基于XGBoost算法的山东烟叶质量预测模型初探

摘要：

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.

关键词：山东烟叶、XGBoost、机器学习、SHAP value、质量预测

所属期刊栏目：43

分类号：TS41+1(烟草工业)

资助基金：中国农业科学院科技创新工程;山东中烟工业有限责任公司重点项目

在线出版日期：2022-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：80-86,93