基于隨機(jī)森林算法的煙葉化學(xué)成分預(yù)測(cè)模型研究

摘 要 煙葉化學(xué)成分影響因子眾多，尤以生長(zhǎng)環(huán)境、品種和等級(jí)影響較大。通過收集楚雄卷煙廠2020—2022年入庫(kù)煙葉煙堿、總糖、總氮、氯共4項(xiàng)化學(xué)質(zhì)量數(shù)據(jù)，并選取對(duì)應(yīng)的煙葉品種、等級(jí)和地理、生態(tài)等生長(zhǎng)環(huán)境影響因子作為數(shù)據(jù)源，利用隨機(jī)森林算法，對(duì)煙葉中的煙堿、總糖、總氮、氯4項(xiàng)化學(xué)成分建立預(yù)測(cè)模型，并在數(shù)據(jù)源中隨機(jī)抽取9 550個(gè)樣品對(duì)模型進(jìn)行訓(xùn)練和調(diào)優(yōu)。通過建模分析和模型驗(yàn)證，煙葉中煙堿、總糖、總氮成分的預(yù)測(cè)精準(zhǔn)度都在83%以上。煙堿預(yù)測(cè)模型真實(shí)值與預(yù)測(cè)值之間相關(guān)性最強(qiáng)，擬合度最高，其精準(zhǔn)度也較高，模型的預(yù)測(cè)效果最好；總糖預(yù)測(cè)模型雖然精準(zhǔn)度較高，但其真實(shí)值與預(yù)測(cè)值的擬合度較低；氯的預(yù)測(cè)精準(zhǔn)度為36.09%，為4項(xiàng)化學(xué)指標(biāo)中精度最低者。預(yù)測(cè)結(jié)果對(duì)楚雄煙葉種植基地的化學(xué)品質(zhì)的評(píng)估具有參考意義，可指導(dǎo)楚雄卷煙廠生產(chǎn)基地規(guī)劃、優(yōu)質(zhì)特色品種煙葉適種區(qū)域的界定。

關(guān)鍵詞 煙葉； 隨機(jī)森林算法； 預(yù)測(cè)模型； 化學(xué)質(zhì)量

中圖分類號(hào)：S571 文獻(xiàn)標(biāo)志碼：A DOI：10.19415/j.cnki.1673-890x.2024.01.001

煙葉的化學(xué)質(zhì)量是評(píng)價(jià)其工業(yè)可用性的核心要素，也是卷煙工業(yè)中從農(nóng)戶種植到配方投料都必須嚴(yán)格把控的關(guān)鍵，對(duì)不同的種植環(huán)境和不同品種的煙葉進(jìn)行化學(xué)質(zhì)量評(píng)價(jià)是了解煙草品質(zhì)和發(fā)展新品種的先決條件。原料生產(chǎn)過程中的質(zhì)量指標(biāo)直接影響最終的工業(yè)可用性[1]。

周金仙在研究中表明，不同的生態(tài)環(huán)境對(duì)同一品種煙葉的化學(xué)成分質(zhì)量有很大的影響，對(duì)于不同的生長(zhǎng)環(huán)境，其化學(xué)成分存在明顯差異[2]。煙葉種植經(jīng)驗(yàn)和前期研究成果也證明，煙草喜溫?zé)岘h(huán)境，一般需要在年平均溫度為16～22 ℃的條件下生長(zhǎng)，如果氣候過冷或過熱，煙葉的生長(zhǎng)均會(huì)受到影響，從而影響其質(zhì)量；煙草需要富含有機(jī)質(zhì)和養(yǎng)分的土壤，這有利于煙葉生長(zhǎng)和煙葉中化學(xué)成分的積累，不同土壤類型和土壤質(zhì)量會(huì)影響煙葉的質(zhì)量；適宜的降雨量對(duì)于煙草的生長(zhǎng)和發(fā)育非常重要，降水量太少或太多都不利于煙葉的生長(zhǎng)，會(huì)影響煙葉的質(zhì)量；煙草在高海拔地區(qū)生長(zhǎng)時(shí)，光照會(huì)更加充足，但氣溫更低，這也會(huì)影響煙葉的質(zhì)量。王蘅等[3]在不同品種烤后煙葉質(zhì)量評(píng)價(jià)研究中也得出其化學(xué)成分差異較大。因此，煙葉的化學(xué)成分對(duì)生長(zhǎng)環(huán)境、煙葉品種、等級(jí)等都存在較大的依賴性。通過各影響因子對(duì)煙葉化學(xué)成分指標(biāo)進(jìn)行預(yù)測(cè)，在生產(chǎn)中具有較大的指導(dǎo)意義。

