zhǔn)偏差小于5%，達(dá)到了較好的預(yù)測(cè)結(jié)果。該模型對(duì)于預(yù)測(cè)卷煙勁頭具有指導(dǎo)意義。

參考文獻(xiàn)

[1]金聞博，戴亞，楊俊.尼古丁化學(xué)[M].北京：中國(guó)輕工業(yè)出版社，1993.

[2]肖協(xié)忠.煙草化學(xué)[M].北京：中國(guó)農(nóng)業(yè)科教出版社，1997.

[3]張槐苓，穆懷靜，葛翠英，等.煙草分析與檢驗(yàn)[M].鄭州：河南科學(xué)技術(shù)出版社，1994.

[4]MORIE G P.Fraction of protonated and unprotonated nicotine in tobacco smoke at various pH values[J].Tob Sci，1972，16：56.

[6]高大啟.并聯(lián)神經(jīng)網(wǎng)絡(luò)在烤煙內(nèi)在品質(zhì)評(píng)定中的運(yùn)用[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，1999，30（1）：58-62.

[7]高大啟，吳守一.基于并聯(lián)神經(jīng)網(wǎng)絡(luò)的烤煙內(nèi)在質(zhì)量分析方法[J].分析化學(xué)，1998，26（10）：1174-1177.

[8]彭黔榮.煙葉的化學(xué)成分與煙葉質(zhì)量的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)[D].成都：四川大學(xué)，2004.

[9]丁香乾，曹均闊，賀英.Kohonen網(wǎng)絡(luò)與BP網(wǎng)絡(luò)的集成應(yīng)用研究[J].青島海洋大學(xué)學(xué)報(bào)，2003，33（4）：615-620.

[10]楊再波，葉沖，韓偉，等.基于BP神經(jīng)網(wǎng)絡(luò)在卷煙焦油預(yù)測(cè)中的應(yīng)用[J].黔南民族師范學(xué)院學(xué)報(bào)，2006（6）：5-8.

[11]于川芳，盧斌斌，牟定榮，等.卷煙勁頭與其煙絲、煙氣主要化學(xué)成分的相關(guān)性[J].煙草科技，2006（9）：34-37.

[12]LEFFMGWELL J C.Nitrogen components of leaf and their relationship to smoking quality and aroma[J].Rec Adv Tob Sci，1976，2：1-31.

[13]胡建軍，馬明，李耀光，等.煙葉主要化學(xué)指標(biāo)與感官質(zhì)量的灰色關(guān)聯(lián)分析[J].煙草科技，2001（1）：3-7.