CN107909264A - 一种烟叶风格特征年度间稳定性的客观综合评价方法 - Google Patents
一种烟叶风格特征年度间稳定性的客观综合评价方法 Download PDFInfo
- Publication number
- CN107909264A CN107909264A CN201711119903.1A CN201711119903A CN107909264A CN 107909264 A CN107909264 A CN 107909264A CN 201711119903 A CN201711119903 A CN 201711119903A CN 107909264 A CN107909264 A CN 107909264A
- Authority
- CN
- China
- Prior art keywords
- index
- tobacco
- objective
- style
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 241000208125 Nicotiana Species 0.000 title claims abstract description 82
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000011156 evaluation Methods 0.000 claims abstract description 72
- 238000013210 evaluation model Methods 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 230000003399 chemotactic effect Effects 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims description 2
- 238000010998 test method Methods 0.000 claims description 2
- 235000019504 cigarettes Nutrition 0.000 abstract description 8
- 239000000463 material Substances 0.000 abstract description 4
- 230000002045 lasting effect Effects 0.000 abstract description 2
- 230000003014 reinforcing effect Effects 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 40
- 235000009508 confectionery Nutrition 0.000 description 21
- 239000000796 flavoring agent Substances 0.000 description 19
- 235000019645 odor Nutrition 0.000 description 18
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 16
- 239000003546 flue gas Substances 0.000 description 16
- 239000003205 fragrance Substances 0.000 description 15
- 239000002304 perfume Substances 0.000 description 13
- 241001647745 Banksia Species 0.000 description 12
- 241000220317 Rosa Species 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 9
- 239000000203 mixture Substances 0.000 description 8
- 238000010606 normalization Methods 0.000 description 6
- 210000000697 sensory organ Anatomy 0.000 description 5
- 244000046052 Phaseolus vulgaris Species 0.000 description 4
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 235000013599 spices Nutrition 0.000 description 3
