【技术实现步骤摘要】
本专利技术涉及烤烟的打叶复烤出片率特征选择，尤其涉及到提高烤烟打叶复烤出片率预测模型准确性的特征选择方法，包括理化指标、相关性分析和特征选择。
技术介绍
1、出片率是指在打叶复烤过程中，烟叶原料经过加工处理后，所得到的片烟重量占原料烟叶标准重量的百分比。打叶复烤是烤烟加工生产中必不可少的重要环节，不仅是将片烟与烟梗进行简单的分离，打叶复烤后合理的叶片结构是产品质量的重要保障，打叶复烤出片率也是加工企业最为关注的经济技术指标。影响打叶复烤出片率的主要因素有烟叶物理特性、打叶设备性能和打叶过程中工艺参数。
2、烟叶的物理特性，如叶片结构、含水量、厚度、密度及剪接力、穿透力等力学特性，都会对打叶复烤出片率产生显著影响。烟叶的化学特性对与物理特性也有一定程度的影响，如烟叶总氮和灰分高的烟叶抗破碎性较差，还原糖含量较高的烟叶与抗破碎性较好，从而对出片率产生影响。
3、真空回潮机、润叶机、打叶机及复烤机等关键设备性能直接影响出片率，如不同厂家设备、设备使用时间及维修保养质量都对出片率有较大影响。打叶过程中工艺参数包括打辊转速、打击力度及烟叶含水量等。适度提升打辊转速有利于提高出片率，但过高会导致烟叶过度造碎，减少出片率。烟叶含水量是指烟叶在打叶前的水分含量，合理的烟叶含水量有利于提高打叶复烤出片率，烟叶含水量过高过低都不利于打叶复烤出片率提升。
4、对于复烤厂来说打叶机设备性能与打叶过程中工艺参数是相对恒定的，因此需要从烟叶原料的物理、化学指标中找到影响打叶复烤出片率的特征。
5、申请号为20
技术实现思路
1、针对难以选择出用于烤烟打叶复烤出片率预测模型的特征的技术问题，本专利技术提出一种面向烤烟打叶复烤出片率预测模型的特征选择方法，通过对烟叶原料的物理、化学指标进行检测，创新性的开展烟叶物理、化学指标与打叶复烤出片率的关联分析，从众多的物理、化学指标中挑选出具有显著特征的指标，建立打叶复烤出片率预测模型，从而实现烤烟打叶复烤出片率的准确预测。
2、为了达到上述目的，本专利技术的技术方案是这样实现的：
3、一种面向烤烟打叶复烤出片率预测模型的特征选择方法，包括：
4、步骤1：通过加工多批次烟叶采集q个烟叶的特征和相应的打叶复烤出片率数据；
5、步骤2：通过皮尔逊相关性分析在q个烟叶的特征中选择出q1个与打叶复烤出片率有相关性的特征，通过回归分析建立皮尔逊预测模型；
6、步骤3：通过肯德尔相关性分析在q个烟叶的特征中选择出q2个与打叶复烤出片率有相关性的特征，并通过回归分析建立肯德尔预测模型；
7、步骤4：通过斯皮尔曼相关性分析在q个烟叶的特征中选择出q3个与打叶复烤出片率有相关性的特征，并通过回归分析建立斯皮尔曼预测模型；
8、步骤5：分别计算皮尔逊预测模型、肯德尔预测模型、斯皮尔曼预测模型的误差占比，分别获得皮尔逊相关性分析、肯德尔相关性分析，斯皮尔曼相关性分析的可信度；
9、步骤6：根据步骤5获得的可信度，分别计算皮尔逊相关性分析、肯德尔相关性分析、皮尔斯曼相关性分析对应的权重，从而计算出q个烟叶的特征的综合相关性与综合显著性，设定显著性检验的显著性临界值为0.05，最终选择出q4个用于烤烟打叶复烤出片率模型的特征。
10、所述综合相关性r＝w1r+w2τ+w3ρ，综合显著性rp＝w1rp+w2τp+w3ρp，rp为皮尔逊相关性分析的显著性，τp为肯德尔相关性分析的显著性，ρp为斯皮尔曼相关性分析的显著性，w1为皮尔逊相关性分析的权重，w2为肯德尔相关性分析的权重，w3为斯皮尔曼相关性分析的权重。
11、所述步骤2的实现方法为：
12、步骤2.1：分别计算q个烟叶的特征与打叶复烤出片率的皮尔逊相关系数；
13、步骤2.2：对皮尔逊相关系数进行显著性检验获得显著性，根据皮尔逊系数在q个烟叶的特征中选择出与打叶复烤出片率显著相关的q1个特征，通过回归分析建立皮尔逊预测模型并计算皮尔逊预测模型的均方误差；
14、设定皮尔逊卡方检验的显著性水平阈值为0.05。
15、所述步骤3的实现方法为：
16、步骤3.1：分别计算q个烟叶的特征与打叶复烤出片率的肯德尔相关系数；
17、步骤3.2：对肯德尔相关系数进行显著性检验获得显著性，根据肯德尔相关系数在q个烟叶的特征中选择出与打叶复烤出片率显著相关的q2个特征，通过回归分析建立肯德尔预测模型并计算肯德尔预测模型的均方误差；
18、设定肯德尔相关系数卡方检验的显著性水平阈值为0.05。
19、所述步骤4的实现方法为：
20、步骤4.1：分别计算q个烟叶的特征与打叶复烤出片率的斯皮尔曼相关系数；
21、步骤4.2：对斯皮尔曼相关系数进行显著性检验获得显著性，根据斯皮尔曼相关系数在q个烟叶的特征中选择出与打叶复烤出片率显著相关的q3个烟叶的特征，通过回归分析建立斯皮尔曼预测模型并计算斯皮尔曼预测模型的均方误差；
22、设定斯皮尔曼相关系数卡方检验的显著性水平为0.05。
23、所述皮尔逊相关系数计算方法为：rk为第k个特征的皮尔逊相关系数，表示第i个烟叶样本的第k个特征值，yi表示第i个烟叶样本的打叶复烤出片率，n为样本个数，表示所有烟叶样本的在第k个特征上的平均值，表示所有样本打叶复烤出片率的均值。
24、所述肯德尔相关系数计算方法为：式中，τg是第g个特征的肯德尔相关系数，e为观测值的数量，是第g个特征的第l个观测值的等级，rank(yj)是标签第j个观测值的等级，是对所有可能的特征与标签组合进行比较，计算等级差绝对值的和。
