基于鲁棒回归建模预测烤片烟气巴豆醛的方法技术

本发明专利技术提供一种基于鲁棒回归建模预测烤片烟气巴豆醛的方法，通过已有的烤片理化数据和烟气巴豆醛数据建立从理化指标项到烟气巴豆醛的模型，对于未知烤片烟气巴豆醛样本，可以利用其理化成分数据直接预测烤片烟气巴豆醛值。本发明专利技术省去了由传统化学方式进行卷制、燃烧、捕捉烟气、检测等步骤；同时，采用鲁棒回归模型，可以有效地避免因理化数据或烟气数据中奇异值样本导致的弊端，很大程度上保证模型的健壮性，这点正是鲁棒回归建模优于普通线性回归建模的优点。实践证明，该模型能够有效地预测烤片的烟气巴豆醛值，极大地提高检测效率，降低检测成本。

【技术实现步骤摘要】

本专利技术涉及一种基于鲁棒回归建模预测烤片烟气巴豆醛的方法，属于特定计算模型

技术介绍
烟草烟气是一种极为复杂的混合物，它是在卷烟抽吸过程中由烟草燃烧、裂解和蒸馏而产生的。卷烟制品对于人体的危害性是通过燃吸过程而产生的。烟气中的有害成分主要是在燃烧过程中形成，而烟气的化学特性是随烟叶原料内在化学成分的变化而变化的。因此，卷烟烟叶原料的化学特性决定了卷烟烟气的化学特性和安全性。巴豆醛是呼吸道纤毛毒素，能抑制肺排泄物的清除，从而引起肺部疾病。传统的烤片烟气巴豆醛数据的获得方式是检测烤片燃烧后的烟气中的化学成分指标。通过这种方式获得的烟气数据，需要将烤片卷制成卷烟燃烧后的烟气进行化学检测，检测过程费时费力且检测成本极高。在线性回归建模中，模型是建立在一定假设条件基础上的，例如被观测样本误差为标准正态分布。如果误差的分布是非对称或者倾向于离群点，那么进行线性回归建模的假设是不成立的，参数的估计、置信区间以及其他计算的统计量都是不可靠的。这种情况下，用鲁棒回归进行模型的建立是非常有效的。鲁棒回归建模包含了一种健壮的拟合方法，与最小二乘法相比，对于数据本文档来自技高网...

【技术保护点】
一种基于鲁棒回归建模预测烤片烟气巴豆醛的方法，其特征在于经过下列各步骤：（1）将已知烤片的理化数据与烟气巴豆醛数据对应列出，建立数据样本集；（2）分别计算步骤（1）所得数据样本集中各理化数据的列向量x1～xn和烟气巴豆醛数据的列向量y，通过下列公式分别计算各理化数据与烟气巴豆醛的线性相关系数r，线性相关系数r的绝对值大于0.3所对应的该项理化数据即为对烟气巴豆醛有重要影响的特征指标项，作为建模用的输入变量：（1）式中：x为某一理化数据的列向量，y为烟气巴豆醛数据的列向量；（3）根据不同产地、品种、档次，均匀挑选245个烤片作为训练样本，运用鲁棒回归线性建模算法，建立烟气巴豆醛预测模型，其表达式...

【技术特征摘要】
1.一种基于鲁棒回归建模预测烤片烟气巴豆醛的方法，其特征在于经过下列各步骤：
（1）将已知烤片的理化数据与烟气巴豆醛数据对应列出，建立数据样本集；
（2）分别计算步骤（1）所得数据样本集中各理化数据的列向量x1～xn和烟气巴豆醛数据的列向量y，通过下列公式分别计算各理化数据与烟气巴豆醛的线性相关系数r，线性相关系数r的绝对值大于0.3所对应的该项理化数据即为对烟气巴豆醛有重要影响的特征指标项，作为建模用的输入变量：
                        （1）
式中：x为某一理化数据的列向量，y为烟气巴豆醛数据的列向量；
（3）根据不同产地、品种、档次，均匀挑选245个烤片作为训练样本，运用鲁棒回归线性建模算法，建立烟气巴豆醛预测模型，其表达式为下式：
          （2）
式中：Y为烟气巴豆醛的模型预测值，X为理化数据向量，b为常数项，A为回归系数向量；
（4）依据步骤（2）选择的特征指标项，将待测烤片的对应理化数据作为输入变量套用至步骤（3）的预测模型中，即能测算得到待测烤片的烟气巴豆醛的模型预测值Y。
2.根据权利要求1所述的基于鲁棒回归建模预测烤片烟气巴豆醛的方法，其特征在于：所述步骤（1）的理化数据包括总糖、还原糖、烟碱、总挥发碱、总氮、烟碱氮、蛋白质、施木克值、氮碱比、氯、钾、糖碱比和氨态碱。
3.根据权利要求1所述的基于鲁棒回归建模预测烤片烟气巴豆醛的方法，其特征在于：所述步骤（3）运用鲁棒回归线性建模算法的步骤如下：
（a）进行局部权重回归拟合：每一次拟合过程只考虑所有拟合点数的一部分，每一个被拟合点的取值都由与之邻近的局部拟合范围的散步点所决定，在每一个拟合点处都给予不同的权重系数，其权重系数在拟合点处为１，局部拟合范围内拟合点的两...

【专利技术属性】
技术研发人员：白晓莉，彭国岗，段如敏，卢伟，朱勇，谢志强，周桂圆，刘挺，王保兴，
申请(专利权)人：云南中烟工业有限责任公司，
类型：发明
国别省市：云南;53