CN105092789B - 一种片烟醇化过程中烟叶风格特征变化趋势分析方法 - Google Patents

Abstract

本发明公开了一种片烟醇化过程中烟叶风格特征变化趋势分析方法，依次包括步骤有：取样并存放；烟叶风格特征指标评分和筛选，将零值指标和无变异指标删除，选取变异指标作为烟叶风格特征评价指标；对评价数据进行归一化处理；构造评价指标投影目标函数；对投影目标函数进行优化求解；对烟叶风格特征进行综合评价；根据综合评价数据建立纵向数据资料进行参数估计，获得具有显著差异的影响因素，并对该因素进行线性独立成对比较，最终获得烟叶风格特征变化趋势。不仅实现烟叶风格特征的综合评价，而且可快速确定烟叶原料最佳醇化使用时间；本分析方法具有操作简单、成本低廉、评价快速、评价结果考虑到多方面特性，评价精度和准确性均高等诸多优点。

Description

一种片烟醇化过程中烟叶风格特征变化趋势分析方法

技术领域

本发明涉及一种烟叶风格特征变化趋势分析方法，特别是涉及一种片烟醇化过程中烟叶风格特征变化趋势分析方法，属于烟叶质量评价技术领域。

背景技术

近年来，随着烟草行业对仓储养护的日趋重视，开展了大量关于片烟醇化过程中烟叶的外观、化学及感官品质等内容的研究，但至今尚无对片烟醇化过程中烟叶风格特征变化趋势的相关研究报道。

目前虽然关于原料风格特色、基地烟叶风格特色定位等相关研究已成为烟草行业研究的热点，但由于风格特征评价较为复杂以及其指标的特殊性，目前尚无明确、科学的烟叶风格特征的客观综合评价方法。同时结合片烟醇化过程，对同一试验样品在醇化周期内的风格特征进行跟踪评价，评价的数据在不同试验样品间是独立的，但同一试验样品在不同时间点上测得的数据间往往不独立、存在相关性，这与传统统计学要求的独立性条件相矛盾，而以往对该类试验数据分析所采用的直观判定的方法存在可靠性差、误差大等问题。

故探索一种能科学的综合评价醇化过程中试验烟叶样品的风格特征和客观分析烟叶风格特征在醇化过程中变化趋势的方法是一个亟待解决的问题。

发明内容

本发明的主要目的在于，克服现有技术中的不足，提供一种片烟醇化过程中烟叶风格特征变化趋势分析方法，不仅实现对试验烟叶样品风格特征的综合评价，通过指标筛选来选取变异指标作为烟叶风格特征评价指标，取消无评价意义的零值指标和无变异指标，有针对性地进行分析，大幅减少数据的分析量，提高评价效率；而且建立纵向数据资料对烟叶风格特征进行稳健的参数估计，获得烟叶风格特征变化趋势，可快速找出烟叶原料最佳醇化使用时间；同时分析方法具有操作简单、成本低廉、评价速度快、评价结果考虑到多方面特性，评价精度和准确性均高等诸多优点。

为了达到上述目的，本发明所采用的技术方案是：

一种片烟醇化过程中烟叶风格特征变化趋势分析方法，包括以下步骤：

1)取样并存放；

采集片烟样品，存放至烟叶储备仓库进行醇化；

2)烟叶风格特征指标评分和筛选；

对醇化过程中的片烟按照测量时间进行质量评分，通过感官评吸对烟叶风格特征指标进行感官评价获得评分表；

对评分表中评分标度值均为零的烟叶风格特征指标定义为零值指标，对评分表中评分标度值均相等、即变异系数为零的烟叶风格特征指标定义为无变异指标，对评分表中评分标度值有变动、即变异系数不为零的烟叶风格特征指标定义为变异指标；将零值指标和无变异指标删除，选取变异指标作为烟叶风格特征评价指标；

