KNN-KSR建模方法及其在卷烟主流烟气预测中的应用

提出在自变量空间寻找与未知样本最接近的K个已知样本，然后根据K个最近邻样本（KNN）与未知样本在自变量空间的关系去预测未知样本因变量的最优化保形映射方法（简称KNN—KSR）。以卷烟的稀释率、闭式吸阻、单支重、圆周、开式吸阻、硬度等6个物理指标及总糖、还原糖、总氮、总植物碱、氯等5个化学指标为自变量，以企业生产的595批卷烟测试数据为基础，采用KNN—KSR方法预测卷烟主流烟气中的焦油、CO、烟气烟碱，并将有关结果与传统多元线性回归（MLR）、主成分回归（PCR）及偏最小二乘（PLS）的结果进行了比较。留1/4样本检验结果表明：KNN—KSR方法各指标预测平均残差、平均相对误差（绝对值）、相关系数和准确率均优于传统的MLR、PCR及PLS的方法。以GB5606．5-2005所规定的误差范围为标准，用KNN—KSR方法对3个卷烟主流烟气指标的同时预测准确率可以达到94％。

KNN-KSR Mathematical Modeling Method and Its Application on Prediction of Mainstream Smoke of Cigarettes