响应面法和 BP 神经网络在烟叶拉力测定中的应用

【目的】烟叶拉力是烟叶物理特性之一，反映烟叶的耐加工性，对烟叶拉力特性进行研究可为烟叶打叶复烤参数设置提供参考，进一步提高烟叶加工的经济效益。【方法】为提高质构仪测定烟叶拉力的稳定性和准确性，利用 Box-Behnken 原理设计三因素三水平参数，应用响应面法分析各参数对结果变异系数的影响，得到烟叶拉力测定的最优参数组合。研究含水率对烟叶拉力的影响，进一步建立烟叶含水率 X- 拉力 Y 的 BP 神经网络预测模型。【结果】响应面法分析结果显示，拉力变异系数受样品宽度的影响极显著，受测试速率影响显著，受触发力影响不明显，拉力测定的最优参数组合为样品宽度 10 mm、测试速率 0.5 mm/s、触发力 0.1 N，以此参数测定拉力的变异系数显著下降为 13.8%。烟叶的抗张强度随含水率的增大呈先增大后减小趋势，景东 C3F 含水率为 18.41% 时的抗张强度最大、为 0.456 N/mm，景东 C1F 含水率为 18.46% 时抗张强度仅为 0.288 N/mm；红河 C3F、普洱 C3F 含水率分别为 20.64%、18.47% 时的最大抗张强度分别为 0.447、0.310 N/mm；不同地区、等级烟叶的拉力存在差异。建立的烟叶含水率 X- 拉力 Y BP 神经网络预测模型，预测值与真实值吻合度较高，均方误差 MSE 为 0.04761，均方根误差 RMSE 为 0.2182。【结论】响应面分析法可用于分析烟叶拉力测定参数对结果的影响，优化后的结果稳定性提高；不同地区、等级烟叶的拉力差异显著，并且随含水率增大呈先增大后减小变化，可根据该规律选择合适的含水率，使烟叶耐加工性最佳；建立的 BP 神经网络模型的预测值误差较小、精度较好，可用于对烟叶拉力的预测。

Application of Response Surface Method and BP Neural Network in the Determination of Tobacco Leaves Tensile Force