- 239000000725 suspension Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000033764 rhythmic process Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000007492 two-way ANOVA Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 244000269722 Thea sinensis Species 0.000 description 1
- 241000669244 Unaspis euonymi Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种烟叶风格特征年度间稳定性的客观综合评价方法，根据评价指标分值和评价指标权重构建烟叶风格特征的客观综合评价模型，根据烟叶风格特征客观综合评价模型计算各年度烟叶风格特征分值，进一步计算年度间烟叶风格特征分值的变异系数，并以图形形式表现年度间风格特征各指标的差异情况，变异系数越小且图形中指标表现的差异越小说明年度间烟叶风格特征越稳定。本发明有助于客观、准确掌握烟叶风格特征整体质量及稳定性情况，为持续提升烟叶原料风格特征的稳定性提供技术支撑，进一步强化卷烟品牌独特风格持续稳定的保障能力。
Description
技术领域
本发明涉及烟草技术领域，特别涉及一种烟叶风格特征年度间稳定性的客观综合评价方法。
背景技术
中式烤烟型卷烟要求烟叶原料香味风格多样，质量特征突出。卷烟配方往往需使用不同生态地区的不同香味风格的烟叶，而且要求这些烟叶香味特征明显，以使卷烟香味丰富，产品风格多样；而卷烟品牌独特的风格特色的形成和基地烟叶原料的风格特征密切相关，要保持和稳定卷烟品牌的风格特色，首当其冲是要保障基地原料风格特征的稳定；但目前行业内在烟叶风格特征评价时多采用定性描述进行综合评价评定，在准确定位风格特征综合质量和稳定性评价时难度较大且主观性较强。
发明内容
本发明在于克服现有技术中的不足，提供一种烟叶风格特征年度间稳定性的客观综合评价方法，解决现有技术中在准确定位烟叶风格特征综合质量和稳定性评价时难度较大且主观性较强的技术问题。
为解决上述技术问题，本发明所提供的技术方案是：一种烟叶风格特征年度间稳定性的客观综合评价方法，根据评价指标分值和评价指标权重构建烟叶风格特征的客观综合评价模型，根据烟叶风格特征客观综合评价模型计算各年度烟叶风格特征分值，进一步计算年度间烟叶风格特征分值的变异系数，并以图形形式表现年度间风格特征各指标的差异情况，变异系数越小且图形中指标表现的差异越小说明年度间烟叶风格特征越稳定。
构建烟叶风格特征的客观综合评价模型的具体方法如下：
根据香型定义和数据信息筛选确定评价指标，并对筛选确定的评价指标进行数据预处理；
根据烟叶风格特征指标数据结构和性质确定指标权重；
根据已确定的评价指标及其权重，建立烟叶风格特征的客观综合评价模型，具体为：
F＝∑(Aj*Wj)×η
式中：F表示烟叶风格特征得分；Aj表示第j个风格特征指标分值；Wj表示第j个风格特征指标权重,η表示常数。
所述数据预处理包括：剔除重复数据、剔除异常数据所在的整组数据。
异常数据的判定方法为：
将各评价指标数据按照Z-score标准化方法进行标准化，经过处理后的数据符合标准正态分布、均值为0、标准差为1，此时评价指标数据的绝对值大于3倍标准差即为异常数据。
所述数据预处理还包括：同趋化处理。
确定指标权重的方法如下：
采用主观赋权法和客观赋权法对风格特征评价指标进行赋权，而后应用乘法组合法得到组合权重；
随机抽取10组烟叶风格特征评价结果与主观权重、客观权重和组合权重计算分值的评价结果进行比较，筛选出一致率最高的指标权重，再通过非参数检验方法进行检验，通过检验的指标权重即为烟叶风格特征的客观综合评价模型的指标权重。
与现有技术相比，本发明所达到的有益效果是：提供了一种烟叶风格特征年度间稳定性的客观综合评价方法，有助于客观、准确掌握烟叶风格特征整体质量及稳定性情况，为持续提升烟叶原料风格特征的稳定性提供技术支撑，进一步强化卷烟品牌独特风格持续稳定的保障能力。
附图说明
图1是使用平均联接(组间)的树状图；
图2是排名和Z-K1排序相关样本Friedman按秩的双向方差分析图；
图3是排名和Z-K3排序相关样本Friedman按秩的双向方差分析图；
图4是年度间风格特征各指标的稳定性。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明提供一种烟叶风格特征年度间稳定性的客观综合评价方法，根据评价指标分值和评价指标权重构建烟叶风格特征的客观综合评价模型，根据烟叶风格特征客观综合评价模型计算各年度烟叶风格特征分值，进一步计算年度间烟叶风格特征分值的变异系数，并以图形形式表现年度间风格特征各指标的差异情况，变异系数越小且图形中指标表现的差异越小说明年度间烟叶风格特征越稳定。
构建烟叶风格特征的客观综合评价模型的具体方法如下：
步骤一：根据香型定义和数据信息筛选确定评价指标，并对筛选确定的评价指标进行数据预处理，具体如下：
