烟叶有害成分风险评估模型研究与应用

摘要

针对烟叶数据的小样本、高维、大噪声、非线性等特征,本文首次建立了烟叶有害成分风险评估模型,该模型采用信息扩散原理和模糊数学方法对样本数据进行预处理,即对样本数据进行光滑处理,降低部分噪声的影响,生成更有实际意义的输入和输出关系,利用处理后的新样本训练BP神经网络,并用该风险评估模型来提前评估烟叶的感官、烟气指标.实验结果表明,该模型能有效提高烟叶评估符合度,明显降低系统误差,从而减少BP神经网络训练时间,降低可预测的风险.该模型已经应用到烟叶质量评估业务中,取得了良好的效果.