研究引入大數(shù)據(jù)和計(jì)算機(jī)深度學(xué)習(xí)的思想，以隨機(jī)森林算法（Random Forest）作為核心技術(shù)，旨在利用當(dāng)前計(jì)算機(jī)新技術(shù)和數(shù)據(jù)處理框架，通過煙葉生長(zhǎng)環(huán)境因子和煙葉品種等指標(biāo)，實(shí)現(xiàn)對(duì)包含煙堿、總糖、總氮、氯在內(nèi)的煙葉化學(xué)成分的模型預(yù)測(cè)。

根據(jù)《紅塔集團(tuán)楚雄基地?zé)熑~特色化研究及工業(yè)可用性潛力挖掘》的研究成果描述，楚雄州地處低緯高原，屬溫帶、亞熱帶季風(fēng)氣候區(qū)，烤煙種植主要集中在海拔1 500～2 100 m的中亞熱帶至南溫帶之間，優(yōu)質(zhì)煙區(qū)大多分布在海拔1 600～1 900 m的北亞熱帶，基于楚雄地形復(fù)雜，地理環(huán)境特殊，海拔差異大，具有光照充足、光質(zhì)良好、光能潛力很大，氣候溫和、四季春秋、溫度有效性高，雨量偏少、干濕分明、降水利用率低，類型復(fù)雜、溫?zé)峒鎮(zhèn)?、烤煙氣候立體等特點(diǎn)，引入該區(qū)域海拔、年平均氣溫、5—9月平均氣溫、7月平均氣溫、≥10 ℃積溫、5—9月≥10 ℃積溫、年降雨量、5—9月降雨量、7月平均降雨量等地理和氣象因子作為影響煙葉化學(xué)成分的關(guān)鍵指標(biāo)。

本研究所用的隨機(jī)森林算法是信息技術(shù)中一種基于決策樹的機(jī)器學(xué)習(xí)分類器算法，隸屬于Spark機(jī)器學(xué)習(xí)庫(kù)MLLib，具有預(yù)測(cè)精準(zhǔn)度高、抗干擾能力強(qiáng)、模型訓(xùn)練速度快等優(yōu)勢(shì)。盧沛臨等應(yīng)用隨機(jī)森林算法，實(shí)現(xiàn)了煙葉復(fù)烤打葉工藝參數(shù)優(yōu)化[4]；鄂旭等利用隨機(jī)森林算法，實(shí)現(xiàn)了水產(chǎn)品冷鏈物流鮮度預(yù)測(cè)模型[5]。以上研究都證明，隨機(jī)森林算法在處理多影響因子對(duì)指標(biāo)的預(yù)測(cè)時(shí)可靠性較高。

1" 材料與方法

1.1" 試驗(yàn)材料

以IntelliJ IDEA 2022.2作為程序開發(fā)環(huán)境，通過引入Spark機(jī)器學(xué)習(xí)庫(kù)MLLib，搭建隨機(jī)森林模型算法平臺(tái)，并以此為軟件平臺(tái)開展模型搭建和試驗(yàn)。研究所采用的數(shù)據(jù)源為紅塔集團(tuán)楚雄卷煙廠提供的2020—2022年煙葉等級(jí)、品種與對(duì)應(yīng)的化學(xué)質(zhì)量數(shù)據(jù)和楚雄州各鄉(xiāng)鎮(zhèn)地理與生態(tài)環(huán)境數(shù)據(jù)。

1.2" 試驗(yàn)方法

1.2.1" 指標(biāo)測(cè)定

以楚雄卷煙廠2020—2022年入庫(kù)煙葉的煙堿、總糖、總氮、氯含量數(shù)據(jù)和楚雄州各鄉(xiāng)鎮(zhèn)的種植環(huán)境數(shù)據(jù)作為模型建立樣本數(shù)據(jù)，樣本煙葉品種包括K326、NC297、Y87，等級(jí)包含所有上等煙、中等煙和下等煙，共9 650個(gè)。樣品的化學(xué)成分通過近紅外光譜檢測(cè)設(shè)備檢測(cè)得到。種植環(huán)境因子數(shù)據(jù)包括海拔、年平均氣溫等9個(gè)指標(biāo)，煙葉屬性包括品種和等級(jí)（見表1）。

