稻谷新陈度研究（五）-稻谷新陈度指标的筛选与数学模型的建立.pdf

2006,No. 7 碾米工业1 收稿日期: 2006 - 03 - 02 作者简介:周显青(1964 - ) ,男,副教授,主要从事谷物科学及产后加工与利用研究。 稻谷新陈度研究(五) 稻谷新陈度指标的筛选与数学模型的建立 周显青 1 ,张玉荣 1 ,周展明 1 ,卞 科 1 ,钟丽玉 2 (1. 河南工业大学,河南 郑州 450052; 2.江南大学,江苏 无锡 214036 ) 摘 要:利用逐步回归分析法对各品质指标在稻谷新陈度预测中的显著性进行分析与筛选,并用二次多项式回归分析法建立 了稻谷新陈度的预测模型。结果表明:综合多项指标预测稻谷新陈度比单一指标更为准确、 可靠,对稻谷分类型进行新陈度 的预测比混合样品更为准确、 可靠。对籼型稻和粳型稻的混合样品,发芽率、 脂肪酸值和还原糖含量为新陈度预测显著性指 标;对籼型稻,脂肪酸值和非还原糖含量为新陈度预测显著性指标。 关键词:稻谷;新陈度;指标;筛选;数学模型 中图分类号: TS210. 1 文献标识码:A 文章编号: 1003 - 6202(2006) 07 - 0001 - 03 A Study on Freshness of Rice ( V) : Selection of Parameters for Rice Freshness and Establishment of a MathematicalM odel ABSTRACT: The stepwise regression analysismethod was used to analyze and select the correlative indexes to forecast the rice fresh2 ness .The mathematical forecastingmodel of the rice freshnesswas established by using the method of polynomial of degree two2regres2 sion analysis .The results show that the forecastof the rice freshnesswith multiplex indexes and classified rice varieties ismore precise and reliable than thatwith single index and mixed rice variety respectively .For the mixed samples (containing both long - grain and short2grain rice) , the spouted rate, fatty acid value and reduced sugar are better indexes to predict rice freshness . However, for long2 grain rice samples, the fatty acid value and non2reduced sugar are better indexes . KEYWORDS: rice; freshness; index; selection; mathematicalmodel 稻谷是我国最重要的谷物之一,由于自身的特点和环境 的影响其品质势必会随着储藏时间的延长而不断变化,甚至 劣变,给国家和企业带来不可估量的经济损失,同时也给稻 谷的储藏带来严峻的挑战。综合以往的研究可知 14 ,稻谷 品质的变化是一个发展和动态的过程,各品质指标之间是相 互联系、 相互制约的关系。由于各个指标在储藏过程中的变 化敏感性不相同,因此对稻谷陈化的影响存在不同程度的差 异。另对储藏时间而言,无论哪个指标都很难单独对储藏时 间作出准确的计算。笔者拟通过对稻谷各品质指标进行研 究与筛选,寻找影响稻谷品质的敏感指标,利用数学方法建 立多个指标与储藏时间之间的数学模型。 1 稻谷各项品质指标中显著因子的分析 利用逐步回归分析的原理,根据参考文献14中的实 验数据对稻谷各指标进行逐步回归计算得到以下公式。以 下公式中, Y为储藏时间,a; X1为稻谷的发芽率, %; X2为稻 谷的脂肪酸值,mgKOH(100 g) - 1; X 3为稻谷的还原糖含 量, %; X4为稻谷的非还原糖含量, %; X5为稻谷的粘度, s/mm2; X6为稻谷的降落数值,s。 1.1 稻谷(籼稻与粳稻混合样)品质指标中显著因子分析 (1 ) Y =0.556 24 - 0.017 2X1+0.086 1X2;(1) F=93.618 8;相关系数R=0.872 668。 (2 ) Y = - 0.306 2 - 0.012 6X1+0.083 7X2+ 2.693 9X3;(2) F=63.800 2;相关系数R=0.874 420。 (3 ) Y =0.104 8 - 0.012 4X1+ 0.082 3X2+ 2.434 3X3- 0.495 8X4+0.020 7X5;(3) F=37.550 0;相关系数R=0.871 256。 (4 ) Y = - 0.214 6 - 0.012X1+0.075 3X2+ 3.032 8X3- 0.451 1X4+0.022 2X5+0.000 6X6;(4) F=31.384 0;相关系数R=0.870 999。 利用软件对稻谷所有指标进行自变量显著性逐步回归 分析。首先建立式(1 ) , 根据逐步回归自变量显著性分析的 方法,表明稻谷的发芽率和脂肪酸值是稻谷新陈度的敏感指 标,再继续引入变量得式(2)、(3)、(4)。对由式(2)、(3)、 (4)得出的R值进行比较可知,当引入还原糖含量这一指标 时, R值变大,这说明还原糖含量对因变量Y的作用也显著; 当继续引入变量时其R值却变小,由此说明非还原糖含量、 粘度和降落数值是对因变量Y作用不显著的变量。 1.2 籼稻各品质指标中显著因子的分析 (1 ) Y =1.853 6 +0.085 4X2- 2.118 8X4;(5) F=65.726 7;调整后的相关系数R=0.879 245。 (2 ) Y =0.957 4 + 0.083 5X2+ 2.036 1X3- 1.400 8X4- 0.040 4X5;(6) F=32.686 3;调整后的相关系数R=0.877 121。 (3 ) Y =0.738 3 + 0.006 7X1+ 0.076 75X2+ 3.316X3- 1.802X4- 0.050 9X5+0.000 4X6;(7) F=20.873 9;调整后的相关系数R=0.870 825。 根据逐步回归自变量显著性分析的方法,当式(5)建立 后再继续引入变量得式(6)、(7)。由于式(6)、(7)的R值 2 周显青等:稻谷新陈度研究(五) 稻谷新陈度指标的筛选与数学模型的建立/2006年第7期 小于式(5)的R值,因此对于籼稻来说只有脂肪酸值和非还 原糖含量是对因变量Y作用显著的变量。 综上分析,对于籼稻与粳稻的混合样品,发芽率、 脂肪酸 值和还原糖含量是对新陈度影响显著的指标;而对于籼稻, 脂肪酸值和非还原糖含量是对新陈度影响显著的指标。 2 利用二次多项式的回归分析建立稻谷新陈度预测模型 通过参考文献14对各指标与储藏时间以及各指标之 间关系的分析和讨论可知,稻谷中各指标在储藏过程中对新 陈度的影响绝不是线性的。利用二次多项式的回归分析原 理,根据参考文献14中稻谷各指标的测定数据,对稻谷各 指标进行回归计算得以下公式。以下公式中, Y为储藏时间, a; X1为 稻 谷 的 发 芽 率, %; X2为 稻 谷 的 脂 肪 酸 值, mgKOH(100 g) - 1; X 3为稻谷的还原糖含量, %; X4为稻谷 的非还原糖含量, %; X5为稻谷的粘度,s/mm2; X6为稻谷的降 落数值,s; X7为稻谷挥发性物质中小极性物质的比值。 2.1 稻谷(籼稻与粳稻混合样)新陈度的预测模型 (1)稻谷中常规指标对储藏时间的二次多项式的回归计 算公式为: Y= 3.393 6 - 0.117 0X1- 0.058 8X2+ 0.000 5X12+ 0.001 6X22+0.235 5X1X3;(8) F=54.407 5;相关系数R=0.906 399。 对方程的显著性进行F检验。设 = 0.001、N1= 5、 N2=53,查F分布表,得F= 5.13。因为F= 54.407 5 Fa=5.13,所以该方程在显著水平 = 0.001的条件下回归 显著,方程有意义。 (2)稻谷中常规指标、 降落数值对储藏时间的二次多项 式的回归计算公式为: Y= 3.420 3 - 0.116 6X1- 0.060 3X2+ 0.000 5X12+ 0.001 7X22+0.234 6X1X3;(9) F=54.630 2;相关系数R=0.906 735。 对方程的显著性进行F检验。设 = 0.001、N1= 5、 N2=53,查F分布表,得F= 5.13。因为F= 54.630 2 F=5.13,所以该方程在显著水平 = 0.001的条件下回归 显著,方程有意义。 (3)稻谷中常规指标、 降落数值、 小极性挥发性物质的比 值对储藏时间的二次多项式的回归计算公式为: Y= - 1.718 7 +0.253 9X2- 0.001 2X1X2+0.024 8X1X4- 0.0321X1X7-0.1999X2X3-0.042 4X2X4- 0.262X2X7+25.329 755 51X3X7;(10) F=42.305 5;相关系数R=0.922 327。 对方程的显著性进行F检验。设 = 0.001、N1= 8、 N2=40,查F分布表,得F= 4.21。因为F= 42.305 5 F=4.21,所以该方程在显著水平 = 0.001的条件下回归 显著,方程有意义。 2.2 籼稻新陈度的预测模型 (1)籼稻中常规指标对储藏时间的二次多项式的回归计 算公式为: Y= - 1.471 4 +0.223 3X2- 0.127 7X2X3- 0.173 0X2X4+ 10.651 1X3X4;(11) F=40.692 3;相关系数R=0.898 265。 对方程的显著性进行F检验。设 = 0.001、N1= 4、 N2=54,查F分布表,得F=5.7。