紀銘陽 張莉 李少鵬 胡宗玉 付金存 姬榮占 許強　陳尚上　葉遠青　白浩然　馮夢麗

摘要 [目的]綜合評價品牌導(dǎo)向型基地?zé)熑~品種感官質(zhì)量。[方法]以2017年玉溪品種園種植的16個烤煙品種為材料，采用多目標決策（TOPSIS）法和灰色關(guān)聯(lián)度分析（GRA）法，對不同品種烤煙感官質(zhì)量進行綜合評價。[結(jié)果] 16個品種中均以云煙87感官質(zhì)量最好，CC27最差?；谂浞叫枨蟮膶嶋H排序結(jié)果與TOPSIS法評價結(jié)果的Kappa值為0.857，與GRA法評價結(jié)果的Kappa值為0.571。[結(jié)論]2種綜合評價方法均與實際結(jié)果表現(xiàn)基本一致，TOPSIS法與實際結(jié)果排序更為接近，該研究為基于配方需求的品種篩選和感官質(zhì)量綜合評價提供科學(xué)依據(jù)。

關(guān)鍵詞 烤煙品種；感官質(zhì)量；TOPSIS；GRA

中圖分類號 TS44 文獻標識碼

A 文章編號 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

煙葉是發(fā)展中式卷煙的基礎(chǔ)[1]。品種是決定煙葉品質(zhì)的最重要因素之一[2]。感官質(zhì)量評價對于工業(yè)企業(yè)原料的使用具有指導(dǎo)意義。目前基于品牌發(fā)展工業(yè)需求的感官質(zhì)量綜合評價研究較少。多目標決策（TOPSIS）法和灰色關(guān)聯(lián)度分析（GRA）法是近年來應(yīng)用較多的灰色決策評判方法[3-4]，其中TOPSIS法是將多個目標系統(tǒng)綜合成一個能從總體上衡量優(yōu)劣的單目標，然后進行排優(yōu)的評價方法[5-6]；GRA法是構(gòu)造一個理想的參考序列[7]，通過參試品種與理想品種的關(guān)聯(lián)度大小進行排序，關(guān)聯(lián)度越大，表現(xiàn)越好。2種分析方法均利用模糊理論，具有快速、準確、高效的優(yōu)點。TOPSIS法多應(yīng)用于水環(huán)境質(zhì)量評價、企業(yè)效益綜合評價[8-10]，GRA法廣泛應(yīng)用于小麥、玉米、烤煙等作物品種的綜合評價[3，11-12]。筆者以品牌原料需求為導(dǎo)向，采用TOPSIS法和GRA法分別對云南玉溪煙草品種園16個品種初烤煙樣品感官質(zhì)量進行綜合評價，以期為基地單元品種選擇提供科學(xué)依據(jù)。

1 材料與方法

1.1 材料 以2017年云南玉溪煙草品種園種植的16個品種C3F等級初烤煙樣品感官質(zhì)量評價數(shù)據(jù)為材料進行綜合分析。參試品種為云煙85、云煙87、云煙97、云煙99、云煙201、云煙202、云煙203、中煙100、NCT6、NCT9、NCT13、CC27、PVH1452、PVH2254、K326和NC71。

1.2 方法

1.2.1 感官評價方法。按照GB/T 16291.2—2010要求，由9名具有評吸資質(zhì)和豐富煙草生產(chǎn)及加工方面專業(yè)知識和實踐經(jīng)驗的評吸人員組成評價小組，組長由國家級評委擔(dān)任。評價小組按照《煙草質(zhì)量風(fēng)格特色感官評價方法》對樣品進行感官評吸。其中香型、香韻、香氣狀態(tài)及雜氣有6位及以上評吸員做出判斷為有效標度值，其他指標為所有評吸員的標度結(jié)果的有效標度值，將同一評價指標有效標度值相加，求其算術(shù)平均值，結(jié)果保留至2位小數(shù)。