3)对烟叶风格特征评价指标的数据进行归一化处理；

将变异指标按照指标性质分为效益型指标和成本型指标；

对于效益型指标的数据按照式(1)进行归一化处理，

$x(i,j)=\left\{\begin{array}{c}{x}^{*}(i,j)-x_{\min }\left(j\right)/\[x_{\max }\left(j\right)-x_{\min }\left(j\right)\]\\ 1\end{array}\right.$

x_max(j)≠x_min(j)

x_max(j)＝x_min(j)(1)；

对于成本型指标的数据按照式(2)进行归一化处理，

$x(i,j)=\left\{\begin{array}{c}\[x_{\max }\left(j\right)-x^{*}(i,j)\]/\[x_{\max }\left(j\right)-x_{\min }\left(j\right)\]\\ 1\end{array}\right.$

x_max(j)≠x_min(j)

x_max(j)＝x_min(j)(2)；

其中，x^*(i,j)为第j类指标中第i个指标的评分标度值，x(i,j)为第j类指标中第i个指标的评分标度值的归一化值，x_max(j)和x_min(j)分别为第j类指标中的最大值和最小值；

4)构建烟叶风格特征评价指标的投影目标函数；

构建投影目标函数：Q(α)＝S_ZD_Z；

其中，S_Z为投影值Z_i的标准差，D_Z为投影值Z_i的局部密度；

所述标准差为 $S_Z={\left(\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{(Z_i\→\stackrel{\‾}{Z})}^2\right)}^{1/2},$ 其中 $\stackrel{\‾}{Z}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}$ Z_i为Z_i的均值；

所述局部密度为其中R为求局部密度的窗口半径，r_ij为样品之间的距离；

所述投影值其中，α(j)为第j类指标的投影向量；

5)对投影目标函数进行优化求解；

采用加速遗传算法对投影目标函数进行优化求解，并通过Matlab软件实现；

MAXQ(α)＝S_ZD_Z；

函数的约束条件为 $S.T.\underset{j=1}{\overset{P}{\Σ}}\mathrm{\α}\left(j\right)=1,\mathrm{\α}\left(j\right)>0;$

通过求解投影目标函数的最大化得到最佳投影方向α；

6)对烟叶风格特征进行综合评价；

将最佳投影方向α代入投影值可得到各个烟叶样品的投影值Z_i，将投影值Z_i作为烟叶风格特征的综合评价结果；

7)对烟叶风格特征的投影值进行参数估计；

根据测量时间建立纵向数据资料，并采用广义估计方程对烟叶风格特征的投影值进行参数估计，并采用SPSS19.0软件实现；将烟叶风格特征的投影值作为因变量，以及将对应的不同测量时间、样品的不同产地和样品所贮存的不同楼层信息，均输入到广义估计方程模型中，输出模型效应检验表和参数估计表；

由模型效应检验表和参数估计表获得不同测量时间、不同产地、不同楼层三种影响因素所单独对应的烟叶风格特征之间是否具有显著差异；再对具有显著差异的影响因素基于因变量投影值进行线性独立成对比较，从而获得烟叶风格特征变化趋势。

本发明方法中所述醇化为自然醇化或人工醇化。

本发明方法中所述烟叶风格特征指标包括香型、香韵、香气状态、烟气浓度和劲头共五类指标，所述香型类指标包括清香型、中间香型和浓香型共三个指标，所述香韵包括干草香、清甜香、正甜香、焦甜香、青香、木香、豆香、坚果香、焦香、辛香、果香、药草香、花香、树脂香和酒香共十五个指标，所述香气状态包括飘逸、悬浮和沉溢共三个指标。

与现有技术相比，本发明具有的有益效果是：

不仅实现烟叶风格特征指标的量化评价，分析有针对性，数据分析量少，评价效率高；而且可快速找出烟叶原料最佳醇化使用时间，即找出适合于卷烟生产的最适合时机；本分析方法具有操作简单、成本低廉、评价快速、评价结果考虑到多方面特性，评价精度和准确性均高等诸多优点。