因为F=40.692 3F= 5.7,所以该方程在显著水平 = 0.001的条件下回归显著, 方程有意义。 (2)籼稻中常规指标、 降落数值对储藏时间的二次多项 式的回归计算公式为: Y= - 1.498 4 +0.226 6X2- 0.131 8X2X3- 0.176 3X2X4+ 10.836 4X3X4;(12) F=41.702 0;相关系数R=0.900 425。 对方程的显著性进行F检验。设 = 0.001、N1= 4、 N2=54,查F分布表,得F=5.7。因为F=41.702 0F= 5.7,所以该方程在显著水平 = 0.001的条件下回归显著, 方程有意义。 (3)籼稻中常规指标、 降落数值、 小极性挥发性物质的比 值对储藏时间的二次多项式的回归计算公式为: Y= - 0.022 9 +0.262 9X2- 3.488 9X7- 22.758 3X32- 0.106X2X4- 0.438 8X2X7+50.091 5X3X7;(13) F=46.652 9;相关系数R=0.937 109。 对方程的显著性进行F检验。设 = 0.001、N1= 6、 N2=52,查F分布表,得F= 4.73。因为F= 46.652 9 F=4.73,所以该方程在显著水平 = 0.001的条件下回归 显著,方程有意义。 通过以上回归方程的建立可以看出,稻谷中各指标与储 藏时间之间可以建立适当的数学模型,且建立的每个方程都 具有很好的显著性。按照二次多项式中优化方程的筛选方 法,无论是籼稻与粳稻的混合稻还是籼稻,当引入降落数值 这一指标时方程均未发生改变。这说明无论是籼稻与粳稻 的混合稻还是籼稻,降落数值对方程的作用不显著,这与逐 步回归分析的结果相同。当引入小极性挥发性物质的比值 时,方程相关系数和调整后的相关系数明显增大,即方程的 回归效果最好,也就是说这一方程是我们需要的最优方程。 但结合实际来看,挥发性物质含量的测定对仪器有一定的要 求,条件好的储藏企业可以将其作为一检测指标。而条件不 好的储藏企业只需测定常规指标便可以达到判断稻谷新陈 度的目的。下面将对籼稻所建立的方程作进一步的分析。 3 籼稻的预测模型分析 3. 1 籼稻的常规品质指标对储藏时间预测模型分析 根据以上所建立的回归方程,将稻谷常规指标的测定值 代入式(12) ,并对结果进行分析,见表1、 表2。 表1 籼稻的常规品质指标对储藏时间的回归情况 样品 代号 储藏 时间/a 回归 误差 样品 代号 储藏 时间/a 回归 误差 样品 代号 储藏 时间/a 回归 误差 新9#00泥810泥630 新900平720光630 诏9#00光720平63- 1 诏900建720柳540 浙900荆720建540 丰900泥720建45- 2 浙810新7#20新450 诏810诏720广45- 1 新810诏631新3#6- 2 柳810新6#30新360 荆810柳631柳270 平810荆630新270 光811建630新180 从表1中可以看出,回归计算误差在1 a或1 a以上的 仅有7个稻谷样品,占样品总数的18% ,说明回归方程是有 周显青等:稻谷新陈度研究(五) 稻谷新陈度指标的筛选与数学模型的建立/2006年第7期3 意义的。为了更好地了解误差的产生原因,将以上存在误差 的稻谷的基本情况列于表2。表2中,误差为负的样品说明 稻谷的陈化程度较低,而误差为正的说明稻谷样品的陈化程 度较高。 表2 籼稻的常规品质指标对储藏时间 回归存在误差的样品情况 样品 代号 储藏 时间/a 品种储藏方式产地取样地点 回归 误差 光81籼稻露天垛河南信阳 河南信阳光山粮 管所 1 诏63早籼稻 房式仓散装福建诏安 福建诏安太平粮 管所 1 柳63早籼稻 房式仓包装广西柳州 广西柳州黄村粮 库 1 平63早籼稻 房式仓密闭 双低 四川广汉重庆江门粮库- 1 广45早籼稻 房式仓双低四川平昌重庆江门粮库- 1 建4#5晚籼稻 房式仓散装江西新建江西新建县粮库- 2 新3#6晚籼稻 房式仓散装 常规 江西新余 江西新余粮食储 备库 - 2 从表2可看出,回归误差为正的样品其储藏条件较差或 储藏在气候较为潮湿的地区或收获时水分偏高,如光8储藏 于露天垛中,柳6在收获当年发大水。而回归误差为负的样 品,一般储藏条件较好,即双低储藏或当年未过夏的晚稻。 由此说明良好的储藏条件可以延缓稻谷的陈化和品质指标 发生劣变。相反,不良的储藏条件将加速稻谷中各项品质指 标的劣变。 以上分析证明了所建立的方程是有一定实际意义的。 3. 2 籼稻常规品质指标和小极性挥发物质比值对储藏时间 的预测模型分析 根据所建立的回归方程,将稻谷常规指标的测定值和小 极性挥发物质比值代入式(13) ,并对结果进行分析,见表3。 从表3可知,当引入了小极性挥发性物质的比值后,其 回归方程的回归误差为1 a的稻谷样品共有5个,占样品总 量的13% ,且没有回归误差值超过1 a的样品。从而证实了 该回归方程的回归效果更为显著。为更切合实际,仅用常规 品质指标就能很好地预测稻谷的新陈度。 表3 籼稻常规品质指标和小极性挥发物质比值 对储藏时间的回归情况 样品 代号 储藏 时间/a 回归 误差 样品 代号 储藏 时间/a 回归 误差 样品 代号 储藏