基于BP神经网络的通风率预测及影响因素分析制造技术

本发明专利技术涉及一种基于BP神经网络的通风率预测及影响因素分析。所述方法包括：对通风率有影响的环境因素进行选取并构造成BP神经网络训练的数据集、根据构造好的数据集进行BP神经网络的训练和搭建、调用搭建好的BP神经网络对某个环境参数下的通风率进行预测、调用搭建好的BP神经网络对每个环境因素对通风率大小产生的影响进行分析。实验测试结果表明本发明专利技术的有益效果为：在原有实验数据的基础上可以快速地对各个环境因素下的通风率大小进行预测，并且克服实验中难以准确控制环境条件的值的缺点，能清晰地显示出各环境因素对通风率的影响程度，预测精度高，适用性强，稳定可靠并且提高了效率。高了效率。高了效率。

【技术实现步骤摘要】
基于BP神经网络的通风率预测及影响因素分析


[0001]本专利技术专利涉及烟草行业通风率预测的
，具体涉及一种基于BP神经网络的通风率标准棒的通风率预测，并对影响通风率大小的环境因素进行分析。

技术介绍

[0002]通风率作为影响卷烟内在质量的重要指标，一直以来都是烟草行业重点研究内容。通风率的大小与有害气体的产生、卷烟的口感与滤嘴的过滤效率均有着密切的联系。为了标定不同测试台，使不同型号仪器间有标准可依，引进了通风率标准棒作为检定仪器的标准件。通风率标准棒作为仪器的标准件，其特性影响着仪器的精确度，间接影响了香烟的品质。2002年，国家烟草专卖局颁布了《烟草专用通风率标准棒检定规程》规定了通风率标准棒的检定步骤及检定周期。
[0003]对卷烟通风率的研究已经有了很多的成果，但大多都是对于卷烟材料的研究，没有对实验用到的通风率标准棒和流量测量仪器的环境因素的影响有很好的研究。然而烟草通风率受实际环境条件影响较大，大气压力、温度、空气的相对湿度，通入的总流量都会对通风率产生一定影响。在2004年时，范黎，苗芊，赵航等就不同地域环境大气压力差异对卷烟吸阻和滤棒压降测量结果的影响做了相关的实验，发现当环境条件的改变超过标准条件时，需要考虑环境因素的影响。通过实验的方法，可以测得通风率标准棒在相应环境条件下的通风率大小，但很难准确控制环境条件值，并且随着实验时间的增长，实验结果容易产生误差，难以准确分析出环境条件的影响。专利技术专利内容
[0004]本专利技术专利的目的是为了实现在有以往实验数据的条件下对通风率标准棒在某种环境条件下的通风率大小进行快速预测，并且克服实验中难以准确控制环境条件的值的缺点，预测精度高，适应性强。
[0005]为了实现上述目的，本专利技术采用的技术方案是：基于BP神经网络的通风率预测及影响因素分析，具体的技术方案实施步骤如下：
[0006]步骤S1：根据局部损失公式及气体的粘度、密度公式，筛选每次实验记录下的实验数据，选出其中影响通风率大小的环境参数，包括环境压力P，环境湿度RH％,环境温度T及总流量Q,作为神经网络的输入参数并构造用于BP神经网络训练的数据集。
[0007]步骤S2：将影响通风率大小的环境因素作为BP神经网络的输入，通风率的值作为BP神经网络的输出，进行BP神经网络的训练，在训练完成后，即可获得一个搭建好可以调用的BP神经网络。根据输入的环境因素的值，就可以预测出对应条件下的通风率值。
[0008]步骤S3：调用S2步骤中搭建好的BP神经网络，当想要知道某个环境参数下的通风率值，把对应的环境因素值作为输入输进神经网络，就可预测出这个环境因素下对应的通风率值大小。
[0009]步骤S4：调用S2步骤中搭建好的BP神经网络对每个环境因素对通风率大小产生的影响进行分析。
[0010]所述步骤S1中确定预测模型中的输入参数包括：1)环境压力P。在只有沿程阻力损失的前提下，通风率标准棒的通风率值大小只与其自身的尺寸有关系。当考虑被忽略的局部损失时，会发现局部损失与流体的动能有关。根据公式ρ(P,T)(kg/m3)＝2.032
×
10
‑1‑
7.137
×
10
‑4×
T(K)+2.281
×
10
‑5×
P(Pa)
‑
3.728
×
10
‑8×
T(K)
×
P(Pa)，可以得知气体的密度与环境压力有关，所以环境压力的大小会对通风率的大小产生影响。2)环境湿度RH％。根据1)中说的局部损失的大小与流体的动能有关，再根据公式μ(T,H)(Pa
·
s)＝4.103
×
10
‑6+4.587
×
10
‑8×
