一种烟叶风格特征相似性的客观综合评价方法与流程

本发明涉及烟草
技术领域：
，特别涉及一种烟叶风格特征相似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；所以国内卷烟工业企业对优质烟叶的风格特征尤为重视，烟叶风格特征的定位和培育的研究成为烟草行业的重点和热点。“苏产卷烟”品牌风格特征鲜明，其独特的风格特点决定了其特色的原料需求，其配方原料需求又对地域和风格特色选择性较强；近年来“苏产卷烟”品牌规模增长迅速，品牌卷烟风格特征的延续性与原料风格特色的品牌适用性和可用性矛盾逐步凸显；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相似程度评价时难度较大且主观性较强。技术实现要素：本发明的目的在于克服现有技术中的不足，提供一种烟叶风格特征相似性的客观综合评价方法，解决现有技术中在准确定位风格特征综合质量和相似程度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，本发明所采用的技术方案是：一种烟叶风格特征相似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烟叶风格特征分值；根据两烟叶风格特征分值的相近度及图形表现指标的相似度，判定两烟叶风格特征的相似性情况。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。当两烟叶风格特征分值相差范围为：-1.5～+1.5时，判定两烟叶风格特征分值相近。当两烟叶风格特征分值相近，且两烟叶风格特征的各指标图形表现一致时，则判定两个烟叶风格特征具有相似性。与现有技术相比，本发明所达到的有益效果是：提供了一种基地间烟叶风格特征相似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质量情况，为进一步优化原料基地布局和品牌配方需求原料的可用性提供技术支撑，进一步强化品牌配方原料风格特征适用性及卷烟风格特色稳定性的保障能力。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-k2排序相关样本friedman按秩的双向方差分析图；图3是烟叶风格特征各指标的相似性。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相似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烟叶风格特征分值，两烟叶风格特征分值相差范围为：-1.5～+1.5时判定两烟叶风格特征分值相近，以烟叶风格特征分值相近为原则，再以图形表现的指标相似程度来综合判定烟叶风格特征的相似性情况。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年度浓香型烟叶基地评价样品感官风格特征评价数据，共计69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/t530-2015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。浓香型(burnt-sweetnesstype)是在烤烟本香(干草香)的基础上，具有以焦甜香、木香、焦香等为主体香韵的烤烟香气特征；焦甜香韵突出；香气浓郁而沉溢。根据浓香型定义确定香韵(15种)、香气状态(沉溢)、烟气浓度和劲头作为评价指标。浓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：近三年浓香型评价数据中标度值均不为0的情况：干草香、焦甜香、焦香和木香均为100％，辛香、正甜香分别为84.06％和68.12％，坚果香为33.33％，青香为2.90％，清甜香、豆香和果香等7种香韵均为0；说明青香、清甜香、豆香和果香等8种香韵以及坚果香在浓香型风格特征评价中基本不具代表性，所以青香、清甜香和果香等8种香韵不作为浓香型风格特征评价指标。表1通过图1可知：可将7种香韵指标按照组间平均联接分为三类，其中第一类指标包括木香、辛香和焦香，第二类指标包括焦甜香和坚果香，第三类指标为干草香和正甜香。以浓香型指标为因变量，以干草香、焦甜香、焦香、木香、辛香、正甜香、坚果香等指标为自变量建立逐步回归模型(见表2)可知：模型5的r方最大为0.671，说明模型对浓香型的拟合优度相对较好，调整r方＝0.656，说明模型具备一定预测能力；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：干草香和焦甜香对浓香型的影响程度相对较大，其次为焦香，而木香、辛香、正甜香、坚果香与浓香型的相关性较小。综上分析，浓香型香韵代表性指标为：干草香、焦甜香、焦香；浓香型风格特征评价指标为：干草香、焦甜香、焦香、沉溢、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：浓香型存在3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62015湘西c3f(t5)干草香2zscore(干草香)-3.497经数据预处理确定浓香型有效数据为65组。