CN103578037A

CN103578037A - 一种评价烟叶原料质量的方法及系统

Info

Publication number: CN103578037A
Application number: CN201210262045.7A
Authority: CN
Inventors: 石硕; 宫会丽; 贺英; 刘挺; 杨宁
Original assignee: XINXING COMPUTER ENGINEERING CENTER OCEAN UNIVERSITY OF CHINA; Ocean University of China
Current assignee: XINXING COMPUTER ENGINEERING CENTER OCEAN UNIVERSITY OF CHINA; Ocean University of China
Priority date: 2012-07-26
Filing date: 2012-07-26
Publication date: 2014-02-12

Abstract

本发明公开了一种评价烟叶原料质量的方法及系统，通过选择评价指标体系和评价函数，利用模糊数学、主成分分析、综合评价等多种方法对烟叶原料样本中的多个指标项进行综合分析评价，从而得出综合评价指数，以自动获取对烟叶质量的客观评价。采用该方法可以克服传统单纯依靠烟叶外观质量来评价烟叶的使用性以及指导烟叶基地生产情况这种单一的烟叶质量评价方法的弊端，使用户可以客观、全面、综合的从不同方面来把握基地烟叶品质状况，为配方设计与维护中合理使用烟叶原料提供依据。

Description

一种评价烟叶原料质量的方法及系统

技术领域

本发明涉及一种对烟叶原料的质量进行综合评价的方法以及采用该方法来自动生成评价结果的系统。

背景技术

烟叶是卷烟工业的基础，要稳定并提高卷烟产品的质量和扩大产品的市场占有率，卷烟所使用的烟叶至关重要。每一个高质量卷烟的开发都是建立在稳定的高质量烟叶原料的供应基础之上。大多数卷烟企业都是通过建立适合自己配方需求的烟叶基地来实现稳定烟叶的来源，通过与产区共同进行烟叶的品质改良来提高自己的烟叶质量。

烟叶品质是反映和体现烟叶必要性状均衡情况的综合性模糊概念，受烟叶的产区、部位、外观质量、物理特性、化学成分、烟气成分和感官评吸质量等方面多项因素综合作用的影响。烟叶品质好坏不仅直接影响烟草产品的质量和效益，而且对烟草经济发展起着举足轻重的作用。目前，在对烟叶品质的综合评价研究中，把烟叶内在化学成分作为评价烟叶品质的重要指标，多采用人工感官评判与仪器检测分析相结合的方法，采用常规统计方法进行数据处理，也有学者采用综合指数评价法、相关分析法将这种模糊性用一种比较明确的界限加以区分，依据各指标得分累加值的高低或相关性参数来确定烟叶品质的优劣，结论与实际情况存在一定的差异。

由于烟叶质量的好坏是受多方面因素影响的，不能单纯强调某一方面而忽视其他方面。因此，评价烟叶质量既要分项目进行，又要综合平衡；既要定性，又要定量，只有综合考虑才能找准各个质量方面的平衡协调关系，建立多元的量化的烟叶质量评价指标体系。

烟草农业生产可以根据相应的指标体系，确定烟叶外观、内在、理化特性、烟气特性等方面所要达到的目标，使生产条件和生产技术向着这个目标发展，从而生产出质量好、可用性强的烟叶原料。卷烟工业可以根据指标体系，科学合理地选用烟叶原料，优化配方组合，实现优势互补，充分发挥各种烟叶的质量潜力，合理利用烟叶资源，提高卷烟产品的质量。

发明内容

本发明为了克服传统单纯依靠烟叶外观质量来评价烟叶的使用性以及指导烟叶基地生产情况这种单一的烟叶质量评价方法的弊端，提出了一种对烟叶原料质量进行综合评价的方法，该方法利用模糊综合评价指数法来评价烟叶的品质状况，从而可以有效地解决评价标准边界模糊和监测误差对评价结果造成的影响。

为解决上述技术问题，本发明采用以下技术方案予以实现：

一种评价烟叶原料质量的方法，包括以下步骤：

(1)读取所要评价的烟叶样本的各项指标项的测定值；

(2)根据每个样本中各项二级指标项在其所对应的一级指标项中所占据的重要程度确定各二级指标项的二级权重W；

(3)将每个样本中的各项二级指标项的测定值代入抛物线型隶属函数：

b = \{\begin{matrix} 1 & s 1 < x < s 2 \\ {((x - \min) / (s 1 - \min))}^{2} & \min < x < s 1 \\ {((\max - x) / (\max - s 2))}^{2} & s 2 < x < \max \\ 0 & x < \min, x > \max \end{matrix}