1.2.2" 分析方法

隨機(jī)森林算法（Random Forest），簡(jiǎn)稱RF，是利用多決策樹對(duì)樣本進(jìn)行訓(xùn)練并預(yù)測(cè)的一種集成學(xué)習(xí)分類算法，要實(shí)現(xiàn)每一個(gè)樣本的預(yù)測(cè)，就需要將樣本輸入到每一棵決策樹中進(jìn)行分類，最終獲得分類結(jié)果。隨機(jī)森林算法具有較高的準(zhǔn)確性，可用于回歸、分類和聚類問題的求解[6]。此外，由于其具有易于實(shí)現(xiàn)和快速訓(xùn)練的特點(diǎn)，可在大規(guī)模數(shù)據(jù)處理和實(shí)時(shí)決策等方面廣泛應(yīng)用。

1.2.2.1 算法流程

抽取訓(xùn)練數(shù)據(jù)集：從原始數(shù)據(jù)集中隨機(jī)抽取一定量的樣本作為訓(xùn)練樣本，這些樣本將被用于生成決策樹。本次試驗(yàn)從9 650個(gè)樣品中隨機(jī)抽取9 550個(gè)樣品作為訓(xùn)練樣本數(shù)據(jù)集，并將剩余的100個(gè)樣品作為測(cè)試數(shù)據(jù)（袋外數(shù)據(jù)）。

特征選擇：對(duì)于每個(gè)決策樹節(jié)點(diǎn)，在該節(jié)點(diǎn)需要測(cè)試一個(gè)特征時(shí)，僅從所有特征的子集中選取最佳的特征。本次試驗(yàn)中，所有測(cè)試的特征包括指標(biāo)測(cè)定中所有煙葉化學(xué)質(zhì)量的影響因子。

決策樹生成：根據(jù)特征選擇方式生成多個(gè)決策樹，并通過調(diào)整樹的最大深度、樹的個(gè)數(shù)等方式優(yōu)化決策樹的性能。本次試驗(yàn)中，模型決策樹的最大深度默認(rèn)值為5，樹的個(gè)數(shù)默認(rèn)值為20。

決策樹集成：將所有生成的決策樹通過權(quán)值加權(quán)等方式組合起來，得出最終分類結(jié)果。通過決策樹的集成，最終生成分類預(yù)測(cè)模型，從而預(yù)測(cè)煙葉中總糖、煙堿、總氮、氯的含量。

1.2.2.2 模型訓(xùn)練

我們?cè)谒惴ú渴瓠h(huán)境搭建完成的基礎(chǔ)上，利用種植環(huán)境數(shù)據(jù)和與其對(duì)應(yīng)的化學(xué)質(zhì)量數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集。設(shè)置算法參數(shù)，將煙葉品種等級(jí)、生長(zhǎng)地理環(huán)境因子、生態(tài)因子作為模型訓(xùn)練的輸入指標(biāo)，并分別將化學(xué)成分中的總糖、煙堿、總氮、氯作為模型預(yù)測(cè)標(biāo)簽列，通過調(diào)用程序內(nèi)置接口完成模型訓(xùn)練。

1.2.2.3 模型部署和調(diào)用

將開發(fā)完成的評(píng)價(jià)模型訓(xùn)練程序部署成AI應(yīng)用，完成后通過API接口的形式訪問和調(diào)用。在實(shí)際的驗(yàn)證和應(yīng)用中，將9項(xiàng)生長(zhǎng)環(huán)境影響因子作為參數(shù)，并調(diào)用該API接口，參數(shù)以Json的數(shù)據(jù)格式與模型進(jìn)行交互，等待模型完成計(jì)算后即可返回預(yù)測(cè)結(jié)果。調(diào)用模型的Json數(shù)據(jù)格式示例如下：

{\"data\"： {

\"req_data\"：

[{

\"海拔\"：1 780，\" 年平均氣溫\"：15.5，\" 5—9月平均氣溫\"：19.7，\" 7月平均氣溫\"：20.9，\" ≥10 ℃積溫\"：4 884.6，\" 5—9月≥10 ℃積溫\"：3 014.1，\" 年降雨量\"：825，\" 5—9月降雨量\"：667，\" 品種\"：\"Y87\"，\"等級(jí)\"：\"C3F\"}]

}}

1.2.2.4 模型評(píng)價(jià)與優(yōu)化

在預(yù)測(cè)和回歸過程中，利用均方根誤差（以RMSE表示）和精準(zhǔn)度（A）作為模型評(píng)價(jià)指標(biāo)[7]，從質(zhì)量數(shù)據(jù)表中另外抽取100個(gè)不包含于訓(xùn)練數(shù)據(jù)集中的樣品作為模型測(cè)試樣品，通過對(duì)模型的調(diào)用，得到每個(gè)樣品化學(xué)成分的預(yù)測(cè)值，并結(jié)合其實(shí)際值計(jì)算得出RMSE。相對(duì)均方根誤差是用來衡量觀測(cè)值和真實(shí)檢測(cè)值之間的相對(duì)偏差，值越小，證明模型預(yù)測(cè)越精準(zhǔn)。

