片烟结构代表性指标的选取

片烟结构代表性指标的选取何结望;王满;谢豪;陈良元;吴风光;闫铁军【摘要】为选取片烟结构代表性指标，抽取我国12家打叶复烤厂的290份片烟样品，运用灰色关联聚类和系统聚类法对片烟结构的9项指标进行聚类，再利用极大不相关法，按照重要性、可操作性和有层次性原则选取各聚类指标的代表.结果表明:〉12.7mm叶片率、叶含梗率、中片率(12.7~25.4mm)和小片率(6.35~12.7mm)可以作为片烟结构的代表性指标.【期刊名称】《烟草科技》【年(卷)，期】2010(000)012【总页数】4页(P8-11)【关键词】片烟结构;灰色关联聚类;系统聚类;极大不相关【作者】何结望;王满;谢豪;陈良元;吴风光;闫铁军【作者单位】湖北中烟工业有限公司技术中心，武汉市汉阳区十升路22号,430052;河南农业大学烟草学院，郑州市文化路95号,450002;湖北中烟工业有限公司技术中心武汉市汉阳区十升路22号,430052;中国烟草总公司郑州烟草研究院，郑州高新技术产业开发区枫杨街2号,450001;湖北中烟工业有限公司技术中心，武汉市汉阳区十升路22号,430052;湖北中烟工业有限公司技术中心,武汉市汉阳区十升路22号,430052【正文语种】中文【中图分类】TS452打叶复烤成品片烟结构是影响卷烟加工和卷烟成品质量的重要因素［1-4］。随着中式卷烟对卷烟工艺精细化加工的要求，原料初加工成品的质量作为卷烟加工的基础成为评价工作的重点,而片烟结构指标数量多且关系复杂，无疑增加了质量评价工作的量和难度。以往关于指标变量的〃降维”多是基于因子分析、主成分分析、典型相关分析、对应分析等数理统计方法，要求样本数量大、服从典型分布且指标之间相关性明显［5-7］,而灰色关联理论能够在一定程度上避免出现量化结果与定性分析不符的现象,且对样本数量及分布特征没有要求，目前该方法已应用在烤烟化学成分代表性指标选取及烟草品种选育等方面［8-9］,而对打叶复烤片烟结构代表性指标选取的研究很少。选取具有代表性的片烟结构指标，不仅要选择合理的聚类,还要对聚类指标进行适宜的筛选;既要考虑到指标间的关联性及是否是影响卷烟产品和打叶复烤成品质量的主要因素，还必须考虑到现实中是否具有可操作性、简便性和层次性等［10-11］。因此，运用灰色关联聚类和系统聚类对我国12家打叶复烤厂的片烟结构指标进行聚类分析,再用定量分析和定性分析相结合筛选指标，旨在选取结构指标的代表,为片烟结构质量评价工作服务。1材料与方法1.1材料片烟样品于2008年在我国恩施、诸城、三益、三友、毕节、遵义、三明、龙岩、哈尔滨、韶关、陆良和云南省烟草烟叶公司共12家打叶复烤厂抽取，抽取时按照不同产地、不同等级和不同批次，使样品具有代表性。样品抽取参考文献［12］介绍的取样方法，在片烟烟箱内取(3.0±0.3)kg,每批次不同等级烟箱按照2%抽样,不足100箱按2箱抽样，且两个箱号间隔在20以上,共抽取样本290份。1.2指标测定和数据处理参考文献［12-14］介绍的打叶复烤成品质量测定方法测定各指标。2结果与分析2.1片烟结构指标的灰色关联聚类2.1.1聚类对象和聚类指标的确定聚类对象为“1.1材料”中选取的290份样品。聚类指标共9个，分别为大片率(x1)、中片率(x2)、小片率(x3)、碎片率(x4)、叶含梗率(x5)、＞12.7mm叶片率(x6)、＞6.35mm叶片率(x7)、＞3.18mm叶片率(x8)和＜3.18mm叶片率(x9)。2.1.2聚类对象与聚类指标的均值化数据整理对原始数据按照均值化公式(xij为第j个指标的第i个观测值,x'ij为均值化后的数据j为第j个指标的平均值)进行均值化处理。假设有n个聚类对象,m个聚类指标，由此可得到原始数据经均值化后的序列：由均值化后的序列可求出始点零化象序列：式中:(k)=xi(k)-xi(1)。则：2.1.3片烟结构聚类指标的灰色绝对关联度的计算按照以上灰色关联聚类分析法对数据的处理，计算出|Si|(|Sj|)和|Sj-Si|,再根据公式rij=计算片烟结构聚类指标之间的灰色绝对关联度。结果见表1。2.1.4聚类临界值的确定及其灰色关联聚类临界值主要靠有关专业的专家根据具体情况而定。通过咨询相关专家并结合指标间的实际相关情况确定为0.75。聚类时依据表1,从第一行开始找出大于0.75的rij,分别是:r14,r15,r16,r45,r46,r78,r79,r89。