计算出各项二级指标项的隶属度；其中，x表示二级指标项的测定值；s1、s2、min、max分别表示该二级指标项所对应的最佳值上线、最佳值下线、最低值及最高值；b为该二级指标项的隶属度；

(4)利用各项二级指标项的二级权重W及隶属度构造二级模糊评价矩阵：

R = [\begin{matrix} R_{1} \\ R_{2} \\ . . . \\ R_{m} \end{matrix}] = [\begin{matrix} W_{1} \cdot B_{1} \\ W_{2} \cdot B_{2} \\ . . . \\ W_{m} \cdot B_{m} \end{matrix}] = [r_{1}, r . . . r_{m}]

计算二级评判向量R；其中，m为一级指标项的个数；

(5)采用对二级评判向量R加权的方式构成一级评判向量G；

(6)采用对一级评判向量G中的各元素求和的方法确定综合评价指数I；

(7)根据综合评价指数I确定烟叶的质量。

进一步的，在所述步骤(2)中，可以采用主观和客观相结合的方法计算各二级指标项的二级权重W，具体包括以下步骤：

(2-1)根据要评价烟叶的某一项一级指标项及其所对应的二级指标项的测定值组成原始矩阵X_ij；并对原始矩阵进行标准化：

{X_{ij}}^{*} = X_{ij} - {EX}_{j} / \sqrt{{DX}_{j}},

i＝1,2,...,n；j＝1,2...p

其中，X_ij ^*为标准化后的矩阵；n为要进行综合评价的烟叶样本的个数；p为该一级指标项所对应二级指标项的个数；EX_j为所述n个样本的第j个二级指标项的均值，DX_j为所述n个样本的第j个二级指标项的方差；

(2-2)针对标准化后的矩阵X_ij ^*，计算相关系数矩阵，并通过相关系数矩阵计算其特征值λ₁≥λ₂≥λ₃≥...≥λ_P≥0与对应的特征向量e₁，e₂，...e_P；

(2-3)计算主成分贡献率a_i和累计贡献率G_i，即

a_{i} = \frac{λ_{i}}{Σ_{i = 1}^{p} λ_{i}},

(i＝1,2...p)

G_{i} = \frac{Σ_{i = 1}^{k} λ_{i}}{Σ_{i = 1}^{p} λ_{i}},

(i＝1,2,...,p)

其中，k值的确定是当G_i首次大于85％时所对应的值；

(2-4)按累计贡献率提取主成分为：

F_i＝e_1iX₁+e_2iX₂+.........+e_piX_p i＝1,2...,k，

其中，X₁，X₂...X_P代表p个二级指标项；以主成分贡献率a_i(i＝1,2...k)为权数，构造主成分综合模型为：

F＝(a₁F₁+a₂F₂+...+a_kF_k)/G_k，

由综合模型得出各项二级指标项X₁，X₂...X_P的系数，取各系数的绝对值作为其客观权重向量β；

(2-5)利用公式：

W = {w_{ij}} = \frac{α_{ij} β_{ij}}{Σ_{j = 1}^{s} α_{ij} β_{ij}},

i＝1,2,...,m；j＝1,2...p

计算各二级指标项的二级权重W；其中，α为主观权重向量，由专家根据经验设定。

当然，所述的二级权重W也可以由专家根据经验设定。

又进一步的，在所述步骤(5)中，由专家根据经验设定一级权重向量C，代入公式：

计算一级评判向量G；其中，

为合成运算，采用不同的模糊算子，视实际情况和运算效果决定。

优选的，所述合成运算采用M(∧，∨)模型进行计算。

再进一步的，在所述步骤(1)中还包括对读取的烟叶样本的数据进行预处理，剔除原料数据中的错误、特异或者缺项的样本，或者将缺失的项添加完整的步骤。

基于上述评价方法，本发明又提出了一种评价烟叶原料质量的系统，包括以下部分：

数据查询与导入模块：根据用户输入的查询条件调取原料数据库中所要评价的烟叶样本的各项指标项的测定值，或者由用户直接导入所要评价的烟叶样本的各项指标项的测定值；

二级权重计算模块：根据每个样本中各项二级指标项在其所对应的一级指标项中所占据的重要程度确定各二级指标项的二级权重W；

单指标评价模块：利用二级权重W、抛物线型隶属函数及二级模糊评价矩阵对各二级指标项求取二级评判向量R；

综合评价模块：采用对二级评判向量R加权的方式构成一级评判向量G；并采用对一级评判向量G中的各元素求和的方法确定综合评价指数I；进而根据综合评价指数I确定烟叶质量的评价结果；