步骤1-1：烟叶风格特征评价数据收集整理
收集整理江苏中烟2013年-2015年度清香型烟叶基地评价样品感官风格特征评价数据，共计75组数据。
步骤1-2：烟叶风格特征评价指标筛选
根据香型定义和数据信息筛选确定评价指标。
《YC/T 530-2015烤烟烟叶质量风格特色感官评价方法》中规定：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；香型指标包括清香型、中间香型和浓香型共三个指标，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；香气状态包括飘逸、悬浮和沉溢共三个指标。
中间香型(pure-sweetness type)是在烤烟本香(干草香)的基础上，具有以正甜香、木香、辛香等为主体香韵的烤烟香气特征；正甜香韵突出；香气丰富而悬浮。根据中间香型定义确定香韵(15种)、香气状态(悬浮)、烟气浓度和劲头作为评价指标。
中间香型烟叶风格特征香韵的种类及突显程度不尽相同,通过表1可知：近三年中间香型评价数据中标度值均不为0的情况：干草香和正甜香均为100％，木香和辛香分别为98.81％、97.62％，青香和焦香均为52.38％，清甜香、焦甜香、坚果香分别为7.14％、4.76％、3.57％，豆香、果香等6种香韵均为0；说明清甜香、焦甜香、豆香和果香等9种香韵以及坚果香在清香型风格特征评价中基本不具代表性，所以清甜香、焦甜香、豆香和果香等9种香韵不作为中间香型风格特征评价指标。
表1
通过图1可知：可将6种香韵指标按照组间平均联接分为五类，其中第一类指标包括干草香和青香，第二类指标包括木香和辛香，第三类指标为正甜香，第四类指标为焦香。
以中间香型指标为因变量，以干草香、正甜香、木香、辛香、青香、焦香等指标为自变量建立逐步回归模型(见表2)可知：模型4的R方最大为0.496，说明模型对中间香型的拟合优度相对尚好，调整R方＝0.470，说明回归方程的具备一定预测能力；通过表3可知：模型检验P＜0.001，说明模型有统计学意义；根据模型非标准化系数(见表4)可知：干草香对中间香型的影响程度相对较大，其次为木香和正甜香，最后为焦香，而辛香、青香与中间香型的相关性较小。
综上分析，中间香型香韵代表性指标为：干草香、正甜香、木香、焦香；中间香型风格特征评价指标为：干草香、正甜香、木香、焦香、悬浮、烟气浓度和劲头。
表2
表3
表4
步骤1-3：评价指标数据预处理
如果评价样本中存在大量重复数据将降低样本的代表性，影响指标权重赋值，通过表5可知：中间香型存在5组重复数据。将重复数据保留一组，其余剔除。
表5
将各指标数据按照Z-score标准化方法进行标准化，经过处理后的数据符合标准正态分布、均值为0、标准差为1，此时指标数据的绝对值大于3倍标准差即为异常值，表6为异常值情况。将异常值数据所在的整组数据剔除。
表6
经数据预处理确定中间香型有效数据为77组。
步骤1-4：评价指标数据同趋化处理
评价指标中香韵和香气状态均为效益型指标，即标度值越大越好；根据实际情况烟气浓度在2.4-3.5(中等至稍大)标度范围内也属于效益型指标，而劲头为适中较好，并且原料使用人员期望劲头和烟气浓度的匹配度要好，即烟气浓度较劲头相等或稍大，更有利于品牌配方实现高浓度、高香气、低危害，即“两高一低”的目标；所以在此引入烟气浓度和劲头的比值(以下简称浓劲比)。
根据表7中间香型烟气浓度、劲头、浓劲比的简单相关性(双侧)可知：中间香型的劲头与烟气浓度、浓劲比在1％水平下显著相关，相关系数分别为：0.696、-0.680，烟气浓度和浓劲比相关性未达到5％显著水平。故引入浓劲比指标代替劲头，即能实现对劲头的评价和监控，又能体现原料烟气浓度和劲头的匹配性。
表7
根据浓劲比指标数据分布情况(详见表8和表9)和评价原则，制定了浓劲比指标分值标度方法(见表10)，实现指标的同趋化。
表8
表9
| 区间 | 中间香型 |
| ＜0.8 | 0.00 |
| ≥0.8-0.9 | 3.90 |
| ≥0.9-1.0 | 20.80 |
| ≥1.0-1.1 | 63.60 |
| ＝1 | 36.40 |
| ＞1-1.1 | 27.30 |
| ≥1.1-1.2 | 9.10 |
| ≥1.2 | 2.60 |
表10
步骤二：根据烟叶风格特征指标数据结构和性质确定指标权重；
根据烟叶风格特征指标数据结构和性质、结合感官风格特征评价实际情况，采用1种主观赋权法和5种客观赋权法，分别为Z、K1、K2、K3、K4、K5分别进行赋权，而后再应用乘法组合法得到清香型的主客观组合权重。
2.1：Z赋权法
按照表11构建各指标重要性对比矩阵，将对比矩阵的各列数据求和(见表12)；将每列的各指标分别除以该列的和把每一列数据进行归一化处理后得到归一化矩阵，再对对归一化矩阵各行数据求和即为该行对应指标的特征向量，将各指标的特征向量除以所有指标特征向量的总和即为各指标的权重(见表13)。
表11 9/9～9/1标度对比矩阵构建方法
表12各指标重要性对比矩阵及每列和值
表13归一化矩阵、特征向量和权重