式（1）、式（2）中，n為樣本數(shù)量，[yi]為樣品化學(xué)指標(biāo)真實(shí)值，[yi_p]為樣品化學(xué)指標(biāo)預(yù)測(cè)值。

模型的優(yōu)化主要通過調(diào)整模型超參，并依據(jù)調(diào)整后模型的均方根誤差和判定系數(shù)進(jìn)行評(píng)估，以此驗(yàn)證整個(gè)模型的精準(zhǔn)度，最后找到精準(zhǔn)度最高的超參值。我們通過對(duì)模型超參的不斷調(diào)整，最終找出均方根誤差最小的超參。模型主要需要優(yōu)化的超參包括決策樹的最大深度和樹的個(gè)數(shù)。模型優(yōu)化過程通過對(duì)每一個(gè)超參制定試驗(yàn)數(shù)據(jù)集，并通過組合后循環(huán)生成模型的方式進(jìn)行[8]。通過進(jìn)一步的模型優(yōu)化，最終的預(yù)測(cè)模型評(píng)價(jià)結(jié)果如表2。

根據(jù)模型評(píng)價(jià)結(jié)果可知，應(yīng)用隨機(jī)森林預(yù)測(cè)模型對(duì)煙堿、總糖和總氮的預(yù)測(cè)精準(zhǔn)度分別達(dá)到83.75%、85.37%和86.44%，預(yù)測(cè)效果較好，但氯的預(yù)測(cè)精準(zhǔn)度較低。

2" 結(jié)果與分析

通過測(cè)試數(shù)據(jù)，對(duì)最終優(yōu)化后的預(yù)測(cè)模型進(jìn)行驗(yàn)證，結(jié)果如圖1～圖4。圖中的點(diǎn)距離直線y=x越近，證明其預(yù)測(cè)越精準(zhǔn)。通過線性回歸和數(shù)據(jù)相關(guān)性分析，煙堿預(yù)測(cè)模型的真實(shí)值和預(yù)測(cè)值之間相關(guān)系數(shù)為0.68，總糖為0.13，總氮為0.49，氯為0.47。由此可知，煙堿預(yù)測(cè)模型真實(shí)值與預(yù)測(cè)值之間相關(guān)性最強(qiáng)，擬合度最高，而其精準(zhǔn)度也較高，模型的預(yù)測(cè)效果最好?？偺穷A(yù)測(cè)模型雖然精準(zhǔn)度較高，但其真實(shí)值與預(yù)測(cè)值的擬合度較低，這可能與總糖含量本身的變異系數(shù)較小有關(guān)，模型的總體效果不佳。測(cè)試樣本真實(shí)值與模型預(yù)測(cè)值的對(duì)比情況如圖5～圖8。

3" 討論與結(jié)論

3.1nbsp; 討論

在大數(shù)據(jù)、人工智能等新技術(shù)發(fā)展迅速的今天，人們的生產(chǎn)和生活方式發(fā)生了巨大的變革，也讓我們有了新的思路去解決生產(chǎn)中的各類問題。在當(dāng)前，新型技術(shù)的應(yīng)用已經(jīng)不再是專業(yè)技術(shù)人員才能接觸的領(lǐng)域，現(xiàn)有的各類人工智能和大數(shù)據(jù)框架越來越簡(jiǎn)單適用，加之不斷發(fā)展和成熟的開源技術(shù)環(huán)境，新型技術(shù)的學(xué)習(xí)和應(yīng)用成本也在不斷降低。

煙草作為我國(guó)主要的經(jīng)濟(jì)產(chǎn)業(yè)，對(duì)質(zhì)量的控制一直是原料生產(chǎn)的核心，特別是加工企業(yè)對(duì)煙葉均質(zhì)化加工要求越來越高的今天，原料的質(zhì)量對(duì)卷煙加工配方?jīng)Q策有著關(guān)鍵性的作用，而煙葉質(zhì)量的各項(xiàng)指標(biāo)又影響著煙葉的總體協(xié)調(diào)性。對(duì)煙葉質(zhì)量進(jìn)行科學(xué)的預(yù)測(cè)和評(píng)價(jià)，有助于進(jìn)一步指導(dǎo)煙區(qū)規(guī)劃，從而更加精細(xì)化地支撐卷煙生產(chǎn)配方質(zhì)量，提升煙葉的均質(zhì)化生產(chǎn)水平。