具体实施方式

下面结合具体实施例，对本发明作进一步的说明。

本发明提供一种片烟醇化过程中烟叶风格特征变化趋势分析方法，包括以下步骤：

1)取样并存放；

采集片烟样品，存放至烟叶储备仓库进行自然醇化或人工醇化；

比如，片烟样品采集于2012年福建三明宁化C3F-A、云南大理C3F-A、贵州大方C3F-A-G三个等级复烤片烟，每个等级选取12箱并分成三组，分别存放在徐州卷烟厂仓库的一楼、三楼和五楼，从2013年4月开始取样评价，每间隔半年测量时间对各等级各楼层样品取样进行感官风格特征评价一次，截止2015年4月共评价五次。

2)烟叶风格特征指标评分和筛选；

对醇化过程中所取样品按照YC/T530-2015《烤烟烟叶质量风格特色感官评价方法》对样品的烟叶风格特征进行质量评分后取其平均值，由评烟委员通过感官评吸对烟叶风格特征指标进行感官评价获得如表1所示的烟叶风格特征评分表。

表1中的烟叶风格特征指标包括香型、香韵、香气状态、烟气浓度和劲头共五类指标，所述香型类指标包括清香型、中间香型和浓香型共三个指标，所述香韵包括干草香、清甜香、正甜香、焦甜香、青香、木香、豆香、坚果香、焦香、辛香、果香、药草香、花香、树脂香和酒香共十五个指标，所述香气状态包括飘逸、悬浮和沉溢共三个指标。

表1

通过对表1中评价数据进行描述统计可以发现，三个产地的样品风格特征指标均存在评分标度值均为零或变异系数为零的情况，且这些指标在不同产地表现不同，所以分产地将烟叶风格特征指标分为三类，如表2所示即：变异指标、零值指标和无变异指标；将零值指标和无变异指标删除，选取变异指标作为烟叶风格特征评价指标。

表2

3)对烟叶风格特征评价指标的数据进行归一化处理；

将变异指标按照指标性质并结合实际情况分为效益型指标和成本型指标，将香型、香韵、香气状态、烟气浓度这些指标归为效益型指标，将劲头这一指标归为成本型指标。

对于效益型指标的数据按照式(1)进行归一化处理，

$x(i,j)=\left\{\begin{array}{c}{x}^{*}(i,j)-x_{\min }\left(j\right)/\[x_{\max }\left(j\right)-x_{\min }\left(j\right)\]\\ 1\end{array}\right.$

x_max(j)≠x_min(j)

x_max(j)＝x_min(j)(1)；

对于成本型指标的数据按照式(2)进行归一化处理，

$x(i,j)=\left\{\begin{array}{c}\[x_{\max }\left(j\right)-x^{*}(i,j)\]/\[x_{\max }\left(j\right)-x_{\min }\left(j\right)\]\\ 1\end{array}\right.$

x_max(j)≠x_min(j)

x_max(j)＝x_min(j)(2)；

其中，x^*(i,j)为第j类指标中第i个指标的评分标度值，x(i,j)为第j类指标中第i个指标的评分标度值的归一化值，x_max(j)和x_min(j)分别为第j类指标中的最大值和最小值。

4)构建烟叶风格特征评价指标的投影目标函数；

构建投影目标函数：Q(α)＝S_ZD_Z；

其中，S_Z为投影值Z_i的标准差，D_Z为投影值Z_i的局部密度；

所述标准差为 $S_Z={\left(\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{(Z_i\→\stackrel{\‾}{Z})}^2\right)}^{1/2},$ 其中 $\stackrel{\‾}{Z}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}$ Z_i为Z_i的均值；

所述局部密度为其中R为求局部密度的窗口半径，r_ij为样品之间的距离；u(R-r_ij)为一单位阶跃函数，当R-r_ij≥0时其函数值为1，当R-r_ij＜0时其函数值为0；

所述投影值其中，α(j)为第j类指标的投影向量。

5)对投影目标函数进行优化求解；

采用加速遗传算法对投影目标函数进行优化求解，并通过Matlab软件实现；

MAXQ(α)＝S_ZD_Z；

函数的约束条件为 $S.T.\underset{j=1}{\overset{P}{\Σ}}\mathrm{\α}\left(j\right)=1,\mathrm{\α}\left(j\right)>0;$

