【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一氧化碳的方法,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。一氧化碳(以下简称:CO)是烟草不完全燃烧的产物,直接影响人体健康。传统的烤片烟气CO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,对于数据中小部分的变异没有那么敏感,提高了模型的可信度。鲁棒回归通过为每个数据点赋予一个权值进行建模。加权是自动的并且是重复的,这个过程叫做自动重加权最小二乘法。在第一阶段,每个样本点被赋予相同的权重,然后利用普通的最小二乘法计算得到模型系数。在随后的迭代中,每个样本的点都将重新计算,那些远离模型预测值的样本点将被赋予较低的权重。之后利用经过加权的最小二乘法计算模型系数。迭 ...
【技术保护点】
一种基于鲁棒回归建模预测烤片烟气一氧化碳的方法,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CO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CO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CO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CO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CO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CO预测模型,其表达式为下式:(2)式中:Y为烟气CO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CO的模型预测值Y。
【技术特征摘要】
1.一种基于鲁棒回归建模预测烤片烟气一氧化碳的方法,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CO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CO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CO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CO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CO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CO预测模型,其表达式为下式:
(2)
式中:Y为烟气CO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CO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一氧化碳的方法,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一氧化碳的方法,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边各点...
【专利技术属性】
技术研发人员:白晓莉,魏帅,吴丽君,段如敏,余贺龙,王保兴,朱勇,卢伟,刘挺,
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。