本次試驗(yàn)將當(dāng)前大數(shù)據(jù)與人工智能新型技術(shù)用于煙葉的質(zhì)量綜合評(píng)價(jià)中，通過模型的建立和驗(yàn)證，證明了在煙葉質(zhì)量評(píng)價(jià)應(yīng)用場(chǎng)景中，所用技術(shù)具有較高的適用性，為煙葉的質(zhì)量預(yù)測(cè)探索了新的思路。

3.2" 結(jié)論

通過隨機(jī)森林模型對(duì)煙葉化學(xué)指標(biāo)預(yù)測(cè)的模型建立，對(duì)測(cè)試樣本導(dǎo)入模型并完成4項(xiàng)指標(biāo)的預(yù)測(cè)。通過模型評(píng)價(jià)和優(yōu)化，確定了模型決策樹的超參數(shù)。對(duì)輸出的模型進(jìn)行線性回歸分析，煙堿、總糖、總氮的預(yù)測(cè)結(jié)果精準(zhǔn)度都在83%以上；總糖預(yù)測(cè)雖精準(zhǔn)度較高，但其預(yù)測(cè)值和真實(shí)值的相關(guān)系數(shù)較低，整體預(yù)測(cè)擬合度較低，有待進(jìn)一步研究原因并制定優(yōu)化方案；而氯含量的預(yù)測(cè)精準(zhǔn)度較低，可能與訓(xùn)練樣本氯的變異系數(shù)過大有關(guān)。對(duì)不同基地和品種煙草的化學(xué)質(zhì)量進(jìn)行評(píng)價(jià)可以為煙草生產(chǎn)和加工提供有價(jià)值的信息，有助于指導(dǎo)優(yōu)質(zhì)特色煙葉基地的規(guī)劃建設(shè)，進(jìn)一步提升煙草品質(zhì)。

參考文獻(xiàn)：

[1] 蔣佳磊， 陸揚(yáng)， 蘇燕， 等. 我國(guó)主要煙葉產(chǎn)區(qū)烤煙化學(xué)成分特征與可用性評(píng)價(jià) [J]. 中國(guó)煙草學(xué)報(bào)， 2017， 23（2）： 13-27.

[2] 周金仙. 不同生態(tài)條件下煙草品種產(chǎn)量與品質(zhì)的變化 [J]. 煙草科技， 2005， 38（9）： 32-35.

[3] 王蘅， 王小生， 陳斌， 等. 不同品種烤煙烤后煙葉質(zhì)量評(píng)價(jià) [J]. 安徽農(nóng)業(yè)科學(xué)， 2017， 45（15）： 34-36.

[4] 盧沛臨， 田青， 李瑞東， 等. 基于隨機(jī)森林算法的打葉工藝參數(shù)優(yōu)化 [J]. 安徽農(nóng)業(yè)科學(xué)， 2022， 50（20）： 162-165.

[5] 鄂旭， 李俏竺， 周藝， 等. 基于隨機(jī)森林的水產(chǎn)品冷鏈物流鮮度預(yù)測(cè)模型 [J]. 渤海大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2022， 43（2）： 166-171.

[6] 李紅春. 基于隨機(jī)森林算法的人口空間化研究 [J]. 佳木斯大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2023， 41（1）： 171-174.

[7] 蘇志同， 汪武珺. 基于隨機(jī)森林的煅燒工藝參數(shù)的研究和分析 [J]. 軟件， 2018， 39（4）： 148-150.

[8] 陳思羽， 徐愛迪， 劉春山， 等. 基于隨機(jī)森林的玉米儲(chǔ)藏試驗(yàn)及溫度預(yù)測(cè) [J]. 農(nóng)機(jī)化研究， 2023， 45（4）： 207-210.

（責(zé)任編輯：易" 婧）

收稿日期：2023-08-05

基金項(xiàng)目：紅塔煙草（集團(tuán)）有限責(zé)任公司楚雄卷煙廠科技項(xiàng)目“楚雄原料基地?zé)熑~品質(zhì)提升的技術(shù)研究和應(yīng)用”。

作者簡(jiǎn)介：顧云海（1982—），碩士，主要從事信息化管理、信息化應(yīng)用研究。E-mail：guckcn@163.com。

*為通信作者，E-mail：duiwang17@163.com。