电子雾化液中单体原料相对校正因子预测方法及存储介质与流程

本发明涉及电子雾化液，具体涉及一种电子雾化液中单体原料相对校正因子预测方法及存储介质。

背景技术：

1、电子雾化液是一种由丙二醇（propylene glycol，pg）、甘油（vegetableglycerin，vg）、尼古丁及数十至数百种单体原料组成的复杂混合物。随着电子烟口味多样化，准确测定香料含量对产品质量和安全非常重要。目前，气相色谱-氢火焰离子化检测器（gc-fid）常用于检测香料成分。定量时通常采用内标法，以正十七烷为内标，但前提是必须知道各香料相对正十七烷的校正因子。由于香料种类繁多，传统方法需逐一用标准品测定校正因子，成本高、周期长，且部分新香料缺乏标准品，无法解决无标准品时如何获取校正因子的问题，限制了电子雾化液香料的准确检测。

技术实现思路

1、本发明实施例的一个目的旨在提供一种电子雾化液中单体原料相对校正因子预测方法、装置、电子雾化液质量控制与分析系统及计算机存储介质，用于解决电子雾化液单体原料在无标准品条件下无法准确获得相对校正因子的技术问题。

2、在第一方面，本发明实施例提供了一种电子雾化液中单体原料相对校正因子预测方法，所述方法包括：

3、获取待检测单体原料的目标分子结构式和所述待检测单体原料的定量检测参数；

4、对所述目标分子结构式进行分子描述符计算，得到目标分子描述符；

5、将所述目标分子描述符输入目标集成预测模型进行预测，得到目标相对校正因子，所述目标相对校正因子用于与所述待检测单体原料的定量检测参数进行定量计算，得到所述待检测单体原料的目标浓度。

6、在第二方面，提供一种电子雾化液中单体原料相对校正因子预测装置，所述电子雾化液中单体原料相对校正因子预测装置包括：

7、获取单元，用于获取待检测单体原料的目标分子结构式和所述待检测单体原料的定量检测参数；

8、计算单元，用于对所述目标分子结构式进行分子描述符计算，得到目标分子描述符；

9、预测单元，用于将所述目标分子描述符输入目标集成预测模型进行预测，得到目标相对校正因子，所述目标相对校正因子用于与所述待检测单体原料的定量检测参数进行定量计算，得到所述待检测单体原料的目标浓度。

10、在第三方面，提供一种电子雾化液质量控制与分析系统，所述电子雾化液质量控制与分析系统包括电子设备，所述电子设备包括存储器及处理器，所述存储器连接至所述处理器，所述处理器用于执行存储在所述存储器中的一个或多个计算机程序，所述处理器在执行所述一个或多个计算机程序时，使得所述电子雾化液质量控制与分析系统实现如第一方面所述的电子雾化液中单体原料相对校正因子预测方法。

11、在第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如第一方面所述的电子雾化液中单体原料相对校正因子预测方法。

12、上述电子雾化液中单体原料相对校正因子预测方法、装置、电子雾化液质量控制与分析系统及计算机存储介质所实现的实施例中，本实施例通过获取待检测单体原料的分子结构式并计算相应的分子描述符，利用目标集成预测模型准确预测该单体的相对校正因子，无需标准品即可完成单体原料的定量分析，降低了实验成本和时间消耗；且通过将预测的相对校正因子与定量检测参数结合，能够准确计算待测单体原料的浓度，提高了定量检测的效率和准确性。

1.一种电子雾化液中单体原料相对校正因子预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述目标集成预测模型包括预训练完成的至少两个基础模型和预设集成策略，所述将所述目标分子描述符输入目标集成预测模型进行预测，得到目标相对校正因子，包括：

3.根据权利要求1所述的方法，其特征在于，在所述将所述目标分子描述符输入目标集成预测模型进行预测，得到目标相对校正因子之前，所述方法还包括：

4.根据权利要求3所述的方法，其特征在于，所述预设集成策略为第一预设集成策略或第二预设集成策略或第三预设集成策略；

5.根据权利要求3所述的方法，其特征在于，所述预设集成策略为组合策略，所述组合策略由第一预设集成策略、第二预设集成策略和第三预设集成策略中的任意两种或多种组成；其中，所述第一预设集成策略为对所述多个基础模型输出的预测相对校正因子进行算术平均；所述第二预设集成策略为根据每个基础模型对应的权重对输出的预测相对校正因子进行加权求和，所述权重由每个基础模型在交叉验证过程中的决定系数确定；所述第三预设集成策略为根据元学习器对所述多个基础模型输出的预测相对校正因子进行融合处理。

6.根据权利要求3所述的方法，其特征在于，在根据所述多个基础模型和预设集成策略，得到所述目标集成预测模型之后，所述方法还包括：

7.根据权利要求3所述的方法，其特征在于，所述根据所述训练集对所述初始模型集合中的每个初始模型进行训练，得到多个基础模型，包括：

8.根据权利要求3所述的方法，其特征在于，所述获取所述每种单体原料对应的分子结构式，包括：

9.根据权利要求3所述的方法，其特征在于，所述对所述每种单体原料对应的分子结构式进行分子描述符计算，得到每种单体原料对应的多维特征向量，包括：

10.根据权利要求3所述的方法，其特征在于，所述根据预设比例对所述目标特征矩阵和所述每种单体原料对应的相对校正因子进行数据集划分，得到训练集和测试集，包括：

11.一种电子雾化液中单体原料相对校正因子预测装置，其特征在于，所述装置包括：

12.一种电子雾化液质量控制与分析系统，其特征在于，包括电子设备，所述电子设备包括存储器及处理器，所述存储器连接至所述处理器，所述处理器用于执行存储在所述存储器中的一个或多个计算机程序，所述处理器在执行所述一个或多个计算机程序时，使得所述电子雾化液质量控制与分析系统实现如权利要求1-10任一项所述的电子雾化液中单体原料相对校正因子预测方法。

13.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-10任一项所述的电子雾化液中单体原料相对校正因子预测方法。