在构建各指标对比矩阵时，需要对指标进行两两比较，为避免出现：B>C，C>D，而B＜D的情况，需对构建的指标对比矩阵进行一致性检验。通过式1计算矩阵的最大特征根：
式中λ表示特征根；AZ表示指标权重与指标重要性对比矩阵每行对应指标的乘积；n表示评价指标个数；Zj表示第j个指标的主观权重，j＝1、2、3……n。
根据一致性指标(Constant index)公式(式2)，计算一致性指标C.I.：
其中C.I.＝0表示矩阵越一致；C.I.越大，表示矩阵越不一致；λmax表示最大特征根；n表示评价指标个数。
检验矩阵的一致性指标为矩阵的随机一致性比率，按照式3计算：
当C.R.<0.1时，符合一致性检验。R.I.表示平均随机一致性指标，这个是一个常量，根据阶数可以在量表里查询(见表14)。
表14 R.I.值量表
根据指标重要性对比矩阵计算权重及矩阵一致性检验结果见表15。
表15
2.2：K1赋权法
将评价数据按照式4构建评价矩阵Q，并按式5将评价矩阵数据进行归一化处理：
式(4)中，f11～f1n代表同一样品的不同评价指标的数据；f11～fm1代表同一指标的不同样品的数据。
其中，fij为评价矩阵Q的第j类指标中第i个指标的评价数据，xij为归一化评价矩阵的第j类指标中第i个指标的评价数据的归一化值，max fij和min fij分别为评价矩阵Q的第j类指标中第i个指标评价数据的最大值和最小值。
根据熵的定义，按照计算各指标的熵值Ej：
其中m表示被评价对象的个数；i＝1、2、3……m；Ej表示第j个指标的熵值；如果pij＝0,则定义
根据各指标的熵值Ej通过计算各指标熵权(其中n表示风格特征指标个数；j＝1、2、3……n)。
根据各指标评价数据按照以上步骤计算可得清香型各指标的熵值和权重，详见表16。
表16
| 指标 | 熵值 | 权重 |
| 干草香 | 0.2923 | 0.132 |
| 正甜香 | 0.2302 | 0.143 |
| 木香 | 0.1522 | 0.158 |
| 焦香 | 0.0639 | 0.174 |
| 悬浮 | 0.2922 | 0.132 |
| 烟气浓度 | 0.2990 | 0.130 |
| 浓劲比 | 0.2935 | 0.131 |
2.3：K2赋权法
将评价数据按照式4构建评价矩阵Q，将评价矩阵数据输入SPSS 19.0软件中，运用spss降维中的因子分析提取指标主成分，得到成份矩阵，其中变量与某一成份的联系系数绝对值越大，则该成份与变量关系越近，或者成份矩阵也可以作为因子贡献大小的度量，其绝对值越大，贡献也越大。经正交旋转后可得到旋转成份矩阵，根据成份矩阵和旋转成份矩阵可得到各指标的权重，详见表17。
表17
2.4：K3赋权法
将评价数据按照式4构建评价矩阵Q，将评价矩阵数据输入DPS数据分析软件中采用灰色系统中的关联度分析来计算评价指标的关联矩阵，计算步骤包括原始数据变换、计算关联度系数、求关联度、排关联序、列关联矩阵，其中数据序列转换方式为标准化、母序列个数设置为0、分辨系数设置为0.1，可得出关联矩阵；计算关联矩阵中每列指标与每行各指标的关联度系数之和r，再将所有指标的r归一化后即为各指标的权重。关联矩阵和各指标的权重详见表18。
表18
2.5：K4赋权法
将评价数据按照式4构建评价矩阵Q，并将评价矩阵Q转置得到QT，将矩阵QT数据输入DPS数据分析软件中采用综合评价中的Topsis法来计算评价指标的指标CI，计算步骤包括变换矩阵、计算最优向量和最劣向量、计算评价对象到最优与最劣向量的距离、计算指标CI，其中各个指标特性设置按照指标为高优指标(即指标数值越大越好)且各指标权重均为1，可得出各评价指标的指标CI；将所有评价指标的指标CI归一化后即为各指标的权重。评价指标与最优值的距离D+、最劣值的距离D-，指标CI和各指标的权重详见表19。
表19
2.6：K5赋权法
将评价数据按照式4构建评价矩阵Q，将矩阵Q数据输入DPS数据分析软件中采用综合评价中的投影寻踪分类来计算评价指标的投影向量，计算步骤包括变换矩阵、构建评价指标的投影目标函数、投影指标函数最大化求解、计算投影向量，其中投影寻踪参数设置按照指标为高优指标(即指标数值越大越好)，数据转换采用规格化转换，密度阈值设置为0.10，可得出各评价指标的投影向量；将所有评价指标的投影向量归一化后即为各指标的权重。评价指标的投影向量和各指标的权重详见表20。
表20
| 指标 | 干草香 | 正甜香 | 木香 | 焦香 | 悬浮 | 烟气浓度 | 浓劲比 |
| 投影向量 | 0.1830 | 0.2725 | 0.2179 | 0.7012 | 0.3348 | 0.4318 | 0.1094 |
| 权重 | 0.081 | 0.121 | 0.097 | 0.312 | 0.149 | 0.192 | 0.049 |
2.7：组合权重
将主观赋权法与各客观赋权法按照乘法组合法计算组合权重，其中K2赋权法权重存在负值，影响主观赋权法权重的向量方向，故不进行组合。将Z赋权法与K1、K3、K4、K5赋权法种赋权分别按照式6计算得出组合权重：
