公开/公告号CN112465366A
专利类型发明专利
公开/公告日2021-03-09
原文格式PDF
申请/专利权人 中国林业科学研究院亚热带林业研究所;
申请/专利号CN202011400500.6
申请日2020-12-02
分类号G06Q10/06(20120101);G06Q50/02(20120101);
代理机构11465 北京慕达星云知识产权代理事务所(特殊普通合伙);
代理人赵徐平
地址 311400 浙江省杭州市富阳区富春街道大桥路73号
入库时间 2023-06-19 10:08:35
技术领域
本发明涉及柿果品质评价技术领域,更具体的说是涉及一种基于熵权TOPS IS模型的柿果品质综合评价方法。
背景技术
柿(Diospyros kaki Thunb.)属于柿科(Ebenaceae)柿属(Diospyros L.),原产于中国,其果实色泽鲜艳,香甜多汁,富含糖、维生素C等人体所需的营养成分;食用柿果具有清热润肺,预防高血压等作用,因此,柿受到越来越多消费者的青睐。
果品质量是决定果实商品性的重要因素,研究表明,中国柿资源存在较丰富的遗传变异,不同品种及资源间的果实品质差异较大,如何对果实品质客观、准确地评价一直是亟待解决的问题。现有技术中对于柿果实品质的研究侧重于单一的营养成分分析,并未形成果实品质的综合评价体系。
因此,如何提供一种柿果品质综合评价方法是本领域技术人员亟待解决的问题。
发明内容
有鉴于此,本发明提供了一种基于熵权TOPSIS模型的柿果品质综合评价方法,将熵权法和TOPSIS法相结合,使指标赋权更加客观准确,有利于筛选出果实综合品质较好的柿资源。
为了实现上述目的,本发明采用如下技术方案:
一种基于熵权TOPSIS模型的柿果品质综合评价方法,包括如下步骤:
(1)构建决策矩阵
针对柿果评价对象及评价指标构建决策矩阵;
(2)评价指标标准化处理
评价指标包括正向型指标和负向型指标,将决策矩阵中的负向性指标转换为正向性指标,获得标准化矩阵;
(3)熵权法确定评价指标权重
采用功效系数法对标准化矩阵进行无量纲化处理;
根据无量纲化处理后的数据中每个评价指标下每个评价对象所占的比重计算计算熵值;
根据熵值计算指标权重;
(4)建立基于熵权的TOPSIS模型
根据无量纲化处理后的数据及熵值构建加权矩阵;
针对各评价指标确定加权矩阵中的最优解和最劣解;
计算各评价对象与最优解之间的距离、各评价对象与最劣解之间的距离,并评价相对接近度,各评价对象越接近最优解,柿果品质越好,越接近最劣解,柿果品质越差。
熵可以反映系统的无序程度,若某项评价指标的信息熵越小,则说明该指标提供的信息量越大,在综合评价中所起到的作用也更大,指标权重也相应越大,反之则权重越小。本申请利用熵权法计算指标权重,为多指标综合评价提供依据,使得柿果品质综合评价体系中指标赋权更加客观,评价结果更加准确。
优选地,评价指标包括单果重、含水量、粗蛋白含量、维生素C含量、淀粉含量、钙含量、磷含量、钾含量、β-胡萝卜素含量、可溶性固形物含量、可溶性糖含量、粗纤维含量和单宁含量。
优选地,步骤(1)中:
设有m个柿果评价对象,n项评价指标,评价对象集为A=(A
优选地,步骤(2)中:
对于负向型指标,取x
优选地,步骤(3)中,
先对标准化矩阵进行无量纲化处理:
再根据无量纲化处理结果计算熵值E
式中:E
根据无量纲化处理结果及熵值计算指标权重W
式中:0≤W
优选地,步骤(4)中,
加权矩阵Z计算公式如下:
Z=[Z
式中:Z
优选地,步骤(4)中,
设最优解为Z
式中:
评价对象与最优解的距离为:
评价对象与最劣解的距离为:
相对接近度K
根据K
由上述技术方案可知,本发明对原始数据进行归一化处理,构建决策矩阵,找出最优解与最劣解,再计算出各评价对象与最优解和最劣解之间的距离,依据评价对象与最优解的远近程度进行综合评价或排序,从而实现脱涩软化柿果品质综合评价,使得评价结果更为全面、客观、准确。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
以浙江省各地区的农家柿品种为综合评价对象,选择生长状况较好的单株柿树,柿果以发黄未软为采摘标准,于盛果期在树冠外围东、西、南、北四个方向随机采摘20个无病虫害、大小接近的果实,装箱运回实验室,待其完成后熟软化后测定各项评价指标。所选择的101份柿资源样本编号及农家名见表1。
表1不同农家柿品种样本编号及名称
对上述101份柿资源样本进行评价指标的测定:
果实后熟软化后,单果重使用电子天平称量,含水量用烘干法测定,用手持糖度计测量可溶性固形物含量,取中间果肉部分,匀浆后用于测定β-胡萝卜素、粗蛋白、可溶性糖、淀粉、维生素C、粗纤维、单宁、钙、磷、钾等指标,根据测定结果对不同农家柿品种的单一评价指标进行排序,并计算平均值,结果如表2所示。
表2不同农家柿品种的果实评价指标分布范围
初步分析柿果实单一评价指标间的Pearson相关系数,结果如表3所示。
表3柿果实单一评价指标间的Pearson相关系数
