本发明涉及一种基于标偏分位百分比的均匀性评价方法，属于烟草质量控制领域。
背景技术：
：随着近年来，人们对烟叶质量的要求的逐渐提高，均质化生产越来越多的应用于打叶复烤领域，片烟的化学成分的调控多以尼古丁为主，片烟的均匀性指标一般采用化学值的标偏与化学值的均值的比值作为变异系数来衡量，目前绝大多数打叶复烤的均质化控制水平都一般控制在5％的变异系数，但是由于烟叶作为一种特殊的农产品，其化学值均值水平，批次规模，样本量，都很难一致，不同复烤厂之间的片烟的波动水平很难由变异系数来衡量，因此在实际比较的过程中一般会采用标偏的大小，但是在不同复烤厂，不同批次标偏比较的过程中，又会导致标偏0.07与0.08差异不大，而在同等均值水平下变异系数3.5％与4％又差异很大的情况出现；有些由于取样量非常少，且集中取样，导致标偏很低，这样评价又有失公允；在深入研究打叶复烤均匀性评价体系中，华环国际烟草有限公司上海烟草集团有限责任公司发表的专利申请号为201610280750.8，发明名称为一种测试在打叶复烤中基于均质化控制的效果的方法中对打叶复烤的均质化，基于过程与整体，全局与局部对均质化进行了分三部分评价，整体变异系数，局部变异系数以及协变量变异系数的评价体系，上述方法是探索均质化评价体系中比较详实的尝试，能够很快的分析出整体的稳定性水平以及过程中是否出现异常，调控所发挥作用的来源，但是在上述评价烟叶化学值均质化的过程中忽略了异常数据对整个均质化评价的影响，如有一批非常稳定的化学值数据，但是偶尔出现一些离群的化学值，这种情况会容易把标偏与变异系数都拉高，在实际的执行的过程中又很难区分哪些的确是化学成分的异常，其异常数据的评判标准尚不明朗。显然，对于上述的数据是非常稳定的数据只不过是出现了异常，而非不稳定。技术实现要素：鉴于上述方法的缺点，本发明的目的在于提供一种基于标偏分位百分比的均匀性评价方法，在获取烟叶化学值后根据化学值的分布范围求出化学值的置信分布区间，同时运用满足给定区间标偏数据的最大占比即标偏分位百分比来衡量比较不同复烤厂、不同批次，不同类型烟叶，不同异常数据类型下的各种数据的均匀性。本发明采用了如下技术方案：一种基于标偏分位百分比的均匀性评价方法，其特征在于，包括如下步骤：步骤一：烟叶取样；步骤二：获取烟叶的化学值并选择评价指标，形成该评价指标的化学值x；步骤三：求解x的均值xm,以及标偏xstd；并求解在显著性水平alpha下的临界值t；则xm的1-alpha置信概率的上限up与下线lo的计算公式如下：lo＝xm-xstd×t(1)up＝xm+xstd×t(2)步骤四：计算不在[lo，up]区间内的化学值，并计算在[lo，up]区间内的化学值的1-alpha置信概率下的标准偏差；形成每个显著性水平下的标偏cpsd；步骤五：对化学值x进行降序排列得到排序化学值y；步骤六：计算所有数据的标偏std0；步骤七：设y的第一个数据序号为1，最后一个数据的序号为n,只剔除第一个数据，计算标偏得到s1,只剔除第n个数据得到标偏s2,则删除上述计算psd取值对应序号的y值，然后重新计算，经过k次得到psd向量；步骤八：选取[0,s]数值区间，以p为数据间隔，每个数据点代表预设标偏；步骤九：计算psd小于给定区间数值的数据对应的最少剔除数据个数及此个数占总体样本个数的百分比ppsd。进一步，本发明的基于标偏分位百分比的均匀性评价方法，还可以具有这样的特征：步骤二中，使用近红外检测法获取烟叶的化学值。进一步，本发明的基于标偏分位百分比的均匀性评价方法，还可以具有这样的特征：其中，步骤二中，处理烟叶前应先进行预处理，预处理的方法如下：去除烟叶上的细土和泥沙，抽去主脉及直径超过2mm的支脉，将烟叶剪成片或者切成丝放入烘箱中，在40℃的温度下烘4h左右，直至可用手指捻碎，将烘好的烟片或者烟丝取出，立即用粉碎机粉碎，进行实验室近红外定量检测。进一步，本发明的基于标偏分位百分比的均匀性评价方法，还可以具有这样的特征：步骤二中，选择尼古丁作为评价指标。进一步，本发明的基于标偏分位百分比的均匀性评价方法，还可以具有这样的特征：步骤七中，还包括判断s1是否小于等于s2的步骤。进一步，本发明的基于标偏分位百分比的均匀性评价方法，还可以具有这样的特征：步骤七中，还包括判断k是否小于n的步骤。发明的有益效果1、从均匀性的评价的角度出发，本发明方法规避了传统运用标偏或者变异系数评价带来的数据基准不一致，标偏差异不明显，尤其是异常数据对均匀性评价带来的影响。往往在很多时候一批数据很稳定出现极个别的数据很容易把数据的整体标偏给拉高，从而得出错误的结论，本方法的发明评价方法较现有的评价方法更为客观。