基于XGBoost算法的山东烟叶质量预测模型初探

为挖掘烟叶化学成分与感官质量之间的关系,探究机器学习算法在烟叶质量评价领域的应用效果,以山东烟叶为试验材料,开展了常规成分、生物碱、有机酸、多酚和单双糖等20项主要化学成分检测和感官质量评价,并根据感官质量优劣将其划分为好、中、差3个质量档次。利用遗传算法对XGBoost进行超参数寻优,建立了基于化学成分的山东烟叶质量档次预测模型,同时引入SHAP value模型解释框架进行全局解释与特征依赖分析。所建预测模型对山东烟叶质量档次判别准确率为85%,尤其对第3质量档次识别效果最佳。SHAP value全局解释表明,影响山东烤烟质量的7个特征指标贡献度排名为:酸酚比>蔗糖>氯>烟碱>降烟碱>柠檬酸>糖碱比,其中糖碱比、蔗糖、酸酚比分别为好、中、差质量档次判别贡献最大的化学指标。基于XGBoost算法的山东烟叶质量预测模型在烟叶质量档次判别应用中有效、可靠、可解释性强,对于烟叶质量评价和烟叶生产具有一定指导意义。

文山初烤烟叶主要理化指标与感官评吸质量的关系分析

为了明确初烤烟叶的主要理化指标与感官评吸质量的相关性,对感官评吸质量进行预测。在文山收集和检测了222份中部烟叶样品,并进行了典型相关和多元回归分析。结果表明:圆润感、余味、香气量、透发性与烟叶外观质量中的颜色、油分、身份有极强的相关性,选取的前两对有效典型变量的累积贡献率达98.13%;其次圆润感、刺激性、余味、透发性、杂气、香气量、干燥感与烟叶含梗率、叶宽、平衡含水率之间具有一定相关性,选取的前两对有效典型变量的累积贡献率达99.04%。香气量、透发性与烟叶常规化学成分中钾、糖碱比、烟碱之间也同样存在相关关系,选取的前两对有效典型变量的累积贡献率达93.29%;逐步回归分析建立的方程进一步表明,评吸总分与成熟度、平衡含水率、含梗率、总植物碱、还原糖、糖碱比、氮碱比、两糖比、钾氯比呈现正相关水平。综上所述,依据典型相关分析和回归分析得出的理化指标与感官评吸质量之间的回归方程可对感官评吸质量进行综合预测。