注:*表示在0.05水平上显著相关,**表示在0.01水平上显著相关
结果显示,含水量与单果重呈显著正相关,与钙呈显著负相关,与钾、可溶性固形物及可溶性糖均呈极显著负相关;可溶性固形物与单果重呈显著负相关,与磷呈显著正相关,与钙、钾呈极显著正相关;可溶性糖与可溶性固形物呈极显著正相关,与钾呈显著正相关;单宁与钾呈显著负相关。可以看出各评价指标间的相关性明显,在反映果实品质时存在一定程度上的信息重叠,同时,各指标又体现了不同方面的果实品质,不能相互替代,所以要依据各项单一评价指标建立综合评价体系,才能对柿果实品质科学准确的评价。
进一步地,基于熵权TOPSIS模型进行柿果品质综合评价:
1.构建决策矩阵
以m=101个柿果样本为评价对象,以单果重、含水量、粗蛋白含量、维生素C含量、淀粉含量、钙含量、磷含量、钾含量、β-胡萝卜素含量、可溶性固形物含量、可溶性糖含量、粗纤维含量、单宁含量为为评价指标(n=13),评价对象集为A=(A
2.评价指标标准化处理
评价指标中单宁含量为负向型指标(取值越小,品质越好),将决策矩阵中的单宁含量替换为其倒数,获得标准化矩阵。
3.熵权法确定评价指标权重
采用功效系数法对标准化矩阵进行无量纲化处理:
再根据无量纲化处理结果计算熵值E
式中:E
根据无量纲化处理结果及熵值计算指标权重W
式中:0≤W
结果如表4所示。
表4基于熵权法确定柿果实单一评价指标权重
利用熵权法计算指标权重时,充分考虑了各项指标数据的离散程度。由上表可知,单果重的权重最低,为3.20%;维生素C所占权重最高,达到14.62%,其次是淀粉和可溶性糖,分别为12.96%和11.93%,其余各指标的权重值相差较小,各项评价指标权重的大小排序依次为维生素C>淀粉>可溶性糖>粗蛋白>磷>单宁>β-胡萝卜素>钙>钾>可溶性固形物>含水量>粗纤维>单果重。
4.建立基于熵权的TOPSIS模型
根据无量纲化处理后的数据及熵值构建加权矩阵Z:
Z=[Z
式中:Z
针对各评价指标确定加权矩阵中的最优解和最劣解:
最优解
最劣解
式中:
结果见表5。
表5不同评价指标的最优解与最劣解
注:Z
进一步地,评价对象与最优解的距离为:
评价对象与最劣解的距离为:
计算相对接近度K
根据K
表6不同农家柿品种果实品质的综合评价
注:D
结果显示,莲都2的相对接近度K
其中,排在前4位的分别是莲都2(方柿)、莲都4(牛奶柿)、缙云6A(无核枣柿)、新昌1(牛心柿),表明这些农家品种各评价指标均较优,综合评价较好;该结果与前人的研究结果相吻合,如:陈登云等(中仙无核枣柿高产优质栽培和柿丸加工技术[J].中国南方果树,2008,37(1):71-72.)研究发现无核枣柿营养成分丰富,果小无核,品质上等,为名优资源;也有学者研究表明牛心柿是地方优选良种(张载年.石城牛心柿早期丰产栽培技术[J].中国果树,2003,(4):45-46.)。
进一步地,为了验证TOPSIS法对柿果实品质综合评价的准确性,将综合品质排序与单一评价指标排序进行相关分析(方法见“马乐乐,高宁,杨百良,等.全有机营养模式下番茄综合品质评价及其对有机肥水耦合的响应[J].西北农林科技大学学报(自然科学版),2019,47(6):63-72.”),结果如表7所示,通过熵权TOPSIS模型构建的柿果实综合品质与大多数单一评价指标排序呈正相关,其中与维生素C(r=0.576**)、淀粉(r=0.341**)、钙(r=0.264**)、磷(r=0.352**)、钾(r=0.298**)、可溶性固形物(r=0.312**)、可溶性糖(r=0.544**)均为极显著正相关;与粗纤维(r=0.221*)为显著正相关;与粗蛋白(r=0.173)、β-胡萝卜素(r=0.080)、单宁(r=0.072)为正相关;由此可见,将熵权法与TOPSIS法相结合对柿果实品质综合评价得到的结果比较可靠。
表7不同农家柿品种单一评价指标排序与K
注:*表示在0.05水平上显著相关,**表示在0.01水平上显著相关
综上所述,结合熵权法与TOPSIS法对柿果实综合品质进行评价,评价结果客观准确,计算简便快捷,即验证了将这两种方法结合应用于果实品质综合评价的可行性,为果品选优提供理论依据。此外,在今后还可以继续完善TOPSIS评价体系,例如结合产量、抗病性等评价指标,也可将此方法推广应用于其他类似的多指标综合评价问题。
本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
机译: 基于多源数据融合模型的军事训练性能综合评价方法
机译: 用于基于化学反应性和/或非反应性原料的制剂的计算机辅助测定染发种子的至少一种性质的方法和装置,用于计算机辅助的测定毛发种子的制剂的方法和装置基于化学反应性和/或非反应性原料的染发种子,以及用于计算机辅助训练预定模型的设备和方法,该预定模型用于基于化学制剂确定计算机辅助确定染发种子的至少一种特性反应性和/或不反应性原料
机译: 基于垂直地震型材的地下层形成的三维品质因子模型