评价结果展示与输出模块：将评价结果发送给输出设备进行显示。

进一步的，所述一级权重计算模块采用主观和客观相结合的方法计算各二级指标项的二级权重W。

再进一步的，在所述系统中还包括一数据选择与预处理模块，对所要评价的烟叶样本的数据进行预处理，剔除原料数据中的错误、特异或者缺项的样本，或者将缺失的项添加完整，输出至一级权重计算模块进行计算。

更进一步的，在所述系统中还包括一权限管理模块，提供系统中的角色、用户、用户组的定义以及各自权限的管理，以保证数据库的安全访问。

与现有技术相比，本发明的优点和积极效果是：本发明通过建立指标评价体系来对烟叶质量进行综合评价，从而克服了单纯依靠经验和技术分析进行评价所产生的诸多弊端，实现了质量评价的多元化和定量化，从而提高了烟叶质量评价结果的科学性和准确性，使得烟叶品质的评价工作更加规范、合理，为烟叶原料的合理使用提供了支持。同时也为查找基地烟叶的品质缺陷，指导烟叶基地建设，改善下一年基地烟叶品质，使之更加符合卷烟企业的需求目标提供了技术支持。

结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。

附图说明

图1是本发明所提出的评价烟叶原料质量系统的一种实施例的结构示意图；

图2是本发明所提出的评价烟叶原料质量的方法的一种实施例的程序流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步详细地说明。

实施例一，参见图1所示，本实施例所提出的评价烟叶原料质量的系统主要包括：权限数据库1、权限管理模块2、原料数据库3、数据查询与导入模块4、数据选择与预处理模块5、单指标评价模块6、二级权重计算模块7、综合评价模块8、评价结果展示与输出模块9、输出设备10、评价结果数据库11。

下面对系统中各模块的主要功能进行具体阐述。

权限管理模块2：提供系统中的角色、用户、用户组的定义以及各自权限的管理，以保证对原料数据库3的安全访问。其中，角色管理，用于定义系统的角色和相应的角色权限；用户管理，用于定义系统的用户及相应的用户权限；用户组管理，用于定义系统的用户组及相应的权限。当用户登录系统，输入用户名、密码、角色等信息后，权限管理模块2根据权限数据库1中的数据查找用户权限。满足条件，则允许该用户进行下一步的操作，否则，强制该用户退出本系统。

数据查询与导入模块4：该模块包括数据的查询与导入功能。数据查询功能使用户能够根据各种查询条件查询原料数据库3中的烟叶质量数据；数据导入功能使用户根据需求导入与用户所要评价的烟叶质量数据。此模块还提供对数据进行添加、删除、更新、保存等操作，实时管理数据。在这里，所述的烟叶质量数据具体指烟叶样本中各二级指标项的测定值。

数据选择与预处理模块5：提供数据选择与数据预处理功能，剔除原料数据中的错误、特异或者缺项的样本，或者将缺失的项添加完整。

二级权重计算模块7：根据每个样本中各项二级指标项在其所对应的一级指标项中所占据的重要程度确定各二级指标项的二级权重W。该模块包括主观权重和客观权重两种方式，用户可以选择一种或者两种权重组合计算的方式获得各二级指标项的二级权重W。该模块提供主观权重录入界面，由用户输入经专家根据经验设定的主观权重。当选择采用主观和客观相结合的方法来计算各二级指标项的二级权重W时，系统可以根据预处理过的烟叶质量数据的分布特点自动计算出客观权重；然后，利用组合权重公式将用户输入的主观权重和计算生成的客观权重进行组合计算，以确定出各二级指标项的二级权重W。

单指标评价模块6：利用预先设定的数学模型对所述数据选择与预处理模块5输出的样本中的各二级指标项求取二级评判向量R。具体来讲，所述单指标评价模块6与二级权重计算模块7连接，读取二级权重计算模块7输出的二级权重W；利用抛物线型隶属函数对各二级指标项的测定值求取隶属度，生成隶属度函数B；进而通过二级模糊评价矩阵模型：