1.2.2 評價指標的選擇。根據(jù)江蘇中煙有限責(zé)任公司對“蘇煙”“南京”品牌參照玉溪煙葉原料感官質(zhì)量需求，結(jié)合《煙草質(zhì)量風(fēng)格特色感官評價方法》，選取清香型（x1）、干草香韻（x2）、清甜香韻（x3）、青香韻（x4）、木香香韻（x5）、其他香韻最大值（x6）、香氣狀態(tài)（x7）、濃度勁頭比（x8）、香氣質(zhì)（x9）、香氣量（x10）、透發(fā)性（x11）、雜氣最大值（x12）、細膩程度（x13）、柔和程度（x14）、圓潤感（x15）、刺激性（x16）、干燥感（x17）、余味（x18）18項指標作為評價指標。

根據(jù)目標需求，將評價指標分為2類：①正向型指標：x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11、x13、x14、x15、x18；②負向型指標：x12、x16、x17。

1.2.3 TOPSIS法。

1.2.3.1

建立評價矩陣。設(shè)有m個品種，n個感官質(zhì)量評價指標，建立樣本初始值評價矩陣C：

C=c11c12…c1n

c21c22…c2n

cij

cm1cm2…cmn（1）

式中，cij為第i個處理樣品第j個感官質(zhì)量指標值，i=1，2，…，m； j=1，2，…，n。

1.2.3.2

建立規(guī)范化矩陣。由于表征樣品感官質(zhì)量的評價指標中同時包括正向及逆向指標，故需對初始矩陣的數(shù)據(jù)做規(guī)范化處理。傳統(tǒng)密切值法的規(guī)范化處理計算繁瑣，采用改進后的目標差值率法進行規(guī)范化處理。

rij=（Cij-Ej）/Ej kj為正向指標

（Ej-Cij）/Ej kj為負向指標（2）

式中，Ej為第j個評價指標的目標值（正向指標取最大值，負向指標取最小值）；rij為第i處理樣品中第j個感官質(zhì)量評價指標的無量綱化。

根據(jù)式（1）、（2）可得無量綱的規(guī)范化樣本矩陣。

Z=（rij）m×n（3）

式中，i=1，2，…，m；j=1，2，…，n。

1.2.3.3 構(gòu)建虛擬的最優(yōu)和最劣集合。令

rj+=max{r1j，r2j，…，rmj} （4）

rj-=min{r1j，r2j，…，rmj} （5）

式中，j=1，2，…，n；則G=（rij）G=（r1+，r2+，r3+，…，rn+）為虛擬的最優(yōu)樣品處理集合，B=（rij）B=（r1-，r2-，r3-，…，rn-）為虛擬的最劣樣品處理集合。

1.2.3.4

計算與最優(yōu)、最劣處理的歐氏距離。

采用歐式距離計算規(guī)范化矩陣rij與虛擬最優(yōu)點的歐式距離di，G和虛擬最劣點的歐式距離di，B。計算公式見式（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

計算密切值。Ei無量綱，以各評價單元與最優(yōu)點的最小距離和最劣點的最大距離作為參比，綜合比較其隸屬于最優(yōu)點和最劣點的親疏程度。

令

di+=min{di，G}，i∈{1，2，…，n} （8）

di-=max{di，B}，i∈{1，2，…，n} （9）

則第i個樣本點的密切值Ei：

Ei=（di，G/di+）-（di，B/di-） （10）

1.2.4 GRA法。

1.2.4.1

構(gòu)建參考品種。根據(jù)灰色系統(tǒng)理論，灰色系統(tǒng)各元素均需構(gòu)造一個“參考品種”即參考數(shù)列進行比較。將感官質(zhì)量各指標的最優(yōu)值結(jié)合起來作為“參考品種”，記作X0，以參試品種各感官質(zhì)量指標構(gòu)成被比較數(shù)列，記作Xi（i=1，2，3，…，m，m為品種數(shù)）。