通过求解投影目标函数得到如表3所示的不同产地样品的投影指标函数最优值和最佳投影方向α。

产地	F	α
			大方	1.9065	0.3801 0.3005 0.3196 0.4500 0.3690 0.4521 0.2732 0.0090 0.2048 0.0589
大理	2.6192	0.4987 0.2980 0.3867 0.3073 0.2720 0.3221 0.4440 0.1038 0.1812
			宁化	3.2085	0.2470 0.1523 0.1600 0.0847 0.3079 0.1572 0.3767 0.1896 0.3593 0.4256 0.3636 0.3784

表3

6)对烟叶风格特征进行综合评价；

将最佳投影方向α代入投影值可得到各个烟叶样品的投影值Z_i，如表4所示；再将投影值Z_i作为烟叶风格特征的综合评价结果。

表4

7)对烟叶风格特征的投影值进行参数估计；

根据测量时间建立纵向数据资料，并采用广义估计方程对烟叶风格特征的投影值进行参数估计，并采用SPSS19.0软件实现；将烟叶风格特征的投影值作为因变量，以及将对应的不同测量时间、样品的不同产地和样品所贮存的不同楼层信息，均输入到广义估计方程模型中，输出如表5所示的模型效应检验表和如表6所示的参数估计表。

模型效应检验表

因变量:投影值

模型:(截距),测量时间,楼层,产地

表5

由表5表明：

①不同测量时间的感官风格特征之间的差异在1％水平下显著。

②不同楼层间的感官风格特征变化趋势无显著差异。

③不同产地间的感官风格特征变化趋势无显著差异。

另外，需要说明的是，如果出现若产地或楼层之间存在差异则应对有差异的产地或楼层进行单独分析。

参数估计表

因变量:投影值

模型:(截距),测量时间,楼层,产地

a.此参数是冗余的，因此设置为零。

表6

由表6表明：

①[测量时间＝5]与[测量时间＝3]、[测量时间＝4]在5％水平下差异显著，有统计学意义；[测量时间＝5]与[测量时间＝1]、[测量时间＝2]的差异无统计学意义。

②[楼层＝5]与[楼层＝1]、[楼层＝3]无显著差异。

③[产地＝3]与[产地＝1]、[产地＝2]无显著差异。

由表6表明测量时间之间差异有统计学意义，故进一步进行分析其差异和变化趋势，对具有显著差异的测量时间如表7所示的参数估计这一影响因素基于因变量投影值进行如表8所示的线性独立成对比较，从而获得烟叶风格特征变化趋势。

通过表7参数估计的边际均值和表8的LSD两两比较结果可知：

①不同测量时间的感官风格特征彰显度排序：4>3>5>1>2。

②测量时间1和3、4及测量时间2和3、4的差异在1％显著水平下差异显著。

③测量时间5和3、4在5％显著水平下差异显著。

④测量时间1、2、5之间无显著差异。

综合上述4点可得出结论：三个产地的感官风格特征在徐州仓库的1楼、3楼和5楼在醇化过程中变化趋势基本一致，其烟叶风格特征彰显度均整体呈现先升后降的变化趋势，且在测量时间3和4即18-24个月时的烟叶的风格特征彰显度最好。

所以，通过操作简单、成本低廉、评价快速精准的一种片烟醇化过程中烟叶风格特征变化趋势分析方法，不仅实现烟叶风格特征的综合评价，而且可快速确定烟叶原料最佳使用时间，如本实施例中即可在测量时间3和4即18-24个月时进行卷烟生产，将此时烟叶风格特征最好时的原料用于生产可以最大限度发挥原料使用价值，稳定或提高卷烟产品的质量。

参数估计

表7

成对比较

基于因变量投影值的线性预测程序的估算边际均值配对方式

a.均值差值在.05级别上较显著。

表8

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (3)

