基于Adam算法优化BP神经网络预测滤棒工艺指标的方法

摘要

本发明涉及一种基于Adam算法优化BP神经网络预测滤棒工艺指标的方法，属于烟草工业中的数据挖掘与建模。滤棒成型是卷烟生产中的重要环节，滤棒起到了过滤一氧化碳、焦油等有害化学物质的作用，对于产品质量和消费者健康有着重要影响。由于滤棒生产是一个较为复杂的系统，影响产品工艺指标的因素较多且多为非线性影响，所以使用传统方法难以建立滤棒工艺指标的预测模型。本发明通过收集大量生产数据，并预处理为适合机器学习的矩阵结构，基于Adam算法优化BP神经网络进行训练，提出了滤棒工艺指标预测的方法。通过在不同测试集上的多次验证，该模型精确性可以得到保证。