1.2.4.2 無量綱化處理。 令

X′i=XiX0 （i=0，1，2，3……m） （11）

則Xi′為處理后的無量綱數(shù)列。

1.2.4.3 計算等權(quán)關(guān)聯(lián)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為分辨系數(shù)（一般選取ρ=0.5），i代表第i個指標，k代表第k個品種，則等權(quán)關(guān)聯(lián)度計算公式：

ξi=mk=1ξi（k） （13）

1.2.5 Kappa一致性檢驗。使用Kappa值作為判斷評價一致性程度的指標，目前得到了廣泛應(yīng)用，已成為判斷一致性和信度評價的一種常用統(tǒng)計學(xué)指標。計算方法：

Kappa=Pa-Pe1-Pe（14）

式中，Pa為觀察一致率，Pe為期望一致率。Kappa取值在0～1.00， Kappa≥0.75兩者一致性較好；0.40≤Kappa<0.75一致性一般；Kappa<0.40一致性較差。P<0.05即表示否定了Kappa=0的假設(shè)，說明具有一定程度的一致性。

2 結(jié)果與分析

2.1 基于工業(yè)配方需求的品種排序

根據(jù)品牌對玉溪的原料需求，進行不同品種的配方適用性排序，結(jié)果見表1。由表1可知，最符合品牌配方需求的玉溪煙葉為云煙87，K326次之，CC27最不符合配方需求。

2.2 TOPSIS法

將16個參試品種的18項感官質(zhì)量評價指標根據(jù)式（1）建立初始評價矩陣，根據(jù)式（2）、（3）對其進行規(guī)范化處理，得到規(guī)范化矩陣見表2。

根據(jù)規(guī)范化后的矩陣，利用式（4）、（5）分別求得虛擬最優(yōu)集合G、虛擬最劣集合B，分別為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(jù)式（6）、（7）、（8）、（9）、（10）得到與最優(yōu)點的歐式距離di，G，與最劣點的歐式距離di，B，密切值Ei，計算結(jié)果見表3。

根據(jù)Ei值大小進行排序，云煙87 Ei最小，說明其離最優(yōu)值最近，離最劣值最遠，該品種烤煙感官質(zhì)量最符合品牌配方需求；CC27 Ei最大，說明其離最優(yōu)值最遠，離最劣值最近，該品種烤煙感官質(zhì)量最差。

2.3 GRA法

建立灰色關(guān)聯(lián)度初始矩陣，并根據(jù)式（11）進行無量綱化處理，原始數(shù)據(jù)無量綱結(jié)果見表4。根據(jù)式（12）求得“參考品種”與“參試品種”的關(guān)聯(lián)度系數(shù)，結(jié)果見表5，根據(jù)式（13），得到GRA法評價結(jié)果（表6）。

由表6可知，云煙87品種等權(quán)關(guān)聯(lián)度最大，說明其與最優(yōu)參考數(shù)列關(guān)聯(lián)程度最大，感官質(zhì)量最好；CC27品種等權(quán)關(guān)聯(lián)度最小，說明其感官質(zhì)量最差。

2.4 一致性檢驗 不同評價方法所得不同品種的排序結(jié)果見表7。

根據(jù)表1、3、7不同評價方法所得不同品種的排序結(jié)果及式（14），分別對基于工業(yè)配方需求的實際排序與TOPSIS法、GRA法評價結(jié)果進行一致性檢驗，結(jié)果見表8。2種評價方法假設(shè)檢驗P<0.05，即均通過一致性檢驗，說明存在一定程度的一致性；實際排序與TOPSIS法評價結(jié)果一致率為87.50%，Kappa值為0.857；與GRA法評價結(jié)果一致率為62.85%，Kappa值為0.571；說明實際排序結(jié)果與TOPSIS法評價結(jié)果一致性較好，與GRA法排序結(jié)果一致性一般，TOPSIS法判價結(jié)果更接近評價小組判定結(jié)果。

