基于RBF神经网络建立库存烟叶香型的预测模型
Chinese Tobacco Science（2016）
摘要
为建立库存烟叶香型预测模型,采用RBF神经网络方法,对川渝中烟2009—2011年库存烟叶样品的香型特征进行了分析建模.结果表明,不同香型烟叶在化学成分含量上存在差异,清香型烟叶糖含量明显高于其他香型,氯含量远低于浓香型;采用主成分分析消除各化学指标共线问题,并建立基于RBF神经网络的库存烟叶香型预测模型,其准确率高达90%;灵敏度检验表明,清香型烟叶模型灵敏度为最优,中间香型灵敏度较低.证明利用RBF神经网络可以较好地对烟叶的常规化学成分进行烟叶香型预测.
更多查看译文
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要