ZHj表示第j个风格特征指标的主客观组合权重，Zj表示第j个风格特征指标主观权重，Kj表示第j个风格特征指标客观权重，n表示评价指标个数。
综上分析，共形成10种中间香型风格特征指标权重(见表21)。
表21
| 指标 | 干草香 | 正甜香 | 木香 | 焦香 | 悬浮 | 烟气浓度 | 浓劲比 |
| Z | 0.157 | 0.218 | 0.102 | 0.086 | 0.183 | 0.118 | 0.136 |
| K1 | 0.132 | 0.143 | 0.158 | 0.174 | 0.132 | 0.130 | 0.131 |
| K2 | 0.161 | 0.267 | 0.113 | 0.170 | 0.115 | 0.285 | -0.111 |
| K3 | 0.151 | 0.142 | 0.135 | 0.138 | 0.155 | 0.143 | 0.137 |
| K4 | 0.194 | 0.142 | 0.081 | 0.003 | 0.193 | 0.201 | 0.186 |
| K5 | 0.081 | 0.121 | 0.097 | 0.312 | 0.149 | 0.192 | 0.049 |
| Z-K1 | 0.147 | 0.222 | 0.114 | 0.106 | 0.172 | 0.110 | 0.128 |
| Z-K3 | 0.165 | 0.214 | 0.095 | 0.082 | 0.197 | 0.117 | 0.130 |
| Z-K4 | 0.197 | 0.201 | 0.053 | 0.002 | 0.228 | 0.154 | 0.164 |
| Z-K5 | 0.097 | 0.200 | 0.074 | 0.202 | 0.206 | 0.172 | 0.050 |
2.8一致性比较
随机从中间香型基地配套试验中抽取10个试验42个样品，统计各个试验的感官风格特征符合性评价排序结果，根据不同权重计算风格特征分值，并按照得分的大小进行排序；将各权重计算的得分排序和符合性评价排序进行比较(表22)可知：Z-K1和Z-K3一致性较高，均为33个；所以初定Z-K1和Z-K3作为中间香型指标的评价权重。
表22
| 赋权法 | 一致性个数 |
| Z | 31 |
| K1 | 23 |
| K2 | 29 |
| K3 | 29 |
| K4 | 26 |
| K5 | 23 |
| Z-K1 | 33 |
| Z-K3 | 33 |
| Z-K4 | 31 |
| Z-K5 | 28 |
2.9一致性检验
对各试验符合性评价结果与优先确定的评价得分排序进行检验。
通过SPSS的Friedman检验(表23、表24)可知：符合性评价排序与Z-K1和Z-K3排序存在差异均无统计学意义。符合性评价排序与Z-K1的平均秩分别为1.53、1.47，在59.3％水平下显著，而符合性评价排序与Z-K3的平均秩分别为1.51、1.49，在76.3％水平下显著(图2、图3)，所以Z-K3确定的权重作为中间香型风格特征综合评价的权重。
表23
表24
步骤三：根据已确定的评价指标及其权重，建立烟叶风格特征的客观综合评价模型，具体为：
F＝∑(Aj*Wj)×η
式中：F表示烟叶风格特征得分；Aj表示第j个风格特征指标分值；Wj表示第j个风格特征指标权重,η表示常数。
根据构建的烟叶风格特征的客观综合评价模型、确定的评价指标和指标权重(详见表25)，由于各指标最大标度值为5，为便于使用将烟叶风格特征分值转换为百分制，建立烟叶风格特征综合评价模型如下：
F”＝∑(Aj*Wj)×20
式中：F”表示转换为百分制后的烟叶风格特征得分；Aj表示第j个风格特征指标分值；Wj表示第j个风格特征指标权重。
表25
| 指标 | 干草香 | 正甜香 | 木香 | 焦香 | 悬浮 | 烟气浓度 | 浓劲比 |
| 权重 | 0.16 | 0.21 | 0.10 | 0.08 | 0.20 | 0.12 | 0.13 |
烟叶风格特征年度间稳定性客观综合评价方法：
烟叶风格特征年度间稳定性时以烟叶风格特征评价模型计算各年度烟叶的风格特征分值，再计算年度间分值的变异系数，并以图形形式表现年度间风格特征各指标的差异情况，年度间风格特征分值变异系数越小且图形中指标表现的差异越小说明年度间烟叶风格特征越稳定。
以贵州省某产区2013年-2015年感官风格特征稳定性评价为例：
按照烟叶风格特征评价模型计算2013年、2014年、2015年感官风格特征客观综合分值分别为51.10、63.92、53.20；通过表26可知：2013年-2014年变异系数为15.76％，差异较大；2014年-2015年变异系数为12.94％，差异较大；2013年-2015年变异系数为2.85％，差异较小；三年总体变异系数为12.26％，差异较大。通过图4可知：除烟气浓度外其它指标年度差异均较明显，尤其是浓劲比、干草香等指标差异明显。综合来看近三年来该产区烟叶风格特征无论是总体质量还是指标差异均较大，稳定性较差。
表26