1.一种片烟醇化过程中烟叶风格特征变化趋势分析方法，其特征在于，包括以下步骤：

1)取样并存放；

采集片烟样品，存放至烟叶储备仓库进行醇化；

2)烟叶风格特征指标评分和筛选；

对醇化过程中的片烟按照测量时间进行质量评分，通过感官评吸对烟叶风格特征指标进行感官评价获得评分表；

对评分表中评分标度值均为零的烟叶风格特征指标定义为零值指标，对评分表中评分标度值均相等、即变异系数为零的烟叶风格特征指标定义为无变异指标，对评分表中评分标度值有变动、即变异系数不为零的烟叶风格特征指标定义为变异指标；将零值指标和无变异指标删除，选取变异指标作为烟叶风格特征评价指标；

3)对烟叶风格特征评价指标的数据进行归一化处理；

将变异指标按照指标性质分为效益型指标和成本型指标；

对于效益型指标的数据按照式(1)进行归一化处理，

$x(i,j)=\left\{\begin{array}{c}{x}^{*}(i,j)-x_{\min }\left(j\right)/\[x_{\max }\left(j\right)-x_{\min }\left(j\right)\]\\ 1\end{array}\right.$

x_max(j)≠x_min(j)

x_max(j)＝x_min(j)(1)；

对于成本型指标的数据按照式(2)进行归一化处理，

$x(i,j)=\left\{\begin{array}{c}\[x_{\max }\left(j\right)-x^{*}(i,j)\]/\[x_{\max }\left(j\right)-x_{\min }\left(j\right)\]\\ 1\end{array}\right.$

x_max(j)≠x_min(j)

x_max(j)＝x_min(j)(2)；

其中，x^*(i,j)为第j类指标中第i个指标的评分标度值，x(i,j)为第j类指标中第i个指标的评分标度值的归一化值，x_max(j)和x_min(j)分别为第j类指标中的最大值和最小值；

4)构建烟叶风格特征评价指标的投影目标函数；

构建投影目标函数：Q(α)＝S_ZD_Z；

其中，S_Z为投影值Z_i的标准差，D_Z为投影值Z_i的局部密度；

所述标准差为其中为Z_i的均值；

所述局部密度为其中R为求局部密度的窗口半径，r_ij为样品之间的距离；

所述投影值其中，α(j)为第j类指标的投影向量；

5)对投影目标函数进行优化求解；

采用加速遗传算法对投影目标函数进行优化求解，并通过Matlab软件实现；

MAXQ(α)＝S_ZD_Z；

函数的约束条件为

通过求解投影目标函数的最大化得到投影方向α；

6)对烟叶风格特征进行综合评价；

将投影方向α代入投影值得到各个烟叶样品的投影值Z_i，将投影值Z_i作为烟叶风格特征的综合评价结果；

7)对烟叶风格特征的投影值进行参数估计；

根据测量时间建立纵向数据资料，并采用广义估计方程对烟叶风格特征的投影值进行参数估计，并采用SPSS19.0软件实现；将烟叶风格特征的投影值作为因变量，以及将对应的不同测量时间、样品的不同产地和样品所贮存的不同楼层信息，均输入到广义估计方程模型中，输出模型效应检验表和参数估计表；

由模型效应检验表和参数估计表获得不同测量时间、不同产地、不同楼层三种影响因素所单独对应的烟叶风格特征之间是否具有显著差异；再对具有显著差异的影响因素基于因变量投影值进行线性独立成对比较，从而获得烟叶风格特征变化趋势。

2.根据权利要求1所述的一种片烟醇化过程中烟叶风格特征变化趋势分析方法，其特征在于：所述醇化为自然醇化或人工醇化。

3.根据权利要求1所述的一种片烟醇化过程中烟叶风格特征变化趋势分析方法，其特征在于：所述烟叶风格特征指标包括香型、香韵、香气状态、烟气浓度和劲头共五类指标，所述香型类指标包括清香型、中间香型和浓香型共三个指标，所述香韵包括干草香、清甜香、正甜香、焦甜香、青香、木香、豆香、坚果香、焦香、辛香、果香、药草香、花香、树脂香和酒香共十五个指标，所述香气状态包括飘逸、悬浮和沉溢共三个指标。