一种片烟气调贮存过程中烟叶质量变化趋势分析方法

摘要

本发明公开了一种片烟气调贮存过程中烟叶质量变化趋势分析方法，其特征在于：包括以下步骤：S01，分析样品的制备；S02，综合评价各指标C

说明书

技术领域

本发明涉及一种片烟气调贮存过程中烟叶质量变化趋势分析方法，属于烟 草分析技术领域。

背景技术

近年来，随着烟草行业对仓储养护的日趋重视，开展了大量的片烟醇化技 术研究。由于烟叶自然醇化是一种温和而缓慢的发酵方法，要全面、深入了解 试验条件对片烟醇化效果的影响，需对同一试验样品在醇化周期内的质量进行 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，不宜采用t检验、方差分析、随机区组设计等方法分析处理，使 该类仓储试验的数据统计分析存在一定的复杂性，所以以往试验效果的验证多 为通过描述性统计方法来直观判定。该种直观判定的方法存在可靠性差、误差 大等问题，故科学分析探索不同仓储方式间的差异显著性及其在不同时间点上 的变化趋势是一个亟待解决的问题。

发明内容

本发明所要解决的技术问题是，提供一种科学分析探索不同仓储方式间的 差异显著性及其在不同时间点上的变化趋势的方法，该法能客观、准确分析不 同时间点上及不同处理间的差异显著性，明确不同处理的影响效果比较及其随 时间的变化趋势，具有简易性、高效性、科学性等优点，可作为烟草科研领域 中符合重复测量设计数据资料的统计分析方法。

为解决上述技术问题，本发明采用的技术方案为：

一种片烟气调贮存过程中烟叶质量变化趋势分析方法，其特征在于：包括 以下步骤：

S01，分析样品的制备：设置至少6组气调处理垛位组和6组常规贮存垛 位组，每组中均包括至少5个等级复烤片烟的试验样品，各试验样品均为2箱； 并将至少12组样品存放后每6个月取样进行质量评价1次得原始数据，共计 评价6次，并按评价时间先后依次标记为T1、T2、T3、T4、T5、T6；

所述质量评价的指标包括香气质、香气量、丰满程度、杂气、浓度、劲头、 细腻程度、成团性、刺激性、干净程度、干燥感、甜度和工业适用性；

S02，综合评价各指标C_i值：

a，指标趋势化处理：质量评价的指标中除劲头和浓度外均为高优指标， 浓度在5～6之间为高优指标、劲头在5～6之间为低优指标；

b，建立决策矩阵A：根据原始数据建立决策矩阵A，即：

$A=\left(\begin{array}{cccc}{f}_{11}& f_{12}& \mathrm{...}& f_{1m}\\ f_{21}& f_{22}& \mathrm{...}& f_{2m}\\ .& .& & .\\ .& .& \mathrm{...}& .\\ .& .& & .\\ f_{n1}& f_{n2}& \mathrm{...}& f_{nm}\end{array}\right)$式(1)

式(1)中，f₁～f_n代表各试验样品；f₁₁～f_1m代表第一个试验样品的各指 标的原始数据；f₂₁～f_2m代表第二个试验样品的各指标的原始数据；f_n1～f_nm代 表第n个试验样品的各指标的原始数据；

按照式(1)将A构建成为规范化的决策矩阵Z′_ij，即：

$z_{ij}^{\prime }=\frac{f_{ij}}{\sqrt{\underset{i=1}{\overset{n}{\Sigma }}{f}_{ij}^2}}$式(2)

式(2)中，i＝1,2,…,n；j＝1,2,…,m；即n代表试验样品的个数，m代表 指标的个数；

按照式(2)构造规范化的加权决策矩阵Z，加权决策矩阵Z其中的元素 为Z_ij，其中W_j为第j个目标的权，即：

Z_ij＝W_j×Z′_ij式(3)

式(3)中，i＝1,2,…,n；j＝1,2,…,m；

忽略指标间的偏好，即无需构造规范化的加权决策矩阵，则Z′_ij即为Z_ij；

c，确定理想解和负理想解：

如果规范化的加权决策矩阵Z中元素Z_ij值越大，则表示方案越好，即为 高优指标，则：

理想解为：$Z^{+}=(Z_1^{+},Z_2^{+},\mathrm{...},Z_m^{+})=\left\{\underset{i}{\max }{Z}_{ij}|j=1,2,\mathrm{...}m\right\}$式(4)

负理想解为：$Z^{-}=(Z_1^{-},Z_2^{-},\mathrm{...},Z_m^{-})=\left\{\underset{i}{\min }{Z}_{ij}|j=1,2,\mathrm{...},m\right\}$式(5)

