离差最大化结合BP神经网络评价烟叶化学品质

doi:10.16035/j.issn.1001-7283.2023.01.028

摘要/Abstract

摘要：

为解决烟叶化学品质现有组合评价方法的不足，探讨离差最大化组合评价法与BP神经网络相结合进行评价。选取4种典型单一评价法，首先采用改进熵权法和AHP法确定指标权重，然后根据离差最大化原理计算组合评价值，最后利用BP神经网络对组合评价值进行反演。结果表明，离差最大化组合评价值与单一评价法相关性较其他组合评价法更高，平均相关系数为0.9822；BP神经网络对组合评价值有较高的预测准确性与稳定性，预测值与实际值相对误差不超过3%，决定系数大于0.9900。说明，离差最大化组合评价法对单一评价法的组合效果更好，BP神经网络提高了组合评价的便捷性。

关键词: 烤烟, 化学品质, 改进熵权法, 离差最大化, BP神经网络

Abstract:

Maximizing dispersion and the BP neural network were proposed as potential combined evaluation methods to address the inadequacies of the present combined evaluation methods of tobacco chemical quality. Four typical single evaluation approaches were chosen for the airticle. First, index weights were determined using the enhanced entropy weight method and the AHP method. Next, the combined evaluation value was calculated using the maximum dispersion principle. Finally, the combined evaluation value was inverted using BP neural network. The results showed that the average correlation coefficient between the maximum deviation combination evaluation value and the single evaluation method was 0.9822, which was higher than that of other combination evaluation methods, and the BP neural network had higher prediction accuracy and stability for the combined evaluation value, the relative error between the predicted value and the actual value was less than 3%, and the coefficient of determination was more than 0.9900. It showed that the deviation maximization combination evaluation method had better combination effects on the single evaluation method, and BP neural network improved the convenience of combination evaluation.

Key words: Flue-cured tobacco, Chemical quality, Improved entropy weight method, Maximum deviation, BP neural network

张勇刚, 任志广, 徐志强, 刘建国, 张晓兵, 刘化冰, 夏琛, 程昌合. 离差最大化结合BP神经网络评价烟叶化学品质[J]. 作物杂志, 2023 (1): 190–195

Zhang Yonggang, Ren Zhiguang, Xu Zhiqiang, Liu Jianguo, Zhang Xiaobing, Liu Huabing, Xia Chen, Cheng Changhe. Chemical Quality Evaluation of Flue-Cured Tobacco Based on Maximization of Deviation and BP Neural Network[J]. Crops, 2023(1): 190–195