R = [\begin{matrix} R_{1} \\ R_{2} \\ . . . \\ R_{m} \end{matrix}] = [\begin{matrix} W_{1} \cdot B_{1} \\ W_{2} \cdot B_{2} \\ . . . \\ W_{m} \cdot B_{m} \end{matrix}] = [r_{1}, r . . . r_{m}]

对各二级指标项求取二级评判向量R。其中，m为一级指标项的个数。

综合评价模块8：读取单指标评价模块6输出的二级评判向量R，采用对二级评判向量R加权的方式构成一级评判向量G；并采用对一级评判向量G中的各元素求和的方法确定综合评价指数I；进而根据综合评价指数I确定烟叶质量的评价结果，即好烟、中等烟或者差烟。

评价结果展示与输出模块9：该模块以表格或者折线图的形式显示出各烟叶原料质量的等级合格率、部位、外观、化学成分、感官质量等各单项的评价值，以及综合评价指数，输出至输出设备10显示给用户。用户结合图表对评价结果进行分析，并将评价结果输出到评价结果数据库11中进行保存。

下面对烟叶原料质量的评价方法进行详细的描述。

参见图2所示，在本实施例中，所述烟叶原料质量的评价方法具体包括以下步骤：

STEP1、提示并接收用户输入的用户名、密码、角色等参数信息。

STEP2、根据用户输入的用户名、密码、角色等参数在权限数据库中查找用户权限；若满足访问条件，则允许该用户进行进一步操作，否则，强制该用户退出本系统。

STEP3、根据用户输入的查询条件调取原料数据库中所要评价的烟叶样本的各项指标项的测定值，或者由用户直接导入所要评价的烟叶样本的各项指标项的测定值。

STEP4、对读取的烟叶样本的数据进行预处理，剔除原料数据中的错误、特异或者缺项的样本，或者将缺失的项添加完整。

STEP5、用户选择烟叶要参与综合评价的一级指标项，如有代表性的外观指标、化学指标、感官评吸指标、烟气指标等，以及综合指数的计算模型。

STEP6、按照一定共性和方法建立评价集U和评价集V；其中，

U＝{U₁,U₂,...,U_m}，U_i∩U_j＝φ(i≠j)，

V＝{V₁,V₂,...V_q}，

评价集U中，m为一级指标项的个数，每个一级指标项中包含有多个二级指标项；评价集V中，q代表有q种评价结果，比如好烟、中等烟和差烟，此时，q=3。

STEP7、根据每个样本中各项二级指标项在其所对应的一级指标项中所占据的重要程度确定各二级指标项的二级权重W。

在这里，各二级指标项的二级权重矩阵向量W可以采用由专家根据经验设定的方法输入确定，或者采用组合权重的方法，由主观权重向量α和客观权重向量β共同决定。其中，主观权重α主要由用户根据专家经验自己设定，客观权重β主要采用主成分分析方法，以主成分贡献率确定评价因子的权重，具体包括以下步骤：

(1)根据要评价烟叶的某一项一级指标项及其所对应的二级指标项的测定值组成原始矩阵X_ij；并对原始矩阵进行标准化：

{X_{ij}}^{*} = X_{ij} - {EX}_{j} / \sqrt{{DX}_{j}},

i＝1,2,...,n；j＝1,2...p，

(2)针对标准化后的矩阵X_ij ^*，计算相关系数矩阵，并通过相关系数矩阵计算其特征值λ₁≥λ₂≥λ₃≥...≥λ_P≥0与对应的特征向量e₁,e₂,...e_P；

(3)计算主成分贡献率a_i和累计贡献率G_i，即

a_{i} = \frac{λ_{i}}{Σ_{i = 1}^{p} λ_{i}},

(i＝1,2...p)

G_{i} = \frac{Σ_{i = 1}^{k} λ_{i}}{Σ_{i = 1}^{p} λ_{i}},

(i＝1,2,...,p)