T(K)
‑
4.944
×
10
(
‑
10)
×
RH(％)，可以得知气体的粘度与环境湿度有关，所以环境湿度的大小会对通风率的大小产生影响。3)环境温度T。根据1)和2)中的公式，可以得知气体的密度和粘度均与环境温度也有关，所以环境温度的大小会对通风率的大小产生影响。4)总流量Q。根据局部损失公式气体的流速对整个局部阻力损失有较大影响，它们呈二次方关系。所以总流量的大小会对通风率的大小产生影响。
[0011]所述步骤S2中的BP神经网络的搭建步骤为：步骤S2.1：给输入层与隐含层、隐含层与输出层的连接权值、阈值分别赋一个区间(
‑
1，1)内的随机数，设定误差函数，给定计算精度值和最大学习次数；步骤S2.2：随机选取一个输入样本及对应期望输出，计算隐含层和输出层的各神经元的输入及输出；步骤S2.3：利用网络期待输出和实际输出计算误差函数对输出层的各神经元的偏导数；步骤S2.4：利用隐含层到输出层的连接权值、输出层的偏导数和隐含层的输出计算误差函数对隐含层各神经元的偏导数；步骤S2.5：利用输出层各神经元的偏导数和隐含层各神经元的输出来修正隐含层与输出层的连接权值，阈值；步骤S2.6：利用隐含层各神经元的偏导数和输入层各神经元的输入修正输入层与隐含层的连接权值、阈值；步骤S2.7：计算全局误差；步骤S2.8：判断网络误差是否满足要求。当误差达到预设精度或学习次数大于设定的最大次数，则结束算法。否则，选取下一个学习样本及对应的期望输出，返回到步骤S2.2，进入下一轮学习。
[0012]所述步骤S3中的基于BP神经网络的通风率预测步骤为：步骤S3.1：根据选定的环境影响因素，将实验数据整理为BP神经网络的输入与输出格式，并把前80％的数据作为训练集，后20％作为测试集验证网络预测精度；步骤S3.2：根据输入与输出个数设定神经网络参数，进行BP神经网络的训练；步骤S3.3：在建立好符合误差要求的神经网络之后，输入环境压力、湿度、温度及总流量的值，预测相应的通风率值。
[0013]所述步骤S4中的调用搭建好的BP神经网络对每个环境因素对通风率大小产生的影响进行分析的具体步骤为：
步骤S4.1：当研究某一个环境因素对通风率的影响时，采用控制变量法的思想，控制其他环境影响因素为标况下的数值不变，该环境因素在某个区间范围内以固定步长逐渐增大，并把这组环境因素数据整理为BP神经网络的输入形式。步骤S4.2：调用S2步骤中训练好的BP神经网络，将这组环境条件作为输入输进神经网络。根据输出的通风率大小就可以得到该环境因素对通风率的影响，通过作图就可以清晰地看出通风率大小随该环境因素变化而产生的变化趋势。步骤S4.3：在分析其他几个环境因素的影响时，只要选择对应的环境因素重复步骤S4.1及S4.2即可，直到分析完每个因素对通风率的影响。
[0014]步骤S4.1中的标况为：环境温度温度为22℃，环境压力为101325Pa，环境湿度为60％，总流量为17.5ml/s。
[0015]本专利技术的有益效果是：只要有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BP神经网络的通风率预测及影响因素分析，其内容包括：步骤S1对通风率有影响的环境因素进行选取并构造成BP神经网络训练的数据集、步骤S2根据构造好的数据集进行BP神经网络的训练和搭建、步骤S3调用搭建好的BP神经网络对某个环境参数下的通风率进行预测、步骤S4调用搭建好的BP神经网络对每个环境因素对通风率大小产生的影响进行分析。2.根据权利要求1所述的步骤S1对通风率有影响的环境因素进行选取及数据集构造，其特征在于，根据公式可以得到局部损失与流体的动能有关。再根据气体的密度公式ρ(P,T)(kg/m3)＝2.032
×
10
‑1‑
7.137
×
10
‑4×
T(K)+2.281
×
10
‑5×
P(Pa)
‑
3.728
×
10
‑8×
T(K)
×
P(Pa)及气体粘度公式μ(T,H)(Pa
·
s)＝4.103
×
10
‑6+4.587
×
10
‑8×
T(K)
‑
4.944
×
10
(
‑
10)
×
H(％)，可以得到气体的...

【专利技术属性】
技术研发人员：沈俊祎，张凯，史占东，张鹏飞，于千源，杨荣超，曾波，苗芊，张勍，赵航，
申请(专利权)人：中国烟草总公司郑州烟草研究院，
类型：发明
国别省市：