[发明专利]一种物质气味留香值快速获取方法

权利要求书

1.一种物质气味留香值快速获取方法，其特征在于，包括步骤：

S1、获取若干已测留香值的物质气味分子的物化特性数据；

S2、对步骤S1获取的物化特性数据进行预处理，得到物化特性数据训练样本；

S3、将所述物化特性数据训练样本输入初始随机森林模型进行模型训练，得到完成训练随机森林模型；

S4、获取待测留香值的物质气味分子的物化特性数据；

S5、对步骤S4获取的物化特性数据进行预处理，得到待测物化特性数据；

S6、将所述待测物化特性数据输入所述完成训练随机森林模型，完成训练随机森林模型预测所述待测物化特性数据的留香值；

步骤S2和步骤S5所述预处理包括步骤：

S21、剔除所述物化特性数据中一部分含有缺失值的特征；

S22、对步骤S21处理后的所述物化特性数据进行方差过滤；

S23、对步骤S22处理后的所述物化特性数据进行标准化处理；

S24、对步骤S23处理后的所述物化特性数据进行特征选择；

在步骤S2所述预处理过程中，步骤S24所述特征选择采用Boruta特征选择算法，包括步骤：

S241、对所述物化特性数据中所有特征进行Shuffle得到阴影特征，将Shuffle后的阴影特征与物化特性数据的原始特征拼接成特征矩阵；

S242、使用所述特征矩阵作为输入，训练初始随机森林分类模型输出feature_importance；

S243、计算真实特征和阴影特征的Z_score；

S244、在阴影特征中找出最大的Z_score记为Z_max；

S245、将Z_socre大于Z_max的真实特征标记为重要，将Z_score小于Z_max的真实特征标记为不重要，并且将标记为不重要的真实特征标记从特征集合中永久剔除；

S246、重复上述S241～S245步骤，直到所有特征都被标记为重要或者不重要；

在步骤S4所述预处理过程中，步骤S24所述特征选择是按照步骤S2经过Boruta特征选择算法保留的特征，对所述物化特性数据中的特征进行筛选。

2.根据权利要求1所述的一种物质气味留香值快速获取方法，其特征在于，步骤S1和步骤S4中，获取所述物化特性数据包括步骤：

S11、通过物质名称查询所述物质气味分子的CAS号；

S12、使用所述CAS号查询所述物质气味分子的SMILES表达式；

S13、通过化学分析软件计算所述SMILES表达式的物化特性数据。

3.根据权利要求2所述的一种物质气味留香值快速获取方法，其特征在于，步骤S21剔除所述物化特性数据中含有缺失值大于50％的特征，并对剩余的含有缺失值的特征进行中值插补。

4.根据权利要求3所述的一种物质气味留香值快速获取方法，其特征在于，步骤S23所述标准化处理采用min-max标准化处理。

5.根据权利要求1所述的一种物质气味留香值快速获取方法，其特征在于，步骤S3所述模型训练包括步骤：

S31、将步骤S2预处理后的物化特性数据划分为训练集、验证集、测试集；

S32、将所述训练集数据输入所述初始随机森林模型进行模型训练；

S33、将所述验证集数据输入所述初始随机森林模型，寻找最佳的参数，得到完成训练随机森林模型；

S34、将所述测试集数据输入所述完成训练随机森林模型，测试完成训练随机森林模型预测留香值的准确率。