2、在均质化推进的过程中，往往有很多的结论模糊，含糊不清为探讨均质化调控方法带来了错误的引导，使得多数实验推进不下去，本方法避免了打叶复烤均质化调控过程中的各种调控方式尝试以及简单运用标偏评价带来的误导，为构建”均质化调控体系”与”均质化评价体系“做了有益的尝试”。附图说明图1是chf批次尼古丁的置信区间；图2是不同批次尼古丁的psd值；图3是不同批次的原始数据的百分比；图4是基于标偏分位百分比的均匀性评价方法计算流程图。具体实施方式以下结合附图来说明本发明的具体实施方式。基于标偏分位百分比的均匀性评价方法计算流程图见图4。步骤11：在原烟或者片烟处取样，获取不同批次或者不同复烤厂的烟叶样本；步骤12：选取烟叶，去除烟叶上的细土和泥沙，抽去主脉及直径超过2mm的支脉，将烟叶剪成片或者切成丝放入烘箱中，在40℃的温度下烘4h左右，直至可用手指捻碎。将烘好的烟片或者烟丝取出，立即用粉碎机粉碎，进行实验室近红外定量模型的检测；步骤13：获取烟叶的化学值并选择评价指标，形成该评价指标的化学值x；步骤14：求解x的均值，xm,以及标偏xstd；并求解在显著性水平alpha的临界值t；则xm的1-alpha置信概率的上限up与下限lo的计算公式如下：lo＝xm-xstd×t(1)up＝xm+xstd×t(2)步骤15：计算不在[lo，up]区间内的化学值；步骤16：计算在[lo，up]区间内的化学值的1-alpha置信概率下的标准偏差；形成每个显著性水平下的标偏cpsd，并形成每个置信概率下的cpsd表；步骤17：对化学值x进行降序排列得到排序化学值y；步骤18：计算所有数据的标偏std0；步骤19：设y的第一个数据序号为1，最后一个数据的序号为n,只剔除第一个数据，计算标偏得到s1，只剔除第n个数据得到标偏s2,步骤20，判断s1是否小于等于s2，则有下列公式若判断结果为是，则进入步骤21，psd(k)＝s1；若判断结果为否，则进入步骤22，psd(k)＝s2。步骤23，删除上述计算psd取值对应序号的y值，然后重新计算，经过k次得到psd向量；步骤24中判断k是否小于n，若是，则再进行一次上述求psd的过程，若否，则进入步骤25，生成各组数据的psd。步骤26：选取[0,s]数值区间，以p为数据间隔，每个数据点代表预设标偏；步骤27：计算psd小于给定区间数值的数据对应的最少剔除数据个数及此个数占总体样本个数的百分比ppsd。实际验证：分别从某复烤厂cgy，che，chf，chb四个批次的烤机出口各取156，201，97，196个烟叶样本；根据步骤12和步骤13对上述烟叶样本进行预处理后检测化学成分，并选择尼古丁作为均匀性的评价指标；表1：不同批次的化学值批次代码样本个数均值标偏cv值cgy1562.2500.07873.54％che2012.3880.08683.63％chf972.8670.08072.81％chb1962.0910.08303.97％根据步骤14到步骤16求解得到每个批次的上限与下限以及t值，并形成每个置信概率下的标偏cpsd，如表2所示。其中在0.05的显著性水平下，四个批次的化学值的上限与下限分别为[2.122,2.382],[2.27,2.50],[2.761,2.973],[1.982,2.2],t值分别为1.96，t值是按照norminv(1-alpha/2,0,1)来计算的。chf批次尼古丁的置信区间如图1所示。此图是典型的数据均匀性较好，但是在60-70序号附近出现了明显的异常数据，而造成不稳定性的表征。表2：不同批次不同置信概率的标偏在99％的置信概率下，标偏的顺序为chf<cgy<chb<che，chf批次调控的均匀性最好；在95％的置信概率下，标偏的顺序为cgy<chf<chb<che，cgy,chf批次调控的均匀性最好，cgy批次略优于chf；根据步骤17到步骤19分别设置四个批次的k为126，171，67，166，每个批次的初始的标偏分别为0.0787、0.0868、0.0807、0.0830。根据步骤20到步骤24进行运算，得到不同批次的psd。不同批次尼古丁的psd值见图2。根据步骤26选取预设的标偏区间为s_sd＝[0.045:0.0025:0.09]；则psd对应小于区间内数值对应的原始数据删除的最小个数以及百分比见表3：表3：不同批次符合给定标偏的ppsd计算结果并求得原始数据符合给定区间数量的百分比，见图3，从1-ppsd的分布图上可以看出数据在0.0725之前yn2116cgy与yn8116chf一直无差异，并且远好于yn5116che与yn9116chb批次。本发明方法规避了传统运用标偏或者变异系数评价带来的数据基准不一致，标偏差异不明显，尤其是异常数据对均匀性评价带来的影响。往往在很多时候一批数据很稳定出现极个别的数据很容易把数据的整体标偏给拉高，从而得出错误的结论，本方法的发明评价方法较现有的评价方法更为客观。当前第1页12