图/表 7

表1

表2

表3

表4

表5

表6

表7

参考文献 48

[1]	陈征, 任志广, 范艺宽, 等. 基于灰色关联分析模型的烟叶化学成分评价研究进展. 中国农业科技导报, 2017, 19(5):129-137. doi: 10.13304/j.nykjdb.2016.352
[2]	邓小华, 杨丽丽, 邹凯, 等. 烟稻轮作模式下烤烟增密减氮的主要化学成分效应分析. 植物营养与肥料学报, 2017, 23(4):991-997.
[3]	薛超群, 尹启生, 王信民, 等. 模糊综合评判在化学成分评价烟叶可用性中的应用. 烟草科技, 2007(4):62-64.
[4]	胡钟胜, 陈晶波, 周兴华, 等. 模糊评判与欧氏距离法在烟叶化学成分评价中的应用. 烟草科技, 2012(11):33-37.
[5]	王晓宾, 王军, 刘兰, 等. 广东烟区烤烟主要化学成分可用性评价. 中国烟草科学, 2019, 40(2):67-75.
[6]	郭亚军. 综合评价理论、方法及应用. 北京: 科学出版社, 2007.
[7]	黄瑞寅, 刘永强, 张晓龙, 等. DTOPSIS法在烟叶质量综合评价中的应用. 西南农业学报, 2013, 26(5):1801-1808.
[8]	陈伟. 关于TOPSIS法应用中的逆序问题及消除的方法. 运筹与管理, 2005(3):42-46.
[9]	徐泽桐, 刘亚相, 袁帅, 等. 化学成分指标对感官质量的影响及陕西省烟叶质量综合评价. 西南农业学报, 2018, 31(9):1953-1960.
[10]	李柏洲, 苏屹. 基于改进突变级数的区域科技创新能力评价研究. 中国软科学, 2012(6):90-101.
[11]	张晓兵, 夏琛, 项波卡, 等. 基于灰色关联分析的云南烟叶化学成分适宜性评价. 烟草科技, 2011(10):34-37.
[12]	卢秀萍. 灰色关联度分析和DTOPSIS法对烤烟新品种评价效果比较. 西南农业学报, 2006, 19(6):1014-1018.
[13]	招启柏, 陈晶波, 魏建荣, 等. 组合评价法在烟叶化学质量综合评价中的应用研究. 中国烟草学报, 2013, 13(3):1-6.
[14]	胡钟胜, 周兴华, 招启柏, 等. 典型烤烟产区气候指标的组合评价法. 烟草科技, 2013(6):82-85.
[15]	褚旭, 胡钟胜, 王珂清, 等. 云南植烟土壤肥力状况的组合评价法研究. 中国烟草学报, 2019, 25(2):48-54.
[16]	郭显光. 一种新的综合评价方法——组合评价法. 统计研究, 1995(5):56-59.
[17]	张发明, 刘志平. 组合评价方法研究综述. 系统工程学报, 2017, 32(4):557-569.
[18]	严富来, 张富仓, 范兴科, 等. 基于评价模型的宁夏沙土春玉米最佳灌水施氮量研究. 农业机械学报, 2020, 51(9):258-265.
[19]	李珠瑞, 马溪骏, 彭张林. 基于离差最大化的组合评价方法研究. 中国管理科学, 2013, 21(1):174-179.
[20]	Funes E, Allouche Y, G Beltrán, et al. A review:artificial neural networks as tool for control food industry process. Journal of Sensor Technology, 2015(1):28-43.
[21]	Ma Y, Li L, Yin Z, et al. Research and application of network status prediction based on BP neural network for intelligent production line. Procedia Computer Science, 2021, 183(20):189-196. doi: 10.1016/j.procs.2021.02.049
[22]	彭黔荣, 蔡元青, 王东山, 等. 根据常规化学指标识别烟叶品质的BP神经网络模型. 中国烟草学报, 2005, 11(5):19-25.
[23]	汪健, 路晓崇, 王鹏, 等. BP神经网络模型在烟草烘烤过程中叶温变化预测中的应用. 南方农业学报, 2013, 44(8):1351-1354.
[24]	任广伟, 王秀芳, 王新伟, 等. BP神经网络在烟蚜发生程度预测中的应用. 华北农学报, 2008, 23(增2):373-376.
[25]	杨杰, 王昌全, 冯广林, 等. 四川凉山烟区红大烟叶化学成分可用性综合评价. 烟草科技, 2013(11):48-51.
[26]	秦海霞, 张玉顺, 张昆, 等. 基于TOPSIS黄淮海平原井灌区冬小麦调亏灌溉的多目标优化. 作物杂志, 2021(3):202-209.
[27]	宁东贤, 赵玉坤, 闫翠萍, 等. 山西省南部花生品种产量稳定性的模型分析及评价. 作物杂志, 2017(3):39-43.
[28]	李绍飞, 唐宗, 王仰仁, 等. 突变评价法的改进及其在节水型社会评价中的应用. 水力发电学报, 2012(5):51-58.
[29]	张阳, 张伟, 赵威军, 等. 基于主成分与灰色关联分析的饲草小黑麦品种筛选与配套技术研究. 作物杂志, 2020(3):117-124.
[30]	刘文婷, 张新军, 杨才, 等. 裸燕麦营养品质的差异性及形成因子解析. 作物杂志, 2020(5):140-147.
[31]	欧阳森, 石怡理. 改进熵权法及其在电能质量评估中的应用. 电力系统自动化, 2013, 37(21):156-159.
[32]	刘红雨, 刘友存, 孟丽红, 等. 熵权法在水资源与水环境评价中的研究进展. 冰川冻土, 2022, 44(1):299-306. doi: 10.7522/j.issn.1000-0240.2021.0131
[33]	欧阳森, 刘天马, 杨墨缘. 考虑综合经济损失的电压暂降监测优化配置方法. 广东电力, 2021, 34(4):34-42.
[34]	陈海汉, 陈慧敏. 中国高校区域性科技活动能力组合评价. 科技管理研究, 2016(2):106-111.
[35]	李娒竹. 基于PSO-H-BP神经网络的故障诊断技术研究. 南昌:南昌大学, 2008.
[36]	Sadeghi B H M. A BP-neural network predictor model for plastic injection molding process. Journal of Materials Processing Technology, 2000, 103(3):411-416. doi: 10.1016/S0924-0136(00)00498-2
[37]	范喜林. 一种基于BP神经网络的皮带跑偏检测方法. 能源技术与管理, 2022, 47(3):116-118.
[38]	沈花玉, 王兆霞, 高成耀, 等. BP神经网络隐含层单元数的确定. 天津理工大学学报, 2008, 24(5):13-15.
[39]	李强, 周冀衡, 杨荣生, 等. 曲靖烤烟主要化学成分及其协调性空间分布. 生态学杂志, 2012, 31(4):862-869.
[40]	高远. 四川省烤烟质量研究及综合评价. 郑州:河南农业大学, 2010.
[41]	邓小华, 周冀衡, 李晓忠, 等. 湘南烟区烤烟常规化学指标的对比分析. 烟草科技, 2006(9):22-26.
[42]	褚旭, 王珂清, 魏建荣, 等. 基于综合赋权法的烤烟烟叶质量评价. 烟草科技, 2019, 52(9):31-38.
[43]	周惠成, 张改红, 王国利. 基于熵权的水库防洪调度多目标决策方法及应用. 水利学报, 2007, 38(1):100-106.
[44]	李英海, 周建中. 基于改进熵权和Vague集的多目标防洪调度决策方法. 水电能源科学, 2010, 28(6):32-35.
[45]	张有贤, 李二强, 罗东霞, 等. 基于AHP-熵权法的兰州市水环境安全模糊综合评价. 安全与环境学报, 2020, 20(2):709-718.
[46]	郭亚军, 易平涛. 一种基于整体差异的客观组合评价法. 中国管理科学, 2006, 14(3):60-64.
[47]	孙湛, 马海涛. 基于BP神经网络的京津冀城市群可持续发展综合评价. 生态学报, 2018, 38(12):343-353.
[48]	李丽, 张海涛. 基于BP人工神经网络的小城镇生态环境质量评价模型. 应用生态学报, 2008, 19(12):2693-2698.