| 指标 | 2013年-2014年 | 2014年-2015年 | 2013年-2015年 | 总体 |
| 标准偏差 | 9.07 | 7.58 | 1.48 | 6.88 |
| 均值 | 57.51 | 58.56 | 52.15 | 56.07 |
| 变异系数 | 15.76％ | 12.94％ | 2.85％ | 12.26％ |
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种烟叶风格特征年度间稳定性的客观综合评价方法，其特征在于，根据评价指标分值和评价指标权重构建烟叶风格特征的客观综合评价模型，根据烟叶风格特征客观综合评价模型计算各年度烟叶风格特征分值，进一步计算年度间烟叶风格特征分值的变异系数，并以图形形式表现年度间风格特征各指标的差异情况，变异系数越小且图形中指标表现的差异越小说明年度间烟叶风格特征越稳定。
2.根据权利要求1所述的烟叶风格特征年度间稳定性的客观综合评价方法，其特征在于，构建烟叶风格特征的客观综合评价模型的具体方法如下：
根据香型定义和数据信息筛选确定评价指标，并对筛选确定的评价指标进行数据预处理；
根据烟叶风格特征指标数据结构和性质确定指标权重；
根据已确定的评价指标及其权重，建立烟叶风格特征的客观综合评价模型，具体为：
F＝∑(Aj*Wj)×η
式中：F表示烟叶风格特征得分；Aj表示第j个风格特征指标分值；Wj表示第j个风格特征指标权重,η表示常数。
3.根据权利要求2所述的烟叶风格特征年度间稳定性的客观综合评价方法，其特征在于，所述数据预处理包括：剔除重复数据、剔除异常数据所在的整组数据。
4.根据权利要求3所述的烟叶风格特征年度间稳定性的客观综合评价方法，其特征在于，异常数据的判定方法为：
将各评价指标数据按照Z-score标准化方法进行标准化，经过处理后的数据符合标准正态分布、均值为0、标准差为1，此时评价指标数据的绝对值大于3倍标准差即为异常数据。
5.根据权利要求2所述的烟叶风格特征年度间稳定性的客观综合评价方法，其特征在于，所述数据预处理还包括：同趋化处理。
6.根据权利要求2所述的烟叶风格特征年度间稳定性的客观综合评价方法，其特征在于，确定指标权重的方法如下：
采用主观赋权法和客观赋权法对风格特征评价指标进行赋权，而后应用乘法组合法得到组合权重；
随机抽取10组烟叶风格特征评价结果与主观权重、客观权重和组合权重计算分值的评价结果进行比较，筛选出一致率最高的指标权重，再通过非参数检验方法进行检验，通过检验的指标权重即为烟叶风格特征的客观综合评价模型的指标权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711119903.1A CN107909264A (zh) | 2017-11-14 | 2017-11-14 | 一种烟叶风格特征年度间稳定性的客观综合评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711119903.1A CN107909264A (zh) | 2017-11-14 | 2017-11-14 | 一种烟叶风格特征年度间稳定性的客观综合评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107909264A true CN107909264A (zh) | 2018-04-13 |
Family
ID=61843859
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711119903.1A Pending CN107909264A (zh) | 2017-11-14 | 2017-11-14 | 一种烟叶风格特征年度间稳定性的客观综合评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107909264A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109146301A (zh) * | 2018-08-30 | 2019-01-04 | 山东中烟工业有限责任公司 | 一种分段式烟支烟丝分布均匀性评价方法和系统 |
| CN109711632A (zh) * | 2018-12-29 | 2019-05-03 | 辽宁工程技术大学 | 一种基于瓦斯涌出异常敏感指标的煤与瓦斯突出预测方法 |
| CN110286663A (zh) * | 2019-06-28 | 2019-09-27 | 云南中烟工业有限责任公司 | 基于区域性的卷烟物理指标标准化生产的提升方法 |
| CN110954657A (zh) * | 2019-12-02 | 2020-04-03 | 浙江中烟工业有限责任公司 | 一种烟叶化学品质的评价方法 |
