基于TOPSIS和GRA法的不同品种初烤烟感官质量综合评价

2018-05-14纪铭阳张莉李少鹏胡宗玉付金存姬荣占许强陈尚上叶远青白浩然冯梦丽

安徽农业科学 2018年14期

纪铭阳张莉李少鹏胡宗玉付金存姬荣占许强　陈尚上　叶远青　白浩然　冯梦丽

摘要 [目的]综合评价品牌导向型基地烟叶品种感官质量。[方法]以2017年玉溪品种园种植的16个烤烟品种为材料，采用多目标决策（TOPSIS）法和灰色关联度分析（GRA）法，对不同品种烤烟感官质量进行综合评价。[结果] 16个品种中均以云烟87感官质量最好，CC27最差。基于配方需求的实际排序结果与TOPSIS法评价结果的Kappa值为0.857，与GRA法评价结果的Kappa值为0.571。[结论]2种综合评价方法均与实际结果表现基本一致，TOPSIS法与实际结果排序更为接近，该研究为基于配方需求的品种筛选和感官质量综合评价提供科学依据。

关键词烤烟品种；感官质量；TOPSIS；GRA

中图分类号 TS44 文献标识码

A 文章编号 0517-6611（2018）14-0001-06

Sensory Quality Comprehensive Evalutuion on Different Varieties of Fluecured Tobacco Based on TOPSIS and GRA

JI Mingyang ，ZHANG Li，LI Shaopeng et al （Technology Research and Development Center，China Tobacco Jiangsu Industrial Co.，Ltd.，Nanjing，Jiangsu 200019）

Abstract [Objective]To evaluate objectively and comprehensively the sensory quality of tobacco varieties in brand oriented base.[Method] Based on 16 fluecured tobacco varieties planted in Yuxi cultivar garden in 2017，technique for order preference by similarity to an ideal solution （TOPSIS） and grey relational analysis （GRA） were applied to comprehensively evaluate the sensory quality of different varieties.[Result] Different evaluation methods showed that among the 16 varieties，the quality of Yunyan 87 was the best，and the CC27 was the worst.The Kappa value of the actual ranking results based on the formula demand and the TOPSIS method was 0.857，and the Kappa value of the evaluation result with the GRA method was 0.571.[Conclusion]The two comprehensive evaluation methods are basically consistent with the actual results.TOPSIS is closer to the actual results ranking.The research can provide a scientific basis for screening and sensory quality comprehensive evaluation based on the formulation demand.

Key words Varieties；Sensory quality；TOPSIS；GRA

煙叶是发展中式卷烟的基础[1]。品种是决定烟叶品质的最重要因素之一[2]。感官质量评价对于工业企业原料的使用具有指导意义。目前基于品牌发展工业需求的感官质量综合评价研究较少。多目标决策（TOPSIS）法和灰色关联度分析（GRA）法是近年来应用较多的灰色决策评判方法[3-4]，其中TOPSIS法是将多个目标系统综合成一个能从总体上衡量优劣的单目标，然后进行排优的评价方法[5-6]；GRA法是构造一个理想的参考序列[7]，通过参试品种与理想品种的关联度大小进行排序，关联度越大，表现越好。2种分析方法均利用模糊理论，具有快速、准确、高效的优点。TOPSIS法多应用于水环境质量评价、企业效益综合评价[8-10]，GRA法广泛应用于小麦、玉米、烤烟等作物品种的综合评价[3，11-12]。笔者以品牌原料需求为导向，采用TOPSIS法和GRA法分别对云南玉溪烟草品种园16个品种初烤烟样品感官质量进行综合评价，以期为基地单元品种选择提供科学依据。

1 材料与方法

1.1 材料以2017年云南玉溪烟草品种园种植的16个品种C3F等级初烤烟样品感官质量评价数据为材料进行综合分析。参试品种为云烟85、云烟87、云烟97、云烟99、云烟201、云烟202、云烟203、中烟100、NCT6、NCT9、NCT13、CC27、PVH1452、PVH2254、K326和NC71。

1.2 方法

1.2.1 感官评价方法。按照GB/T 16291.2—2010要求，由9名具有评吸资质和丰富烟草生产及加工方面专业知识和实践经验的评吸人员组成评价小组，组长由国家级评委担任。评价小组按照《烟草质量风格特色感官评价方法》对样品进行感官评吸。其中香型、香韵、香气状态及杂气有6位及以上评吸员做出判断为有效标度值，其他指标为所有评吸员的标度结果的有效标度值，将同一评价指标有效标度值相加，求其算术平均值，结果保留至2位小数。