其中，k值的确定是当G_i首次大于85％时所对应的值，即取k个主成分使得累计贡献率G_i大于85％；

(4)按累计贡献率提取主成分为：

F_i＝e_1iX₁+e_2iX₂+.........+e_piX_p i＝1,2...,k，

其中，X₁,X₂...X_P代表p个二级指标项；以主成分贡献率a_i(i＝1,2...k)为权数，构造主成分综合模型为：

F＝(a₁F₁+a₂F₂+...+a_kF_k)/G_k，

由综合模型得出各项二级指标项X₁,X₂...X_P的系数，取各系数的绝对值作为其客观权重向量β；

(5)最终的二级权重W采用主观和客观相结合的计算方法，得到的权重向量更加科学合理，具体计算如下：

W = {w_{ij}} = \frac{α_{ij} β_{ij}}{Σ_{j = 1}^{s} α_{ij} β_{ij}},

i＝1,2,...,m；j＝1,2...p

其中，α为主观权重向量，由专家根据经验设定；m为一级指标项的个数，p为当前一级指标项所对应的二级指标项个数。由此可分别计算出每个一级指标项i所对应的二级指标项的二级权重向量。

STEP8、求取二级评判向量R。

根据烟叶品质评价等级标准，采用抛物线型隶属函数：

b = \{\begin{matrix} 1 & s 1 < x < s 2 \\ {((x - \min) / (s 1 - \min))}^{2} & \min < x < s 1 \\ {((\max - x) / (\max - s 2))}^{2} & s 2 < x < \max \\ 0 & x < \min, x > \max \end{matrix}

将每个样本中的各项二级指标项的测定值代入抛物线型隶属函数，计算出各项二级指标项的隶属度，构建隶属度向量B；其中，x表示二级指标项的测定值；s1、s2、min、max分别表示该二级指标项所对应的最佳值上线、最佳值下线、最低值及最高值；b为该二级指标项的隶属度。

利用各项二级指标项的二级权重向量W及隶属度向量B构造二级模糊评价矩阵：

R = [\begin{matrix} R_{1} \\ R_{2} \\ . . . \\ R_{m} \end{matrix}] = [\begin{matrix} W_{1} \cdot B_{1} \\ W_{2} \cdot B_{2} \\ . . . \\ W_{m} \cdot B_{m} \end{matrix}] = [r_{1}, r . . . r_{m}]

进而计算出二级评判向量R；其中，m为一级指标项的个数。

STEP9、求一级评判向量G。

采用对二级评判向量R加权的方式求取一级评判向量G。在本实施例中，可以采用公式：

来计算一级评判向量G。其中，一级权重向量C＝(c₁,c₂,...,c_m)可以由专家根据经验设定；式中为合成运算，采用不同的模糊算子，视实际情况和运算效果决定，比如可以采用M(∧，∨)模型进行计算。

STEP10、计算综合评价指数I。

G为U中所有因素的综合评判结果，根据烟叶品质的综合评价模型，计算各个烟叶品质的综合评价指数I。本实施例优选采用总和法来确定出最终评估结果，即利用公式：

I = Σ_{i = 1}^{m} (g_{i})

计算综合评价指数I。

STEP11、根据综合评价指数I确定烟叶的质量，比如好烟、中等烟、差烟，以形成评价集V＝{V₁,V₂,...V_q}。

STEP12、将评价结果发送给评价结果展示与输出模块，进而传输至输出设备进行显示，并保存到评价结果数据库中。

下面通过一个具体的实例来进一步阐述所述烟叶质量评价方法的具体执行过程。

1、用户登陆

用户输入用户名、密码、角色，系统查找用户权限，满足条件，则允许该用户进行下一步操作，否则，强制该用户退出本系统。

2、数据导入或调取

为要进行综合评价的烟叶，采用从外部导入数据到系统中或者直接从原料数据库中查询的方法调取数据，即待评价样本中各二级指标项的测定值。当采用查询方式调取烟叶原料数据时，只需输入查询条件，比如“山东07”即可。此处，也可以对数据进行添加、删除和保存等操作。这里选择对烟叶原料数据中的化学指标、外观指标、感官评吸指标、烟气指标等数据进行综合评价。此次共评价30个烟叶，即n=30。表1为所述30个烟叶的原料数据，即各二级指标项的测定值。

表1

3、数据预处理

对样本集进行数据预处理，包括剔除目标值缺失的样本、填补缺失项等步骤。

4、评价体系建立

选择要评价的一级指标项和相应的二级指标项，比如选择评价化学指标、外观指标、感官评吸指标和烟气指标四个一级指标项，即m=4。其中，外观指标所对应的二级指标项包括：部位、颜色、成熟度、油分、结构、身份；化学指标所对应的二级指标项包括：总糖、总烟碱、还原糖、氯、糖碱比；感官评吸指标所对应的二级指标项包括：香型、香气质、香气量、杂气、刺激性；烟气指标所对应的二级指标项包括：烟碱、CO、焦油。