低优指标则相反；

经计算可得各等级复烤片烟的理想解和负理想解；

d，计算各样品指标与最优值的距离各样品指标与最劣值的距离 和各样品指标的距离得分C_i值：

$S_i^{+}=\sqrt{\underset{j=1}{\overset{m}{\Sigma }}{(Z_{ij}-Z_j^{+})}^2}$式(6)

式(6)中，代表理想解，由式(4)计算得到；i＝1,2,…,n；

$S_i^{-}=\sqrt{\underset{j=1}{\overset{m}{\Sigma }}{(Z_{ij}-Z_j^{-})}^2}$式(7)

式(7)中，代表负理想解，由式(5)计算得到；i＝1,2,…,n；

按照式(8)计算样品指标与理想解的相对接近程度，即指标C_i值：

$C_i=\frac{S_i^{-}}{S_i^{-}+S_i^{+}}$式(8)

式(8)中，0≤C_i≤1；i＝1,2,…,n；

S03，以计算的指标C_i值的数据，采用SPSS进行数据分析；从分析结果 可以看出，在不同时间点上样品质量差异显著，“时间*处理”无交互作用； 不同处理之间的差异在1％显著水平下显著；气调处理垛位组的质量随时间呈 先升后降趋势、常规贮存垛位组整体呈下降趋势，且在相同时间点上气调处理 垛位组样品质量的均值高于常规贮存垛位组；不同处理的质量在T3～T6时间 点上的差异较明显。

所述SPSS为采用SPSS19.0中的GLM中的重复度量模型进行重复测量设 计方差分析。

所述重复测量设计方差分析的主体内因子为时间，即T1、T2、T3、T4、 T5、T6；主体间因子为处理，所述处理包括气调和常规贮存。

所述气调处理垛位组是采用片烟气调贮存法进行贮存。

指标C_i值的设置，将质量评价多个指标的数据综合反映到一个变量，精确 的反映出各评价对象之间的距离；该方法对数据分布及样本量、指标多少无严 格限制，思路清晰、分析结果较合理、应用灵活。另外，在计算评价对象与最 优方案和最劣方案距离时，可以根据各指标重要程度赋予不同的权重，但为准 确体现样品质量变化趋势和充分利用了原始数据信息，在计算过程中未引入权 重构造规范化的加权决策矩阵。

烟草行业内片烟仓储醇化等重复测量设计试验的数据一般不存在缺失值， 且测量次数与测量间距相同，应用重复测量方差分析对试验数据进行统计，能 客观、准确分析不同时间点上及不同处理间的差异显著性，明确不同处理的影 响效果比较及其随时间的变化趋势，具有简易性、高效性、科学性等优点，可 作为烟草科研领域中符合重复测量设计数据资料的统计分析方法。

本发明提供的一种片烟气调贮存过程中烟叶质量变化趋势分析方法，主要 利用指标C_i值及SPSS来科学分析探索不同仓储方式间的差异显著性及其在不 同时间点上的变化趋势的方法，该法能客观、准确分析不同时间点上及不同处 理间的差异显著性，明确不同处理的影响效果比较及其随时间的变化趋势，具 有简易性、高效性、科学性等优点，可作为烟草科研领域中符合重复测量设计 数据资料的统计分析方法。

附图说明

图1为重复测量指标的均数变化趋势图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解， 下面结合附图及具体实施方式，进一步阐述本发明。

1、材料与方法

1.1试验材料

2009年贵州大方C3F，云南大理B2F，云南宁洱B2F，湖南郴州C3F，山 东日照B2F等5个等级复烤片烟。

1.2方法

1.2.1试验设计

设置6组气调处理垛位组和6组常规贮存垛位组，常规贮存垛位组为对照 组；每组中各试验样品均为2箱，并将12组集中设置堆放在江苏中烟淮阴卷 烟厂徐扬烟叶仓库1号库的同一试验地点。从2011年8月开始，每6个月取 样进行质量评价一次的原始数据，共计评价6次，并按评价时间先后依次标记 为T1、T2、T3、T4、T5、T6。