| CN112067560A (zh) * | 2020-08-06 | 2020-12-11 | 红云红河烟草(集团)有限责任公司 | 一种基于色度值结合熵权法的烟用料液稳定性测定方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103424542A (zh) * | 2013-08-23 | 2013-12-04 | 贵州省烟草科学研究院 | 一种基于感官评吸的烟叶质量评价方法 |
| CN104063599A (zh) * | 2014-06-26 | 2014-09-24 | 江苏中烟工业有限责任公司 | 一种用于评价烟叶质量的指标筛选及处理方法 |
| CN104215750A (zh) * | 2014-10-10 | 2014-12-17 | 河南农业大学 | 基于烟叶化学成分的植烟土壤综合评价方法 |
| CN105067770A (zh) * | 2015-07-30 | 2015-11-18 | 江苏中烟工业有限责任公司 | 一种片烟气调贮存过程中烟叶质量变化趋势分析方法 |
| CN105092789A (zh) * | 2015-08-10 | 2015-11-25 | 江苏中烟工业有限责任公司 | 一种片烟醇化过程中烟叶风格特征变化趋势分析方法 |
| CN105445421A (zh) * | 2015-11-11 | 2016-03-30 | 江苏中烟工业有限责任公司 | 一种通过外观指标预测片烟醇化过程中感官质量的方法 |
-
2017
- 2017-11-14 CN CN201711119903.1A patent/CN107909264A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103424542A (zh) * | 2013-08-23 | 2013-12-04 | 贵州省烟草科学研究院 | 一种基于感官评吸的烟叶质量评价方法 |
| CN104063599A (zh) * | 2014-06-26 | 2014-09-24 | 江苏中烟工业有限责任公司 | 一种用于评价烟叶质量的指标筛选及处理方法 |
| CN104215750A (zh) * | 2014-10-10 | 2014-12-17 | 河南农业大学 | 基于烟叶化学成分的植烟土壤综合评价方法 |
| CN105067770A (zh) * | 2015-07-30 | 2015-11-18 | 江苏中烟工业有限责任公司 | 一种片烟气调贮存过程中烟叶质量变化趋势分析方法 |
| CN105092789A (zh) * | 2015-08-10 | 2015-11-25 | 江苏中烟工业有限责任公司 | 一种片烟醇化过程中烟叶风格特征变化趋势分析方法 |
| CN105445421A (zh) * | 2015-11-11 | 2016-03-30 | 江苏中烟工业有限责任公司 | 一种通过外观指标预测片烟醇化过程中感官质量的方法 |
Non-Patent Citations (4)
| Title |
|---|
| 张勇刚: "烤烟感官质量评价方法研究——以四川省为例", 《中国优秀硕士学位论文全文数据库农业科技辑》 * |
| 李瑞丽: "河南烤烟烟叶质量评价研究及关键指标的近红外预测模型建立", 《中国博士学位论文全文数据库工程科技I辑》 * |
| 潘文杰 等: "《贵州烤烟有机生产体系研究与实践》", 30 April 2014, 贵州科技出版社 * |
| 王鹏泽 等: "因子、聚类及判别分析在烟叶风格特色评价中的应用", 《中国烟草科学》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109146301A (zh) * | 2018-08-30 | 2019-01-04 | 山东中烟工业有限责任公司 | 一种分段式烟支烟丝分布均匀性评价方法和系统 |
| CN109711632A (zh) * | 2018-12-29 | 2019-05-03 | 辽宁工程技术大学 | 一种基于瓦斯涌出异常敏感指标的煤与瓦斯突出预测方法 |
| CN110286663A (zh) * | 2019-06-28 | 2019-09-27 | 云南中烟工业有限责任公司 | 基于区域性的卷烟物理指标标准化生产的提升方法 |
| CN110286663B (zh) * | 2019-06-28 | 2021-05-25 | 云南中烟工业有限责任公司 | 基于区域性的卷烟物理指标标准化生产的提升方法 |
| CN110954657A (zh) * | 2019-12-02 | 2020-04-03 | 浙江中烟工业有限责任公司 | 一种烟叶化学品质的评价方法 |
| CN110954657B (zh) * | 2019-12-02 | 2022-03-25 | 浙江中烟工业有限责任公司 | 一种烟叶化学品质的评价方法 |
| CN112067560A (zh) * | 2020-08-06 | 2020-12-11 | 红云红河烟草(集团)有限责任公司 | 一种基于色度值结合熵权法的烟用料液稳定性测定方法 |
