基于机器学习的卷烟吸阻值预测模型研究
作 者：
周德祥
摘 要：
文章针对卷烟生产过程中吸阻值实时监测难题，提出了一种基于机器学习的动态预测方法。通过整合 ZJ118 型卷烟机工况数据与 MAZ01 在线检测系统数据，收集了 2.5 万个有效样本，并采用多种预处理技术结合斯皮尔曼相关性分析将特征维度降至 114 维。通过对比随机森林、岭回归和支持向量机三种算法的性能，结果表明在小样本阶段（<1 万），岭回归表现最优；当样本量超 1 万时，随机森林模型的预测精度显著提升（MAPE=3.70）。研究表明，增加数据采集密度能有效改善模型性能。
来 源：
《信息产业报道》 2025-11