基于UVE—SPA的卷烟味觉烟气成分分析

首先,运用组合各方法长处的思路,通过应用无信息变量消除法（UVE）和连续投影算法（SPA）对卷烟烟气中影响卷烟味觉特征的有效成分进行了选择,从而分别确定了影响卷烟甜味、酸味和苦味的主要成分,并以所选成分作为输入变量建立偏最小二乘（PLS）回归模型;然后,分别与采用所有烟气成分或仅采用UVE方法所选的烟气成分作为PLS模型输入的结果进行了比较。结果表明,通过采用UVE—SPA组合方法而选取的变量所建立的PLS模型具有更好的预测能力,从而证明了它在卷烟味觉烟气成分分析中有效性,并为卷烟烟气的进一步研究提供了理论基础。     

基于PLS-BP神经网络的卷烟味觉特征预测

基于线性方法与非线性方法结合的思路,应用偏最小二乘法(PLS)和误差反向传播(BP)人工神经网络算法研究卷烟烟气中化学成分对卷烟味觉特征的作用,并建立了基于PLS-BP神经网络的卷烟烟气味觉预测模型,分别对卷烟烟气的甜味、酸味和苦味3种主要味觉进行预测。结果表明,PLS-BP神经网络模型经过学习后,能够对卷烟烟气的味觉特征做出较为准确的预测,从而证明了应用PLS-BP神经网络模型对卷烟烟气味觉特征预测的有效性。