25、所述斯皮尔曼相关系数计算方法为：是第f个特征的第s个观测值的等级排名与标签排名的等级差，e是观测值的数量，ρf为第f个特征与打叶复烤出片率之间的肯德尔相关系数。
26、所述误差占比＝预测模型的均方误差/总误差，总误差＝皮尔逊预测模型的均方误差+肯德尔预测模型的本文档来自技高网...
【技术保护点】
1.一种面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，包括：
2.根据权利要求1所述的面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，所述综合相关性R＝W1r+W2τ+W3ρ，综合显著性Rp＝W1rp+W2τp+W3ρp，rp为皮尔逊相关性分析的显著性，τp为肯德尔相关性分析的显著性，ρp为斯皮尔曼相关性分析的显著性，W1为皮尔逊相关性分析的权重，W2为肯德尔相关性分析的权重，W3为斯皮尔曼相关性分析的权重。
3.根据权利要求1所述的面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，所述步骤2的实现方法为：
4.根据权利要求3所述的面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，所述步骤3的实现方法为：
5.根据权利要求4所述的面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，所述步骤4的实现方法为：
6.根据权利要求5所述的面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，所述皮尔逊相关系数计算方法为：rk为第k个特征的皮尔逊相关系数，表示第i个烟叶样本的第k个特
7.根据权利要求6所述的面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，所述肯德尔相关系数计算方法为：式中，τg是第g个特征的肯德尔相关系数，e为观测值的数量，是第g个特征的第l个观测值的等级，rank(yj)是标签第j个观测值的等级，是对所有可能的特征与标签组合进行比较，计算等级差绝对值的和。
8.根据权利要求7所述的面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，所述斯皮尔曼相关系数计算方法为：是第f个特征的第s个观测值的等级排名与标签排名的等级差，e是观测值的数量，ρf为第f个特征与打叶复烤出片率之间的肯德尔相关系数。
9.根据权利要求8所述的面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，所述误差占比＝预测模型的均方误差/总误差，总误差＝皮尔逊预测模型的均方误差+肯德尔预测模型的均方误差+斯皮尔曼预测模型的均方误差，所述可信度＝100％-误差占比。
10.根据权利要求2或9所述的面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，所述权重的计算方法为：Wu为对应相关性分析的权重，hu为对应相关性分析的可信度，u＝1，2，3分别对应皮尔逊相关性分析，肯德尔相关性分析，斯皮尔曼相关性分析。
...【技术特征摘要】
1.一种面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，包括：
2.根据权利要求1所述的面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，所述综合相关性r＝w1r+w2τ+w3ρ，综合显著性rp＝w1rp+w2τp+w3ρp，rp为皮尔逊相关性分析的显著性，τp为肯德尔相关性分析的显著性，ρp为斯皮尔曼相关性分析的显著性，w1为皮尔逊相关性分析的权重，w2为肯德尔相关性分析的权重，w3为斯皮尔曼相关性分析的权重。
3.根据权利要求1所述的面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，所述步骤2的实现方法为：
4.根据权利要求3所述的面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，所述步骤3的实现方法为：
5.根据权利要求4所述的面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，所述步骤4的实现方法为：
6.根据权利要求5所述的面向烤烟打叶复烤出片率预测模型的特征选择方法，其特征在于，所述皮尔逊相关系数计算方法为：rk为第k个特征的皮尔逊相关系数，表示第i个烟叶样本的第k个特征值，yi表示第i个烟叶样本的打叶复烤出片率，n为样本个数，表示所有烟叶样本的在第k个特征上的平均值，表示所有样本打叶...
【专利技术属性】
技术研发人员：冯永新，崔英，白力，王健，丁佳，安泉成，李萌，李科都，张伟伟，
申请(专利权)人：河北中烟工业有限责任公司，
类型：发明
国别省市：
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。