论文部分内容阅读
随着现代烟草农业生产技术对信息技术的依赖程度越来越高，如何将信息技术应用于烟草生产过程成为了目前烟草信息化建设的研究热点和难点。众所周知，烟草病虫害的防治是保证烟草质量、提高烟草产量和发展烟草生产的关键。
本论文的主要内容是将BP神经网络(Back Propagation Neural Network)和主成分分析(Principal Component Analysis，PCA)应用于烟草生产分析咨询系统中的烟草病虫害预测模块和烟草质量分析模块的设计和实现。
针对烟草病虫害预测模型的构建提出了基于多元逐步回归分析的动态BP神经网络方法来构建模型。该算法在BP神经网络算法的基础上进行了两点的扩展：
(1)增加了多元逐步回归分析预处理原始数据的过程，把由专家进行的因子选取转变为由多元逐步回归分析选取相关性较强的因子，降低了由于烟草专家的主观意愿给预测结果带来的影响同时增强了模型的准确性。
(2)在模型构建过程中考虑到病虫害的多样性和BP神经网络的复用性，利用抽象化模型设计的方法，针对不同的病虫害创建不同的神经网络预测模型。
采用该方法构建的模型通过了实验数据的验证，模型的预测值具有较高的准确率，基本满足了智能预测的要求。
针对烟草质量分析模型提出了采用主成分分析和回归分析相结合的方法来构建模型。采用主成分分析法对烟叶质量的所有属性进行分析，剔除了属性之间的内在联系和重复信息，把高维属性降维处理为包含了原属性大部分信息的低维主成分属性，将得到的主成分数据结合烟叶专家对烟叶质量的实际评分数据进行回归分析，建立了一个有效的烟叶质量分析模型。解决了以往单一的分析烟草的某种特性无法将分析的结果直接用于实际生产而且分析结果易受主观因素影响的问题。采用该方法构建的模型通过了实验数据的验证，具有比较高的准确性，同时构建的模型符合卷烟工业实际需求。
本论文构建的模型已经成功应用于广元市烟叶标准化生产分析决策咨询系统中，该系统已经正式投入使用，实际使用的结果具有较高的准确性。