1.2.2 评价指标的选择。根据江苏中烟有限责任公司对“苏烟”“南京”品牌参照玉溪烟叶原料感官质量需求，结合《烟草质量风格特色感官评价方法》，选取清香型（x1）、干草香韵（x2）、清甜香韵（x3）、青香韵（x4）、木香香韵（x5）、其他香韵最大值（x6）、香气状态（x7）、浓度劲头比（x8）、香气质（x9）、香气量（x10）、透发性（x11）、杂气最大值（x12）、细腻程度（x13）、柔和程度（x14）、圆润感（x15）、刺激性（x16）、干燥感（x17）、余味（x18）18项指标作为评价指标。

根据目标需求，将评价指标分为2类：①正向型指标：x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11、x13、x14、x15、x18；②负向型指标：x12、x16、x17。

1.2.3 TOPSIS法。

1.2.3.1

建立评价矩阵。设有m个品种，n个感官质量评价指标，建立样本初始值评价矩阵C：

C=c11c12…c1n

c21c22…c2n

cij

cm1cm2…cmn（1）

式中，cij为第i个处理样品第j个感官质量指标值，i=1，2，…，m； j=1，2，…，n。

1.2.3.2

建立规范化矩阵。由于表征样品感官质量的评价指标中同时包括正向及逆向指标，故需对初始矩阵的数据做规范化处理。传统密切值法的规范化处理计算繁琐，采用改进后的目标差值率法进行规范化处理。

rij=（Cij-Ej）/Ej kj为正向指标

（Ej-Cij）/Ej kj为负向指标（2）

式中，Ej为第j个评价指标的目标值（正向指标取最大值，负向指标取最小值）；rij为第i处理样品中第j个感官质量评价指标的无量纲化。

根据式（1）、（2）可得无量纲的规范化样本矩阵。

Z=（rij）m×n（3）

式中，i=1，2，…，m；j=1，2，…，n。

1.2.3.3 构建虚拟的最优和最劣集合。令

rj+=max{r1j，r2j，…，rmj} （4）

rj-=min{r1j，r2j，…，rmj} （5）

式中，j=1，2，…，n；则G=（rij）G=（r1+，r2+，r3+，…，rn+）为虚拟的最优样品处理集合，B=（rij）B=（r1-，r2-，r3-，…，rn-）为虚拟的最劣样品处理集合。

1.2.3.4

计算与最优、最劣处理的欧氏距离。

采用欧式距离计算规范化矩阵rij与虚拟最优点的欧式距离di，G和虚拟最劣点的欧式距离di，B。计算公式见式（6）、式（7）。

di，G=nj=1[rij-（rij）G]2（6）

di，B=nj=1[rij-（rij）B]2（7）

式中，i=1，2，…，m；j=1，2，…，n。

1.2.3.5

计算密切值。Ei无量纲，以各评价单元与最优点的最小距离和最劣点的最大距离作为参比，综合比较其隶属于最优点和最劣点的亲疏程度。

令

di+=min{di，G}，i∈{1，2，…，n} （8）

di-=max{di，B}，i∈{1，2，…，n} （9）

则第i个样本点的密切值Ei：

Ei=（di，G/di+）-（di，B/di-）（10）

1.2.4 GRA法。

1.2.4.1

构建参考品种。根据灰色系统理论，灰色系统各元素均需构造一个“参考品种”即参考数列进行比较。将感官质量各指标的最优值结合起来作为“参考品种”，记作X0，以参试品种各感官质量指标构成被比较数列，记作Xi（i=1，2，3，…，m，m為品种数）。

1.2.4.2 无量纲化处理。令

X′i=XiX0 （i=0，1，2，3……m）（11）

则Xi′为处理后的无量纲数列。

1.2.4.3 计算等权关联度。

ξi（k）=

mini mink|X′0（k）-X′i（k）|+ρmaximaxk|X′0（k）-X′i（k）|

|X′0（k）-X′i（k）|+ρmaximaxk|X′0（k）-X′i（k）|（12）

式中，ρ为分辨系数（一般选取ρ=0.5），i代表第i个指标，k代表第k个品种，则等权关联度计算公式：

ξi=mk=1ξi（k）（13）

1.2.5 Kappa一致性检验。使用Kappa值作为判断评价一致性程度的指标，目前得到了广泛应用，已成为判断一致性和信度评价的一种常用统计学指标。计算方法：

Kappa=Pa-Pe1-Pe（14）

式中，Pa为观察一致率，Pe为期望一致率。Kappa取值在0～1.00， Kappa≥0.75两者一致性较好；0.40≤Kappa<0.75一致性一般；Kappa<0.40一致性较差。P<0.05即表示否定了Kappa=0的假设，说明具有一定程度的一致性。

