来源：期刊VIP网 时间：
作者：叶林辉;潘晓华;张帅;李莹;符蓝天;陈广晴;梁太波;戴华鑫;陈星峰;张艳玲;
单位：浙江大学滨江研究院;浙江大学计算机科学与技术学院;浙江大学工程师学院;中国烟草总公司河南省公司;中国烟草总公司郑州烟草研究院;中国烟草总公司福建省公司;
摘要：为实现烟叶化学成分含量影响因素的快速挖掘，提高模型对烟叶化学成分的预测能力，研究了一种基于因果发现的烟叶化学成分关联性挖掘与预测方法。以河南省2010—2020气象和烟叶化学成分数据为材料，结合Graphical Lasso与IGCI(Information Geometric Causal Inference)因果推断方法实现了气象因子与烟叶化学成分间的因果关系挖掘；并通过因果关系得到的因果邻接矩阵提出因果权重变换机制，以提高模型的预测性能。结果表明：气象因子与烟叶化学成分间存在影响关系，且关联性分析结果与农业试验的研究结果一致。创建了因果权重变换机制，在对云烟87与中烟100品种的化学成分预测中，83%以上样本的深度学习模型预测效果得到提升。说明该方法可为烟叶化学成分影响因素的挖掘及含量的预测提供支持。
关键词：烟叶;化学成分;因果发现;模型;预测;优化;深度学习
基金资助：中国烟草总公司重点研发项目“烟叶质量监测预警系统研究与应用”（110202202017）;中国烟草总公司福建省公司科技计划项目“福建烟叶质量大数据系统平台研究与应用”（2023350000200078）