因此x4,x5,x6与x1在同一类;x5,x6与x4同在一类;x8,x9与同x7在一类,x9与x8在同一类。取标号最小的指标作为各类的代表,没有被列出的独自成为一类，得到9个指标的一个聚类：表1片烟结构指标的灰色绝对关联度x11.00000.52700.69230.75860.76880.99770.55890.56200.5645x21.00000.53610.51900.51490.52690.57790.56000.5469x31.00000.59560.56490.69140.63190.64860.6639x41.00000.83950.75970.53090.53170.5323x51.00000.66960.52130.52170.5220x61.00000.55870.56180.5643x71.00000.88520.8007x81.00000.8904x91.0000第一类:{x1,x4,x5,x6}={大片率，碎片率,<3.18mm叶片率，叶含梗率}第二类:{x7,x8,x9}={>12.7mm叶片率,>6.35mm叶片率,>3.18mm叶片率}第三类:{x2}={中片率}第四类:{x3}={小片率}2.2片烟结构指标的系统聚类为了找到合理的分类结果，对上述片烟结构的9项指标再按照系统聚类的原理进行聚类。系统聚类有两种类型:Q型聚类是对样本进行聚类,使具有相似特征的样本聚集在一起;R型聚类即对变量进行聚类，使相似的变量聚集在一起。本例的聚类对象为变量，即R型聚类，使差异性大的变量分离开来。进行聚类时，个体间的距离按照定距型变量中的欧氏距离计算,计算方法采用组间平均连锁距离法［17］。聚类结果见图1。从图1可知，聚类结果可分为4类，第一类是大片率,>12.7mm叶片率,>6.35mm叶片率,>3.18mm叶片率;第二类是中片率;第三类是小片率;第四类是碎片率＜3.18mm叶片率，叶含梗率。聚类结果与灰色聚类相比基本上一致，在灰色聚类结果中，大片率是和碎片率、＜3.18mm叶片率、叶含梗率在一类。从系统聚类结果可以看出，第一类的特点是对其指标的要求越大越好（在一定范围内）,指作为代表被选择。图1片烟结构指标系统聚类图联系指标的可操作性，对“1.1材料”中的样品片标数据都偏大第二类中片率对其要求是适中为好;第三类和第四类的特点是对其指标要求越小越好（在一定范围内），指标数据都偏小。2.3指标变量的选取2.3.1极大不相关法选取变量在静态的、不知类别的情况下选取代表性变量首先需要依据变量进行分类，分类之后,就需要在同一类中选出能反映所考虑的全部变量的少数“代表”性变量。按照极大不相关法的原理，对灰色关联聚类结果和系统聚类结果的变量进行初步筛选，各类指标的复相关系数（r）见表2。参考表2和聚类结果，灰色关联聚类结果筛选掉＜3.18mm叶片率和＞6.35mm叶片率;系统聚类结果筛选掉＞6.35mm叶片率和碎片率。各类指标由于数目较少，灰色关联聚类的第二类指标和系统聚类的第四类指标各剩两个，无法比较，因此不适宜再进行筛选。对各类剩余的指标再结合定性分析进行选择。2.3.2定性选取指标变量从指标的重要性上看，卷烟工业企业对片烟质量要求较高的指标有＞12.7mm叶片率、叶含梗率和小片率。＞12.7mm叶片常被称为合格片，对卷烟切丝质量影响极大，是决定卷烟经济性状的重要因素，是卷烟工业对片烟结构最基本和最重要的要求;卷烟工业对叶含梗率的含量有严格的要求，因为在卷烟中，特别是高档卷烟中若存在梗签、梗头等易造成熄火、爆花、掉头等严重问题,烟草行业标准［12］对其要求是<2.5%；小片率的控制对大中片率影响极大，企业常通过控制小片率来调整大片率和中片率，以避免进行无用的重复打叶。因此，经极大不相关法初步筛选，在灰色关联聚类的第一类剩余指标中选择叶含梗率，在第二类剩余的指标中选择>12.7mm叶片率。同理，在系统聚类结果的第一类指标和第四类指标中也选择这两个指标。单独成为一类的指标中片率和小片率独自联系指标的可操作性，对“1.1材料”中的样品片烟结构进行变异分析，结果见表3。由表3可知，碎片率和<3.18mm叶片率是极其不稳定的指标，两指标的变异系数均超过30%,在实际操作中对其控制比较难，如果用这两个指标作为代表评价片烟质量会给评价结果带来较大的波动，结果易偏离实际的综合状况。