由圖1、2可知，品種配方適用性實際排序結(jié)果與2種分析方法判定結(jié)果均集中在45°線附近，即均存在一致性，但TOPSIS法較GRA法判定結(jié)果更為集中，即與實際排序結(jié)果一致性更好，與一致性檢驗分析結(jié)果一致。

3 結(jié)論與討論

TOPSIS法、GRA法是近年來發(fā)展起來的決策科學(xué)，評價

內(nèi)容全面，計算較為簡便，為感官質(zhì)量綜合評價提供了更為

直觀、客觀的結(jié)果，解決了目前感官質(zhì)量評價中指標多、指標

賦權(quán)不易的問題，進一步拓寬了2種方法的應(yīng)用領(lǐng)域，豐富了評估初烤煙感官質(zhì)量的方法，對評價不同品種或不同處理初烤煙感官質(zhì)量具有一定的科學(xué)性和實際意義。

對TOPSIS法、GRA法評價結(jié)果與實際排序結(jié)果進行Kappa一致性檢驗，結(jié)果表明2種方法與實際排序均通過一致性檢驗，存在較強的一致性。TOPSIS法與實際排序結(jié)果一致率為87.50%，Kappa值為0.857，一致性較好；GRA法與實際評價結(jié)果一致率為62.85%，Kappa值為0.571，一致性一般。TOPSIS法較GRA法與實際排序結(jié)果一致性更好，與散點圖分布結(jié)論一致，應(yīng)優(yōu)先選用。

參考文獻

[1]

李傳江，龐宏.中式煙葉是發(fā)展中式卷煙的原料基礎(chǔ)[J].中國煙草科學(xué)， 2008，29（6）：68-70.

[2] 周金仙，盧江平，白永富，等.不同生態(tài)區(qū)煙草品種產(chǎn)量、品質(zhì)變化研究初報[J].云南農(nóng)業(yè)大學(xué)學(xué)報，2003，18（1）：97-102.

[3] 王春平，張改生，張偉，等.應(yīng)用模糊綜合評判和灰色關(guān)聯(lián)度分析評估小麥新品種[J].西北農(nóng)林科技大學(xué)學(xué)報（自然科學(xué)版），2005，33（8）：126-130.

[4] 胡永宏，賀思輝.綜合評價方法[M].北京：科學(xué)出版社，2000.

[5] 鄧建.多目標決策密切值法選優(yōu)的理論及應(yīng)用[J].新疆有色金屬，2000（2）：10-14.

[6] 王登瀛.多目標決策方案優(yōu)選的密切值法[J].系統(tǒng)工程，1989，7（1）：33-35.

[7] 鄧聚龍.灰色控制系統(tǒng)[M].武漢：華中工學(xué)院出版社，1985.

[8] 陸菊春，韓國文.企業(yè)技術(shù)創(chuàng)新能力評價的密切值法模型[J].科研管理，2002，23（1）：54-57.

[9] 韓景元，楊忠敏，李榮平，等.企業(yè)技術(shù)創(chuàng)新能力評價的理論、指標與方法[J].河北科技大學(xué)學(xué)報，2002，23（3）：90-94.

[10] 陳啟名，丁薊羽，馮立平.灰色局勢決策法在城市污水處理廠布局規(guī)劃中的應(yīng)用[J].上海環(huán)境科學(xué)，2000，19（12）：553-556.

[11] 安有國，李俊朋，王素華.模糊綜合評判方法在品種審定中的應(yīng)用[J].種子科技，2000（3）：166-167.

[12] 宮萬明，何文安，鄧少華，等.玉米雜交種主要農(nóng)藝性狀的灰色關(guān)聯(lián)度分析及綜合評價[J].吉林農(nóng)業(yè)科學(xué)，2006，31（3）：7-10.