2 结果与分析

2.1 基于工业配方需求的品种排序

根据品牌对玉溪的原料需求，进行不同品种的配方适用性排序，结果见表1。由表1可知，最符合品牌配方需求的玉溪烟叶为云烟87，K326次之，CC27最不符合配方需求。

2.2 TOPSIS法

将16个参试品种的18项感官质量评价指标根据式（1）建立初始评价矩阵，根据式（2）、（3）对其进行规范化处理，得到规范化矩阵见表2。

根据规范化后的矩阵，利用式（4）、（5）分别求得虚拟最优集合G、虚拟最劣集合B，分别为G={0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0}；B={-0.31，-0.17 ，-0.50，-0.44，-0.33，-0.50，-0.35，-0.36，-0.29，-0.22，-0.29，-0.80，-0.23，-0.23，-0.23，-0.50，-0.50，-0.33}。

根據式（6）、（7）、（8）、（9）、（10）得到与最优点的欧式距离di，G，与最劣点的欧式距离di，B，密切值Ei，计算结果见表3。

根据Ei值大小进行排序，云烟87 Ei最小，说明其离最优值最近，离最劣值最远，该品种烤烟感官质量最符合品牌配方需求；CC27 Ei最大，说明其离最优值最远，离最劣值最近，该品种烤烟感官质量最差。

2.3 GRA法

建立灰色关联度初始矩阵，并根据式（11）进行无量纲化处理，原始数据无量纲结果见表4。根据式（12）求得“参考品种”与“参试品种”的关联度系数，结果见表5，根据式（13），得到GRA法评价结果（表6）。

由表6可知，云烟87品种等权关联度最大，说明其与最优参考数列关联程度最大，感官质量最好；CC27品种等权关联度最小，说明其感官质量最差。

2.4 一致性检验不同评价方法所得不同品种的排序结果见表7。

根据表1、3、7不同评价方法所得不同品种的排序结果及式（14），分别对基于工业配方需求的实际排序与TOPSIS法、GRA法评价结果进行一致性检验，结果见表8。2种评价方法假设检验P<0.05，即均通过一致性检验，说明存在一定程度的一致性；实际排序与TOPSIS法评价结果一致率为87.50%，Kappa值为0.857；与GRA法评价结果一致率为62.85%，Kappa值为0.571；说明实际排序结果与TOPSIS法评价结果一致性较好，与GRA法排序结果一致性一般，TOPSIS法判价结果更接近评价小组判定结果。

由图1、2可知，品种配方适用性实际排序结果与2种分析方法判定结果均集中在45°线附近，即均存在一致性，但TOPSIS法较GRA法判定结果更为集中，即与实际排序结果一致性更好，与一致性检验分析结果一致。

3 结论与讨论

TOPSIS法、GRA法是近年来发展起来的决策科学，评价

内容全面，计算较为简便，为感官质量综合评价提供了更为

直观、客观的结果，解决了目前感官质量评价中指标多、指标

赋权不易的问题，进一步拓宽了2种方法的应用领域，丰富了评估初烤烟感官质量的方法，对评价不同品种或不同处理初烤烟感官质量具有一定的科学性和实际意义。

对TOPSIS法、GRA法评价结果与实际排序结果进行Kappa一致性检验，结果表明2种方法与实际排序均通过一致性检验，存在较强的一致性。TOPSIS法与实际排序结果一致率为87.50%，Kappa值为0.857，一致性较好；GRA法与实际评价结果一致率为62.85%，Kappa值为0.571，一致性一般。TOPSIS法较GRA法与实际排序结果一致性更好，与散点图分布结论一致，应优先选用。

参考文献

[1]

李传江，庞宏.中式烟叶是发展中式卷烟的原料基础[J].中国烟草科学， 2008，29（6）：68-70.

[2] 周金仙，卢江平，白永富，等.不同生态区烟草品种产量、品质变化研究初报[J].云南农业大学学报，2003，18（1）：97-102.

[3] 王春平，张改生，张伟，等.应用模糊综合评判和灰色关联度分析评估小麦新品种[J].西北农林科技大学学报（自然科学版），2005，33（8）：126-130.

[4] 胡永宏，贺思辉.综合评价方法[M].北京：科学出版社，2000.

[5] 邓建.多目标决策密切值法选优的理论及应用[J].新疆有色金属，2000（2）：10-14.

[6] 王登瀛.多目标决策方案优选的密切值法[J].系统工程，1989，7（1）：33-35.

[7] 邓聚龙.灰色控制系统[M].武汉：华中工学院出版社，1985.

[8] 陆菊春，韩国文.企业技术创新能力评价的密切值法模型[J].科研管理，2002，23（1）：54-57.

[9] 韩景元，杨忠敏，李荣平，等.企业技术创新能力评价的理论、指标与方法[J].河北科技大学学报，2002，23（3）：90-94.

[10] 陈启名，丁蓟羽，冯立平.灰色局势决策法在城市污水处理厂布局规划中的应用[J].上海环境科学，2000，19（12）：553-556.