| CN112067560B (zh) * | 2020-08-06 | 2023-11-03 | 红云红河烟草(集团)有限责任公司 | 一种基于色度值结合熵权法的烟用料液稳定性测定方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107767079A (zh) | 一种烟叶风格特征的客观综合评价方法 | |
| CN107909264A (zh) | 一种烟叶风格特征年度间稳定性的客观综合评价方法 | |
| CN107784452A (zh) | 一种烟叶风格特征相似性的客观综合评价方法 | |
| Tichy et al. | Statistical determination of diagnostic species for site groups of unequal size | |
| Pang et al. | C5. 0 classification algorithm and application on individual credit evaluation of banks | |
| Bouvet et al. | Selecting for water use efficiency, wood chemical traits and biomass with genomic selection in a Eucalyptus breeding program | |
| Bi | The self-thinning surface | |
| Kwan et al. | Classification of wines by applying pattern recognition to chemical composition data | |
| CN110135167A (zh) | 一种随机森林的边缘计算终端安全等级评估方法 | |
| CN105092789B (zh) | 一种片烟醇化过程中烟叶风格特征变化趋势分析方法 | |
| CN104182629A (zh) | 一种基于主成分分析的烟支物理指标综合稳定性表征方法 | |
| CN111680910A (zh) | 一种基于卷烟配方功效的烟叶适用范围定位方法 | |
| CN108414471B (zh) | 一种基于近红外光谱与感官评吸互信息判别感官表征信息的方法 | |
| Yagushi et al. | Saturated salt accelerated aging and computerized analysis of seedling images to evaluate soybean seed performance | |
| CN105205333A (zh) | 一种烟叶配方的设计方法 | |
| Aldi et al. | University Student Satisfaction Analysis on Academic Services by Using Decision Tree C4. 5 Algorithm (Case Study: Universitas Putra Indonesia “yPTK” Padang) | |
| CN111642782A (zh) | 一种基于卷烟配方需求的烟叶原料功效定位方法 | |
| WO2022001829A1 (zh) | 一种改进团队进步算法的近红外光谱波长筛选方法 | |
| CN109190088A (zh) | 一种森林群落演替树种顶级适应值的统计方法 | |
| CN111652516A (zh) | 一种基于配方功效的烟叶基地适用性评价方法 | |
| CN113657452A (zh) | 基于主成分分析和超级学习的烟叶质量等级分类预测方法 | |
| Bodor-Pesti et al. | Quantitative image analysis of berry size and berry shape of different grapevine (Vitis vinifera L.) accessions | |
| CN110852888A (zh) | 一种基于粒子滤波的证券投资组合优化方法 | |
| Wu et al. | Impacts of stand origin, species composition, and stand density on height-diameter relationships of dominant trees in Sichuan Province, China | |
| CN111709627A (zh) | 一种卷烟品牌配方功效和风格特征的匹配度判定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180413 |
|
| RJ01 | Rejection of invention patent application after publication |