根据内部标准，对香气质、香气量、丰满程度、杂气、浓度、劲头、细腻 程度、成团性、刺激性、干净程度、干燥感、甜度、工业适用性等13个单项 指标进行评价。

2、综合评价各指标C_i值

指标C_i值为评价对象与最优方案的相对接近程度，具体步骤如下：

2.1计算指标C_i值

2.1.1指标趋势化处理

根据评价标准，质量评价指标除劲头和浓度外均为高优指标，在表2.1所 示范围内可认为浓度为高优指标、劲头为低优指标；

表2.1浓度和劲头分值分布

2.1.2建立规范化多目标决策矩阵

如表2.2，根据原始数据建立决策矩阵A，

$A=\left(\begin{array}{cccc}{f}_{11}& f_{12}& \mathrm{...}& f_{1m}\\ f_{21}& f_{22}& \mathrm{...}& f_{2m}\\ .& .& & .\\ .& .& \mathrm{...}& .\\ .& .& & .\\ f_{n1}& f_{n2}& \mathrm{...}& f_{nm}\end{array}\right)$式(1)

式(1)中，f₁～f_n代表各试验样品；f₁₁～f_1m代表同一个试验样品的香气 质、香气量、丰满程度、杂气、浓度、劲头、细腻程度、成团性、刺激性、干 净程度、干燥感、甜度、工业适用性等13个指标的原始数据。

表2.2样品原始数据决策矩阵

按照式(1)将A构建成为规范化的决策矩阵Z′_ij，即：

$z_{ij}^{\prime }=\frac{f_{ij}}{\sqrt{\underset{i=1}{\overset{n}{\Sigma }}{f}_{ij}^2}}$式(2)

式(2)中，i＝1,2,…,n；j＝1,2,…,m；即n代表试验样品的个数，m代表 指标的个数；

按照式(2)构造规范化的加权决策矩阵Z，加权决策矩阵Z其中的元素 为Z_ij，其中W_j为第j个目标的权，即：

Z_ij＝W_j×Z′_ij式(3)

式(3)中，i＝1,2,…,n；j＝1,2,…,m；

忽略指标间的偏好，即无需构造规范化的加权决策矩阵，则Z′_ij即为Z_ij；

如表2.3所示，为由A构建的规范化的决策矩阵Z′_ij；由于本发明不引入 指标间的偏好，故不需要构造规范化的加权决策矩阵，则Z′_ij即为规范化多目 标决策矩阵Z_ij。

表2.3规范化的决策矩阵

x1、x2、x3……代表各个指标，N1、N2……代表各个试验样品的序号或 代号；

2.1.3确定理想解和负理想解：

如果规范化的加权决策矩阵Z中元素Z_ij值越大，则表示方案越好，即为 高优指标，则：

理想解为：$Z^{+}=(Z_1^{+},Z_2^{+},\mathrm{...},Z_m^{+})=\left\{\underset{i}{\max }{Z}_{ij}|j=1,2,\mathrm{...}m\right\}$式(4)

负理想解为：$Z^{-}=(Z_1^{-},Z_2^{-},\mathrm{...},Z_m^{-})=\left\{\underset{i}{\min }{Z}_{ij}|j=1,2,\mathrm{...},m\right\}$式(5)

低优指标则相反；

高优指标为效益型指标，低优指标为成本型指标；

如表2.4所示，经计算可得各等级复烤片烟的理想解和负理想解；

表2.4各产地样品的理想解和负理想解

2.1.4计算各样品指标与最优值的距离各样品指标与最劣值的距离 和各样品指标的距离得分C_i值：

$S_i^{+}=\sqrt{\underset{j=1}{\overset{m}{\Sigma }}{(Z_{ij}-Z_j^{+})}^2}$式(6)

式(6)中，代表理想解，由式(4)计算得到；i＝1,2,…,n；

$S_i^{-}=\sqrt{\underset{j=1}{\overset{m}{\Sigma }}{(Z_{ij}-Z_j^{-})}^2}$式(7)

式(7)中，代表负理想解，由式(5)计算得到；i＝1,2,…,n；

按照式(8)计算样品指标与理想解的相对接近程度，即指标C_i值：

$C_i=\frac{S_i^{-}}{S_i^{-}+S_i^{+}}$式(8)

式(8)中，0≤C_i≤1；i＝1,2,…,n；

如表2.5所示，经计算可得各产地样品指标与最优值的距离、与最劣值的 距离、和距离得分CI值。

表2.5各产地样品指标与最优值的距离、最劣值的距离、和距离得分CI值

3质量变化趋势分析

根据样品的指标C_i值建立重复测量设计方差分析数据资料。对重复测量数 据在各时间点之间的关系是否满足Huynh-Feldt条件进行球形检验(Mauchly’s testofsphericity)，当检验的结果为P＞0.05时，满足Huynh-Feldt条件，宜采 用重复测量设计资料的单变量方差分析处理；反之，当P≤0.05时，表明资料 不满足Huynh-Feldt条件，可采用多变量方差分析，或参照单变量方差分析校 正部分，一般推荐使用Greenhouse-Geisser的校正结果。