步骤1-4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2.5-3.5(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浓香型烟气浓度、劲头、浓劲比的简单相关性(双侧)可知：浓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：0.553、-0.688，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区间浓香型＜0.80.00≥0.8-0.99.20≥0.9-1.07.70≥1.0-1.163.10＝141.50＞1-1.121.50≥1.1-1.213.80≥1.26.20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119/9～9/1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λmax表示最大特征根；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(constantindex)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14r.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152.2：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，maxfij和minfij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0.28590.155焦甜香0.12900.189焦香0.14050.187沉溢0.27550.157烟气浓度0.28230.156浓劲比0.28640.1552.3：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spss19.0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指标权重干草香0.215焦甜香0.185焦香0.106沉溢0.207烟气浓度0.156浓劲比0.1322.4：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182.5：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192.6：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指标干草香焦甜香焦香沉溢烟气浓度浓劲比投影向量0.37240.55420.18700.58160.40180.0701权重0.1720.2560.0860.2680.1850.0322.7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。将z赋权法与k1、k2、k3、k4、k5赋权法种赋权分别按照式计算得出组合权重：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11种浓香型风格特征指标权重(见表21)。表212.8一致性比较随机从浓香型基地配套试验中抽取10个试验37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，根据不同方法的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-k2一致性较高，为30个；所以初定z-k2作为浓香型指标的评价权重。表22赋权法一致性个数z22k120k224k322k420k524z-k123z-k230z-k322z-k426z-k5262.9一致性检验对各试验符合性评价结果与优先确定的评价方法排序进行检验。通过spss的friedman检验(表23)可知符合性评价排序与z-k2排序存在差异无统计学意义。符合性评价排序与z-k2的平均秩均为1.49、1.51，且在70.5％水平下显著(图2)。所以z-k2确定的权重即为浓香型风格特征综合评价的权重。表23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24)，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24干草香焦甜香焦香沉溢烟气浓度浓劲比0.210.250.070.240.120.11烟叶风格特征相似性的客观综合评价方法：烟叶风格特征相似性评价时以烟叶风格特征评价模型计算烟叶的风格特征分值，以风格特征分值相近为原则，再以图形表现的指标相似程度来综合判定风格特征的相似性情况。以烟草行业内较为关注的进口烟替代问题为例，以某国进口烟叶与江苏中烟调拨的同香型国内烤烟的风格特进行征相似性评价；其中进口烟叶为浓香型，n1、n2、n3分别代表同年份不同等级烟叶，国内8个产区烟叶均为浓香型、c3f等级，代号分别为chz、cz、ja、ly、qy、mc、xx、yz。按照烟叶风格特征评价模型计算各等级烟叶风格特征客观综合分值，并以干草香、焦甜香和焦香分别代表脸高、脸宽和脸型，以沉溢、烟气浓度和浓劲比分别代表发高、发宽和发型，其它特征均标定为2.5(详见表25)，形成图形(详见图3)。表25通过烟叶风格特征分值相近和图形相似性情况(详见表26)可知：①无与n1(1)分值相近和图形相似的烟叶。②与n2(2)分值相近有chz(4)、cz(5)、mc(9)、yz(11)，图形方面脸型相似的为cz(5)、发型相似的为yz(11)、整体无相似图形，说明n2烟叶风格特征与cz在香韵方面表现较为相似，与yz在香气状态、烟气浓度和劲头方面表现较为相似。③与n3(2)分值相近有ja(6)、qy(8)、xx(10)，图形方面脸型、发型相似均为ja(6)，说明n3烟叶风格特征与ja(6)风格特征较为相似。另外，在国内8个浓香型烟叶产区的烟叶风格特征相似性方面，ly(7)和xx(10)风格特征分值分别45.98和45.02，且图形整体的相似度较高，除qy(8)外的其它产区在分值相近的前提下，图形的脸型或发型的某一方面存在相似情况。表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。当前第1页12