评价结果集：V={V₁好烟、V₂中等烟、V₃差烟}，即q=3。其中，综合评价指数I=[00.6)∈V₃；综合评价指数I=[0.6 0.85]∈V₂；综合评价指数I=(0.85 0.1]∈V₁。

5、组合权重计算

用户可以根据经验对评价指标设置主观权重，系统根据数据分布特点自动计算出客观权重，利用组合权重公式计算出组合权重，即二级权重W。这里以化学指标组合权重为例，其计算过程如下：

把30个烟叶的化学指标数据(总糖、总烟碱、还原糖、cl、糖碱比指标)组成一个原始矩阵，并对其进行标准化；

计算特征根、特征向量、主成分贡献率和累计贡献率，如表2所示。

因子	特征根	主成分贡献率％	累计贡献率％
				1	3.0613	61.2267	61.2267
2	1.3128	26.2550	87.4817
				3	0.4606	9.2122	96.6939
4	0.1044	2.0880	98.7819
				5	0.0609	1.2181	100.0000

表2

从表2中可以看出：前两个因子的累计贡献率就已达到87.4817％，大于85％，则k取2，按累计贡献率提取主成分为：

F1=0.8586*总糖-0.8143*总烟碱+0.8794*还原糖+0.1249*cl+0.9340*糖碱比；

F2=0.3860*总糖+0.4345*总烟碱+0.3565*还原糖-0.90079*c1-0.1912*糖碱比；

则主成分综合模型：

F=(61.2267％*F1+26.2550％*F2)/87.4817

=0.7*F1+0.3*F2=0.296*总糖-0.488*总烟碱+0.2916*还原糖-0.243*cl+0.139*糖碱比。

从综合模型中得出化学成分的客观权重向量β=(0.296 0.488 0.296 0.2430.139)。

其它二级指标项的客观权重与化学指标客观权重向量的计算方法相似，则烟叶1的组合权重W的计算结果如表3所示。

表3

6、综合评价指数计算

通过隶属函数计算隶属度，形成隶属度向量B。利用各项二级指标项的二级权重W及隶属度向量B构造二级评价矩阵，计算出外观指标、化学指标、感官评吸指标、烟气指标的二级评价值。

其中，二级评价向量R为：

外观指标评价矩阵：R₁＝W₁·B₁＝[0.341]

化学指标评价矩阵：R₂＝W₂·B₂＝[0.413]

感官评吸指标评价矩阵：R₃＝W₃·B₃＝[0.156]

烟气指标评价矩阵：R₄＝W₄·B₄＝[0.53]

则一级评价向量G为：

其中，C=(0.15，0.35，0.25，0.25)，如表3所示，由专家根据经验确定，则烟叶1的综合评价指数为：

I = Σ_{i = 1}^{m} (g_{i}) = 0.492

同样的，可以计算出其它烟叶的综合评价指数，进而根据综合评价指数确定最终的评价结果，即烟叶质量，如表4所示。

序号	产地	部位属性	综合指数	评价结果
					1	山东	中部	0.492	差烟
2	山东	中部	0.91	好烟
					3	山东	中部	0.567	差烟
4	山东	中部	0.832	中等烟
					5	山东	中部	0.399	差烟
…	…	…	…	…
					…	…	…	…	…
29	山东	上部	0.71	中等烟
					30	山东	下部	0.23	差烟

表4

6.评价结果展示与输出

用表格和折线图的形式对评价结果进行展示，使用户更容易进行下一步的结果分析。用户通过评价结果展示的图表，可以更加清晰和有条理地对评价结果进行分析。用户可将当前评价结果的图表和用户自己的分析结果保存到数据库中，以方便日后的查询、应用和进一步的分析。

对选择的山东地区的30个烟叶原料质量进行评价综合指数排序可以看出其优劣程度，进而可以根据这个优劣排序的结果并结合各评价对象的各类别、部位和档次信息进行分析比较，以此来指导烟叶基地的生产状况。