应用SPSS19.0中的GLM(GeneralLinearModel)中的重复度量模型进行 重复测量设计方差分析，应用多因素方差分析模型实现每个重复测量时间点上 的组间两两比较。

3.1根据试验设计和指标C_i值整理重复测量设计资料数据，详见表3.1。

表3.1重复测量设计资料数据

3.2应用SPSS19.0中的GLM(GeneralLinearModel)中的重复度量模型 进行重复测量设计方差分析。

因子描述：主体内因子为重复测量各时间点变量(见表3.2)，主体间因子 为为处理，所述处理包括气调和常规贮存，对照即为常规储存。(见表3.3)。

表3.2主体内因子

表3.3主体间因子

主体内因子检验结果：

一般情况下，主体内因子的多变量重复测量方差分析与单变量的检验结果 是一致的；如果出现结果不一致的情况，当球形度检验P＞0.05时，可采用单 变量方差分析结果；而球形度检验P≤0.05时，可采用多变量方差分析结果， 此时若多变量方差分析的结果P值在界值附近，要结合单变量分析结果，并根 据实际情况慎重作出结论。

由表3.4可知Mauchly的球形度检验P＜0.01，说明不符合球形度假设， 可采用多变量方差分析结果；但多变量方差分析“时间”检验结果(表3.5) F＝6.248，P＝0.050，位于界值上，此时应结合单变量方差分析结果慎重作出结 论；从单变量方差分析检验结果(表3.6)可知：三种校正方法的结果均为P ＜0.01，有统计学意义；再结合均数变化趋势图(如图1所示)：气调处理的样 品感官质量均值在不同时间点上存在一定的差异，而对照处理的差异较明显； 综合表明：在不同时间点上样品感官质量差异显著。

“时间*处理”的交互作用的多变量方差分析结果(表3.5)为F＝2.048， P＝0.254，单变量方差分析中Greenhouse-Geisser的校正结果(表3.6)为F＝3.062， P＝0.093，结果一致均无统计学意义，表明时间与处理无交互作用。

表3.4Mauchly的球形度检验结果

表3.5多变量方差分析结果

表3.6单变量方差分析结果

主体间因子检验结果

主体间因子方差分析结果(表3.7)为F＝33.488，P＜0.01，有统计学意义， 说明不同处理之间的差异在1％显著水平下显著。

表3.7主体间因子方差分析结果

重复测量指标的均数变化趋势

从重复测量指标的均数变化趋势图(图1)可以看出：①气调处理的样品 感官质量均值在不同时间点上存在一定的差异，而对照处理的差异较明显；② 气调处理呈先升后降趋势、对照整体呈下降趋势；③在相同时间点上气调处理 样品的均值高于对照样品；④不同处理样品的感官质量均值在T3～T6时间点 上差异较明显。

3.3应用多因素方差分析模型实现每个重复测量时间点上的组间两两比较

原理：重复测量方差分析侧重于分析不同时间点的总体变化趋势及不同处 理间的差异，如果要分析不同处理间某个时间点的差异或不同时间点某两组间 的差异，需要借助多因素方差分析模型过程来实现，或结合均数变化趋势图直 观看出不同处理随时间的变化趋势。经分析发现运用多因素方差分析的两两比 较检验结果与重复测量方差分析均数变化趋势图结果基本一致，研究者可根据 试验研究目的和需求选择。

不同时间点的两两对比检验

各重复测量时间点上的不同处理组间两两比较结果(表3.8)表明：T3 (F＝8.421，P＝0.020)、T5(F＝17.538，P＝0.003)、T6(F＝20.787，P＝0.002) 时间点两两对比检验有统计学意义，说明T3、T5、T6时间点上两组处理之间 差异显著；同时T4(F＝5.235，P＝0.051)时间点上气调处理和对照的差异在 5.1％显著水平下显著；可以表明在T3-T6时间点上不同处理间的差异较明显， 与重复测量方差分析均数变化趋势直观分析结果基本一致。

表3.8不同时间点的两两对比检验结果

4结论

分析结果表明：①在不同时间点上样品质量差异显著，“时间*处理”无 交互作用；②不同处理之间的差异在1％显著水平下显著；③气调样品的质量 随时间呈先升后降趋势、对照整体呈下降趋势，且在相同时间点上气调的均值 高于对照；④不同处理的样品质量在T3～T6时间点上的差异较明显。

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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰， 这些改进和润饰也应视为本发明的保护范围。