相关文章 15

[1]	王德权, 刘洋, 刘江, 陈克玲, 王艺, 杜传印, 杜玉海, 马兴华. 沟垄集雨耕作技术研究进展及其在烤烟生产中的应用展望[J]. 作物杂志, 2023, (1): 1–5
[2]	陈东, 邹静, 郭刚刚, 代文典, 宋绍光, 黄莺. 不同规格育苗盘对烟苗素质及主要生理特性的影响[J]. 作物杂志, 2023, (1): 129–135
[3]	李迪秦, 姚少云, 王青, 易克, 刘伊芸, 汤晓明, 彭媛媛, 符昌武. 烟苗生长发育对不同氮源形态的响应[J]. 作物杂志, 2023, (1): 201–206
[4]	王媛, 王继明, 年夫照, 郑元仙, 许银莲, 李翠芬, 崔涌泉, 张奇福, 赵磊峰, 廖小琳, 何元胜. 连季增施稻壳生物炭对植烟土壤理化性质及烤烟生长的影响[J]. 作物杂志, 2023, (1): 219–225
[5]	陈燕, 陈强, 何轶, 喻会平, 郜军艺, 赵二卫, 陆引罡. 植烟生态区、品种及其互作对烤烟多酚含量及品质的影响[J]. 作物杂志, 2022, (6): 132–138
[6]	张明发, 张胜, 滕凯, 陈前锋, 田明慧, 江智敏, 巢进, 菅攀锋, 邓小华. 湖南花垣烟区秸秆生物炭配施量对土壤pH及烤烟根系的影响[J]. 作物杂志, 2022, (6): 193–200
[7]	朱林, 曹想, 邓小华, 胡日生, 裴晓东, 向世鹏, 肖志君, 王卫民, 章程, 江智敏. 湘烟7号烘烤过程中烟叶失水和色素降解特性[J]. 作物杂志, 2022, (5): 174–179
[8]	贾国涛, 张俊岭, 魏壮状, 袁岐山, 王宝林, 王晓瑜, 马胜涛, 杨欣玲, 张子颖, 张世英, 贾世伟, 陈洋, 刘惠民. 基于因子分析和聚类分析的烤烟游离氨基酸含量区域特征研究[J]. 作物杂志, 2022, (5): 208–214
[9]	孙凯, 梁龙, 李仲佰. 基于能值改进模型的红米与烤烟作物系统可持续性评价——以贵州省盘州市为例[J]. 作物杂志, 2022, (4): 146–153
[10]	李迪秦, 彭媛媛, 王艳, 李思军, 彭田伟, 王青, 李强, 谢会雅. 烟苗生长发育对芸苔素内酯与微生物菌剂配施的响应[J]. 作物杂志, 2022, (4): 167–171
[11]	刘心亚, 陈小龙, 冯亚克, 刘洋, 段卫东, 安学强, 陈发元, 曹兴兵, 赵园园, 史宏志. 黔西南州烟区烤烟高可用性上部叶适宜采收期研究[J]. 作物杂志, 2022, (4): 227–235
[12]	魏晓凯, 景延秋, 何佶弦, 顾会战, 雷强, 俞世康, 张启莉, 李俊举. 外源亚精胺对烤烟幼苗干旱胁迫的缓解效应研究[J]. 作物杂志, 2022, (3): 143–148
[13]	杨营月, 刘慧, 王龙飞, 赵喆, 冯小虎, 来苗, 赵铭钦. 不同肥料类型对植烟土壤及烤烟品质的影响研究[J]. 作物杂志, 2022, (3): 187–193
[14]	张小全, 贾振宇, 李举旭, 李洪臣, 王豹祥, 汪健, 石刚, 王川, 武云杰. 不同促根措施对皖南烤烟成熟期钾素代谢的影响[J]. 作物杂志, 2022, (3): 205–210
[15]	云菲, 任天宝, 殷全玉, 靳双珍, 郑聪, 金磊, 李静静, 刘国顺, 杨喜田. 叶面喷施钙素对光胁迫条件下烤烟光合生理特性的调控效应[J]. 作物杂志, 2022, (2): 143–152

