[发明专利]一种烟草品质研究方法

摘要

本发明涉及一种烟草品质研究方法，具体步骤如下（1）烤烟样品采集；（2）气象数据调查；（3）采用合适的统计分析方法，具体包括（a）相关分析；（b）通径分析；（c）灰色关联聚类分析；（d）灰色优势决策；（e）多元回归分析；（f）灰色模型预测；（g）BP神经网络分析。本发明采用的BP神经网络模型，全面综合了烟区整个大田生育期的平均温度、相对湿度、降水量、日照时数、日最低和日最高温度、最小相对湿度等7个参数，能够为准确预测烟区烤烟产量提供性能良好的数学模型。

主权项

一种烟草品质研究方法，具体步骤如下：(1)烤烟样品采集：河南烟草种植区区划为豫西、豫中和豫南烟区，以豫西、豫中和豫南烟区为单位，统计3大主要烟草种植区2004‑2014年烤烟种植情况，其中豫西烟区包括洛阳88份样品，三门峡44份样品；豫中烟区包括许昌44份样品，漯河33份样品，平顶山66份样品；豫南烟区包括驻马店55份样品，南阳88份样品；主要统计这些烟区的产量、上等烟比例、中等烟比例、上部叶比例、中部叶和下部叶比例；同时统计济源、信阳和商丘三地11份烟区烤烟产量；样品采集时以各个县为单位，在烟叶收购时进行计量统计，统计不同部位烟叶的重量及收购烟叶的总重量，进而可计算不同部位烟叶的比例；对于上等烟和中等烟比例，收购时严格按照分级标准进行统计，最后计算不同等级烟叶比例；(2)气象数据调查：以河南省3个主要烟草种植区豫西、豫中和豫南为单位，从各地市气象局系统收集整理当地烤烟取样烟田近11年烤烟大田生育期5‑9月的主要气象数据，主要气象因素包括整个大田生育期的平均温度、日照时数、相对湿度、降水量、日最高温度、日最低温度和最小相对湿度等指标；(3)采用合适的统计分析方法，具体包括：(a)相关分析：相关分析是研究不同指标之间是否存在某种相互关系，并对具体有相关关系的指标进行探讨其具体的相关方向和相关的程度，是一种研究各个随机变量间相关关系的统计方法；本发明主要通过分析双变量之间的Person简单相关系数来研究不同烟区烤烟产量与不同等级及部位烟叶比例之间的关系，研究其之间的相关程度，应用SPSS21.0软件计算相关系数并运用Excel来完成相关表格的制作；(b)通径分析：通径分析是简单相关分析的继续，在多元回归的基础上将简单相关系数分解为直接通径系数和间接通径系数，具体分析步骤如下：(b1)依据最小二乘法的原理，将线性回归方程Y＝α0+α1x1+α2x2+…+αnxn变换成正规矩阵方程：1rx1x2...rxxxnrx2x11...rx2xn............rxnx1rxnx2...1·PYx1PYx2...PYxn=rx1Yrx2Y...rx3Y]]>式中：Y为因变量，xi(i＝1，2，…，n)为自变量，rxixj为xi和xj的简单相关系数，rxiY为xi和Y的简单相关系数，PYxi为xi对Y的直接通径系数；(b2)将矩阵方程组转换成线性方程组，对其求解得通径系数PYxi(b3)依据公式：得出间接通径系数；(c)灰色关联聚类分析：对河南10个烤烟种植区的主要经济性状进行灰色关联聚类分析，设有m个对象，n个指标，进而得到的原始数据的序列[79‑81]：x1=x1(1),x1(2),x1(3)...,x1(m)x2=x2(1),x2(2),x2(3)...,x2(m)...xn=xn(1),xn(2),xn(3)...,xn(m)]]>原始数据序列的始点零化象：x10=x10(1),x10(2),x10(3)...,x10(m)x20=x20(1),x20(2),x20(3)...,x20(m)...xn0=xn0(1),xn0(2),xn0(3)...,xn0(m)]]>式中令灰色绝对关联度由此可得各聚类指标的关联矩阵：R=r11r12...r1nr22...r2n......rmn]]>根据研究问题的实际需要，确定临界值λ(0≤λ≤1)，其中λ越接近1，分类会越细，而每一类中所包含的指标数相对就会越少，反之则越多；(d)灰色优势决策：灰色局势决策首先要指定灰色事件与对策，然后构造灰色局势，确定灰色目标，并赋予各目标权重值，计算各目标局势效果测度矩阵；计算公式如下：上限测度效果：下限测度效果：适中效果测度：x0表示指标的适中值；构造综合效果测度，并根据综合效果测度寻找出最优局势，组成最优序列x，然后根据以上公式求x与xi(i＝1,2，…，n)之间的灰色绝对关联度值，根据各烟草种植区烤烟经济性状的灰色绝对关联度值的大小判断烤烟经济性状的优劣；运用灰色关联决策对不同种植区烤烟经济性状进行最优目标解的筛选，首先对各指标进行初值变换，然后根据各个指标性质求出最优目标解，所述指标性质为上限效果测度、下限效果测度和适中效果测度；在保证烤烟品质优良的前提下，烤烟的经济性状越高越好，因此选择上限效果测度进行计算；(e)多元回归分析：回归分析是研究一个因变量与一个或多个自变量之间的线性或非线性关系，通过自变量和因变量来确定两变量之间的因果关系，并建立回归模型，同时依据实际数据来计算模型的各个指标，最后评价该模型是否具有良好的拟合效果，进而可以对因变量进行预测；本发明分析了烤烟产量与气候因素之间的关系，并采用了逐步回归分析的方法，根据其回归方程进行预测未来烤烟产量；该统计分析在SPSS21.0软件中完成；(f)灰色模型预测：烤烟产量的灰色预测模型是基于对烤烟产量原始数据的累加而生成数列的产量预测模型；生成的累加数列将原始数列的起伏弱化，而平稳性大大增加，显逐渐递增的形式；其步骤为：(f1)给定的原始数列：X(0)(i)＝[X(0)(1),X(0)(2),...,X(0)(n)]经过一次累加，得到：即：X(1)(i)＝[X(1)(1)，X(1)(2)，...，X(1)(n)](f2)将新数列的变化趋势近似地用微分方程描述dx(1)dt+ax(1)=b]]>其中：a，b为辨识参数，辨识参数通过最小二乘法来估计得到；ab=(B(T)B)-1BTYN]]>(f3)构造数据矩阵上式中YN为列向量，YN＝[X(0)(2)，X(0)(3)，X(0)(4)，…,X(0)(N)]TB=-12(X1(2)+X1(1))1-12(X1(3)+X1(2))1......-12(X1(n)+X1(n-1))1]]>(f4)求出时间响应方程，即预测模型，计算拟合值：X(1)(k+1)=(x(1)(1)-ba)e-ak+ba]]>当k＝1,2，……n‑1时，算的是拟合值；当k≥n时，X(k+1)为预测值；(f5)用后减运算还原：X(0)(i)＝x(1)(i)‑x(1)(i‑1),i＝2,3,…,n(f6)模型的检验：ϵ=1nΣi=1n|x0(1)(i)-x(0)(i)|,i=1,2,...,n]]>(g)BP神经网络分析：利用MATLAB神经网络工具箱对河南省不同烟区烤烟产量与气候因素的关系进行BP神经网络模型的构建。