所以，这两个指标不宜作为代表性指标。表2系统聚类和灰色关联聚类指标的复相关系数大片率0.45>3.18mm叶片率0.86大片率0.54碎片率0.70碎片率0.70>12.7mm叶片率0.76>12.7mm叶片率0.81<3.18mm叶片率0.69<3.18mm叶片率0.72>6.35mm叶片率0.89>6.35mm叶片率0.89叶含梗率0.48叶含梗率0.54>3.18mm叶片率0.87表3片烟结构指标的含量(%)大片率47.315.5936.36~56.6211.81中片率35.204.7724.64~42.4913.54小片率14.842.2810.90~20.1715.34碎片率2.120.850.99~4.1330.05叶含梗率1.680.371.05~2.4721.81>12.7mm叶片率82.513.0176.34~87.813.65>6.35mm叶片率97.351.0294.89~98.711.04>3.18mm叶片率99.470.2199.02~99.780.21<3.18mm叶片率0.530.210.22~0.989.67对选择的指标从含量和指标要求上看,>12.7mm叶片率含量较大，对其要求是在一定的范围内越大越好，属于效益型指标;小片率含量较小,对其要求是在适宜范围内越小越好，属于成本型指标;中片率含量处于>12.7mm叶片率和小片率中间，对其要求是适中较好，属于适中型指标;叶含梗率是区别于其他指标的，是对烟叶含梗的特别要求。从层次上讲，所选的指标包含了不同含量和指标要求的3个类别，从另一个层次讲包含了片烟叶片和含梗两个类别，即指标的选择体现了层次性。3结论与讨论通过两种不同的聚类分析方法和极大不相关法，结合优化指标体系所要求的目的性、可操作性和层次性，选择片烟结构的代表性指标为＞12.7mm叶片率、叶含梗率、中片率和小片率。在进行片烟结构质量评价时，可以用这4个指标作为代表进行评价。对片烟结构代表指标的选取可运用聚类分析和选择指标分析。聚类时尽量用不同的方法聚类，这样便于从不同的聚类结果选择更合理的分类。选择指标时，适宜先定量地分析被选择指标之间的关系,进行初步筛选，常用的选择方法有极大不相关法、极小广义方差法、主成分法等[18],然后再从定性的角度选择。灰色聚类结果不仅与样本的关联性有关，还受临界值的影响，选取不同的临界值，聚类结果有可能不一样。临界值越大，同类指标的关联性越强,但分类会过细，临界值越小则相反，因此要结合实际情况选择适宜的临界值。虽然分类有一定的主观性，但其灵活性也降低了对样本取值和对指标之间相关关系的要求,当然临界值不能过低，否则就失去了分类的意义。极大不相关法选择变量时，选择变量的个数具有主观性，这是优点也是缺点;这种方法从指标的相关性选取代表，但没有考虑到指标本身的其他性质,在最终决定时还要联系实际，特别要考虑到指标的重要性、可操作性和体系的层次性。参考文献罗海燕，方文青,董海云，等.叶中含梗率与相关打叶质量指标的关系[J].烟草科技2005(7):11-13.李跃锋，姜焕元,刘志平，等.烟叶温度和含水率与打叶质量的关系[J].烟草科技2005(2):5-6.罗海燕，方文青，谢鑫，等.打叶质量与出片率的关系[J].烟草科技,2005(1):8-10.张尚明.影响卷烟产品质量稳定因素的分析及相关对策探讨[J].安徽烟草,2003(10):38-40.于建军，代惠娟,李爱军，等.鄂西南烤烟主要化学成分因子分析及综合评价[J].甘肃农业大学学报,2008(1):98-101.沈笑天，刘国顺,朱海滨，等.河南南阳烟区土壤生态指标的主成分分析[J].土壤通报,2008,39(2):275-281.王欣，毕庆文浒自成，等.湖北烟区烤烟质量综合评价及典型相关分析[J].郑州轻工业学院学报(自然科学版),2007,22(5):27-32.李东亮,许自成.烤烟化学成分指标的灰色关联聚类分析[J].农业系统科学与综合研究,2007,23(4):411-414.李彦平，丁燕芳,李雪君，等.应用模糊综合评判和灰色关联度分析评估烤烟区试新品种[J].中国烟草科学,2010,31(1):5-8.刘丽莉.评价指标选取方法研究[J].河北建筑工程学院学报,2004,22(3):134-136.吕香亭.综合评价指标筛选方法综述[J].合作经济与科技,2009(6):54.周尚勇，王彦亭,李晓红，等.YT/C1