当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims

1.一种评价烟叶原料质量的方法，包括以下步骤：

(1)读取所要评价的烟叶样本的各项指标项的测定值；

b = \{\begin{matrix} 1 & s 1 < x < s 2 \\ {((x - \min) / (s 1 - \min))}^{2} & \min < x < s 1 \\ {((\max - x) / (\max - s 2))}^{2} & s 2 < x < \max \\ 0 & x < \min, x > \max \end{matrix}

计算出各项二级指标项的隶属度，构建隶属度向量B；其中，x表示二级指标项的测定值；s1、s2、min、max分别表示该二级指标项所对应的最佳值上线、最佳值下线、最低值及最高值；b为该二级指标项的隶属度；

(4)利用各项二级指标项的二级权重W及隶属度向量B构造二级模糊评价矩阵：

R = [\begin{matrix} R_{1} \\ R_{2} \\ . . . \\ R_{m} \end{matrix}] = [\begin{matrix} W_{1} \cdot B_{1} \\ W_{2} \cdot B_{2} \\ . . . \\ W_{m} \cdot B_{m} \end{matrix}] = [r_{1}, r . . . r_{m}]

计算二级评判向量R；其中，m为一级指标项的个数；

(5)采用对二级评判向量R加权的方式求取一级评判向量G；

(7)根据综合评价指数I确定烟叶的质量。

2.根据权利要求1所述的评价烟叶原料质量的方法，其特征在于：在所述步骤(2)中，采用主观和客观相结合的方法计算各二级指标项的二级权重W，具体包括以下步骤：

{X_{ij}}^{*} = X_{ij} - {EX}_{j} / \sqrt{{DX}_{j}},

i＝1,2,...,n；j＝1,2...p

(2-2)针对标准化后的矩阵X_ij ^*，计算相关系数矩阵，并通过相关系数矩阵计算其特征值λ₁≥λ₂≥λ₃≥...≥λ_P≥0与对应的特征向量e₁,e₂,...e_P；

(2-3)计算主成分贡献率a_i和累计贡献率G_i，即

a_{i} = \frac{λ_{i}}{Σ_{i = 1}^{p} λ_{i}}, (i = 1,2 . . . p)

G_{i} = \frac{Σ_{i = 1}^{k} λ_{i}}{Σ_{i = 1}^{p} λ_{i}}, (i = 1,2, . . ., p)

其中，k值的确定是当G_i首次大于85％时所对应的值；

(2-4)按累计贡献率提取主成分为：

F_i＝e_liX₁+e_2iX₂+...+e_piX_p i＝1,2...,k，

F＝(a₁F₁+a₂F₂+...+a_kF_k)/G_k，

(2-5)利用公式：

W = {w_{ij}} = \frac{α_{ij} β_{ij}}{Σ_{i = 1}^{s} α_{ij} β_{ij}},

i＝1,2,...,m；j＝1,2...p

3.根据权利要求1所述的评价烟叶原料质量的方法，其特征在于：在所述步骤(2)中，各二级指标项的二级权重W由专家根据经验设定。

4.根据权利要求2或3所述的评价烟叶原料质量的方法，其特征在于：在所述步骤(5)中，由专家根据经验设定一级权重向量C，代入公式：

G＝CοR＝＝(g₁,g₂,...g_m)

计算一级评判向量G；其中，ο为合成运算。

5.根据权利要求4所述的评价烟叶原料质量的方法，其特征在于：所述合成运算采用M(∧，∧)模型。

6.根据权利要求1所述的评价烟叶原料质量的方法，其特征在于：在所述步骤(1)中还包括对读取的烟叶样本的数据进行预处理，剔除原料数据中的错误、特异或者缺项的样本，或者将缺失的项添加完整的步骤。

7.一种评价烟叶原料质量的系统，包括以下部分：

8.根据权利要求6所述的评价烟叶原料质量的系统，其特征在于：所述一级权重计算模块采用主观和客观相结合的方法计算各二级指标项的二级权重W。

9.根据权利要求7或8所述的评价烟叶原料质量的系统，其特征在于：在所述系统中还包括一数据选择与预处理模块，对所要评价的烟叶样本的数据进行预处理，剔除原料数据中的错误、特异或者缺项的样本，或者将缺失的项添加完整，输出至一级权重计算模块进行计算。

10.根据权利要求9所述的评价烟叶原料质量的系统，其特征在于：在所述系统中还包括一权限管理模块，提供系统中的角色、用户、用户组的定义以及各自权限的管理。