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

函数类型 Types of membership functions	指标 Index	下限 Lower limits	最优值下限 Optimal value of lower limits	最优值上限 Optimal value of upper limits	上限 Upper limits
抛物线型Parabolic	总糖 (%)	14.00	24.00	31.00	39.00
	还原糖 (%)	10.00	22.00	30.00	37.00
	烟碱 (%)	1.20	2.10	2.40	3.50
	氯 (%)	0.10	0.30	0.80	1.00
	总氮 (%)	0.80	1.70	2.00	3.10
	糖碱比	6.00	12.50	13.50	18.00
	氮碱比	0.45	0.85	0.95	1.35
S型S-shape	钾 (%)	0.80	－	－	2.00

指标 Index	总糖 Total sugar	还原糖 Reducing sugar	烟碱 Nicotine	糖碱比 Reducing sugar/ nicotine	氯 Chlorine	钾 Potassium	总氮 Total nitrogen	氮碱比 Total nitrogen/ nicotine
熵值Entropy value	0.9227	0.9935	0.9810	0.9692	0.9215	0.9957	0.9985	0.9904
传统熵权法Traditional entropy weight method	0.3398	0.0284	0.0834	0.1356	0.3451	0.0190	0.0066	0.0420
改进熵权法Improved entropy weight method	0.2650	0.0621	0.0979	0.1319	0.2684	0.0560	0.0478	0.0709
AHP	0.0508	0.1016	0.2564	0.2351	0.0824	0.0946	0.0795	0.0995
综合赋权Combination weighting	0.1579	0.0819	0.1772	0.1835	0.1754	0.0753	0.0637	0.0852

方法 Method	均值 Mean	标准差 Standard deviation	变异系数 Coefficient of variation	变幅 Range
CCUI	0.6182A	0.1300	0.2103	0.5876
TOPSIS	0.5009C	0.1270	0.2535	0.6083
CPM	0.5673B	0.1643	0.2896	0.7275
GRDA	0.6396A	0.0991	0.1549	0.4727

方法Method	CCUI	TOPSIS	CPM	GRDA
CCUI	1.0000	0.9875^**	0.9835^**	0.9552^**
TOPSIS	0.9875^**	1.0000	0.9764^**	0.9199^**
CPM	0.9835^**	0.9764^**	1.0000	0.9141^**
GRDA	0.9552^**	0.9199^**	0.9141^**	1.0000

方法 Method	离差最大化法 Maximizing deviation method	平均值法 Mean value method	Copeland法 Copeland method	Borda法 Borda method
CCUI	0.9976^**	0.9889^**	0.9863^**	0.9871^**
TOPSIS	0.9897^**	0.9734^**	0.9736^**	0.9742^**
CPM	0.9916^**	0.9748^**	0.9751^**	0.9745^**
GRDA	0.9500^**	0.9465^**	0.9329^**	0.9363^**
平均相关系数Average correlation coefficients	0.9822	0.9709	0.9670	0.9680