蔣華偉 周同星

(河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院，鄭州 450001)

品質(zhì)狀態(tài)的正確評(píng)估是小麥儲(chǔ)藏和檢測(cè)中的一個(gè)重要環(huán)節(jié)，也是糧食工作者和研究者最關(guān)心的問題，準(zhǔn)確地判斷出小麥的品質(zhì)狀態(tài)有助于糧食管理人員及時(shí)調(diào)整儲(chǔ)藏條件、快速處理已變質(zhì)的小麥，從而降低損失、提高儲(chǔ)糧的安全系數(shù)。近些年來，國內(nèi)學(xué)者在包括小麥在內(nèi)的糧食儲(chǔ)藏基礎(chǔ)特性等方面做了大量的前期研究與探索，并取得了較大進(jìn)步。如宋建民等［1］對(duì)小麥蛋白質(zhì)品質(zhì)和與蛋白質(zhì)相關(guān)的因素如沉降值、筋力進(jìn)行了研究;以及在常溫、低溫兩組糧倉內(nèi)，通過多年的實(shí)驗(yàn)證明脂肪酸值隨著儲(chǔ)藏時(shí)間按一定規(guī)律逐年升高，從而認(rèn)為脂肪酸值是小麥儲(chǔ)藏品質(zhì)控制的指標(biāo)之一［2－3］。張鐘等［4］對(duì)小麥發(fā)芽前后的內(nèi)部成分，如總淀粉、灰分及粗脂肪、容重和部分礦物質(zhì)維生素等做了實(shí)驗(yàn)研究，經(jīng)過數(shù)據(jù)分析得出發(fā)芽時(shí)間、水分、還原糖等不同因素對(duì)小麥品質(zhì)的影響。

這些研究工作在一定程度上給出小麥在不同儲(chǔ)藏時(shí)期內(nèi)品質(zhì)指標(biāo)的變化，為小麥品質(zhì)的評(píng)估奠定了基礎(chǔ)，但是這些研究沒有考慮小麥的各種生理生化指標(biāo)在判斷小麥品質(zhì)的綜合作用，僅分析單一的生理或生化指標(biāo)，不能準(zhǔn)確表達(dá)出小麥品質(zhì)的真實(shí)狀態(tài)。由于小麥的不同生理生化指標(biāo)具有復(fù)雜的數(shù)量關(guān)系，且具有一定的模糊性，很難精確描述和計(jì)算，所以需要對(duì)各指標(biāo)進(jìn)行模糊處理［5－10］，再進(jìn)一步融合分析獲得小麥品質(zhì)的實(shí)際狀況。盡管模糊數(shù)學(xué)分析方法在小麥品質(zhì)處理方面涉及不多，但它已在建筑、機(jī)械等行業(yè)有著廣泛的應(yīng)用，如孫松［11］在軸承性能狀況的評(píng)價(jià)中，采用了模糊評(píng)價(jià)模型等相關(guān)模糊數(shù)學(xué)方法，對(duì)軸承進(jìn)行狀態(tài)的定量化評(píng)價(jià);黃必清［12］等也成功用模糊綜合算法評(píng)價(jià)得出多級(jí)因素中海上直驅(qū)風(fēng)電組運(yùn)行的狀態(tài)。這些研究工作雖然給出了對(duì)多指標(biāo)因素的融合評(píng)價(jià)，但基本上都是采用專家征詢法和經(jīng)驗(yàn)法來確定各因素所占的權(quán)重系數(shù)，分析結(jié)果主觀性比較大。

為了能準(zhǔn)確表達(dá)小麥的品質(zhì)狀況，避免由單一因素判定和多因素集融合過程中所帶來的誤差［13－14］，本研究嘗試采用一種新的評(píng)估方法，即基于小麥的多個(gè)生理生化指標(biāo)數(shù)據(jù)，通過對(duì)各指標(biāo)因素集標(biāo)準(zhǔn)差的分析計(jì)算，得出權(quán)重系數(shù)，再引入劣化度［15－18］和隸屬度函數(shù)，構(gòu)建較為合理的小麥綜合評(píng)價(jià)模型，求得多指標(biāo)融合后的小麥品質(zhì)狀況，為小麥安全儲(chǔ)藏和評(píng)價(jià)提供一定的技術(shù)支撐。

1 評(píng)價(jià)因素集和權(quán)重系數(shù)的確定

1.1 因素集的確定

在理論上，小麥品質(zhì)評(píng)價(jià)因素的選擇需要考慮到反映小麥生理生化特性的全部指標(biāo)，但是在具體的計(jì)算中，所能計(jì)算的指標(biāo)有限，所以應(yīng)選取代表性強(qiáng)、測(cè)量方便、被研究與實(shí)驗(yàn)所認(rèn)可的因素。本文基于以前對(duì)儲(chǔ)藏小麥品質(zhì)評(píng)價(jià)的研究基礎(chǔ)，選取在小麥儲(chǔ)藏和評(píng)價(jià)中起重要作用的因素如下:

脂肪酸:是小麥品質(zhì)變化的重要生化指標(biāo)，脂肪酸含量對(duì)小麥?zhǔn)秤闷焚|(zhì)和種用品質(zhì)都有很大影響;在小麥儲(chǔ)藏期間，由于水解作用使脂肪酸值升高，種子生活力顯著下降，一般它在物理性狀還沒有顯示之前就已經(jīng)引起品質(zhì)的變化，意味著糧食劣變的開始。

降落數(shù)值:它是反映了小麥籽粒中a－淀粉酶活性大小的因素，它通過a－淀粉酶活性來顯示小麥的生化活性。

沉降值:是小麥生理品質(zhì)的重要指標(biāo)之一，它與小麥的高分子質(zhì)量谷蛋白亞基(HMW－GS)和谷蛋白大聚體(GMP)有著顯著的相關(guān)性，與小麥面包品質(zhì)有著直接聯(lián)系，反映小麥中粗蛋白含量多少和質(zhì)量差異。

還原糖:是反映小麥生化活性的重要因素，還原糖含量因淀粉水解上升，隨呼吸消耗而下降。在儲(chǔ)藏過程中，還原糖含量上升后再下降即意味著糧食劣變的開始。

發(fā)芽率:是小麥的生理指標(biāo)，隨著時(shí)間延長(zhǎng)，種子喪失生活力，發(fā)芽率逐漸下降，一般發(fā)芽率高的小麥?zhǔn)秤闷焚|(zhì)好，而食用品質(zhì)好的發(fā)芽率不一定高，所以把發(fā)芽率當(dāng)成一種參考指標(biāo)。

本研究把脂肪酸值、降落數(shù)值、沉降值、還原糖和發(fā)芽率作為小麥品質(zhì)評(píng)價(jià)模型的因素。

1.2 指標(biāo)權(quán)重系數(shù)的確定

評(píng)價(jià)指標(biāo)的權(quán)重反映了各因素對(duì)評(píng)價(jià)對(duì)象的重要程度，對(duì)各指標(biāo)分配合理的權(quán)重是本文多指標(biāo)模糊計(jì)算的關(guān)鍵。目前，在小麥品質(zhì)評(píng)價(jià)的體系中關(guān)于指標(biāo)因素的重要性還沒有明確的界定，即在權(quán)重中占據(jù)比例的大小還沒有統(tǒng)一的規(guī)定。本文從小麥的數(shù)據(jù)分布方面來構(gòu)建合理的權(quán)重系數(shù)。

在獲取實(shí)驗(yàn)數(shù)據(jù)前，由于不知道小麥品質(zhì)的具體情況，小麥品質(zhì)可能是優(yōu)良，數(shù)據(jù)比較集中，標(biāo)準(zhǔn)差較小;也可能一部分品質(zhì)已經(jīng)發(fā)生了劣變，數(shù)據(jù)比較分散，標(biāo)準(zhǔn)差較大;而小麥指標(biāo)與品質(zhì)變化間隱含著某種規(guī)律，通過標(biāo)準(zhǔn)差來體現(xiàn)，需要由標(biāo)準(zhǔn)差來確定各指標(biāo)權(quán)重系數(shù)。

因此，本研究擬根據(jù)數(shù)據(jù)內(nèi)部的關(guān)系來確定各因素的權(quán)重系數(shù)，方法是分析計(jì)算因素集里的標(biāo)準(zhǔn)差的大小，若標(biāo)準(zhǔn)差較小，說明該因素的數(shù)據(jù)比較密集，它間接顯示對(duì)應(yīng)指標(biāo)可準(zhǔn)確反映小麥品質(zhì)狀況，就應(yīng)賦予較大的權(quán)重系數(shù);若標(biāo)準(zhǔn)差較大，則因素的數(shù)據(jù)分散，說明在指標(biāo)本身或在測(cè)量過程中存在較大誤差，應(yīng)賦予較小的權(quán)重系數(shù)。

由于5個(gè)因素是反映儲(chǔ)藏小麥品質(zhì)變化的不同指標(biāo)，物理含義有別，數(shù)量值差別較大，雖然每個(gè)因素?cái)?shù)據(jù)的標(biāo)準(zhǔn)差可以獨(dú)立地反映對(duì)應(yīng)指標(biāo)的分散程度，但是并不能作為權(quán)重系數(shù)的指標(biāo)作為計(jì)算，本文設(shè)計(jì)出一種算法來解決這個(gè)問題，具體步驟如下:

1)計(jì)算各參數(shù)的基本數(shù)據(jù)，包括各評(píng)價(jià)因素的平均值 ai，標(biāo)準(zhǔn)差 bi，縮放后的標(biāo)準(zhǔn)差 ci(i=1，2，3，4，5，分別代表降脂肪酸值、降落數(shù)值等評(píng)價(jià)因素)。

2)經(jīng)計(jì)算選脂肪酸值的標(biāo)準(zhǔn)差b1=c1作為標(biāo)準(zhǔn)化的基準(zhǔn)，將其他四個(gè)因素的標(biāo)準(zhǔn)差縮放到與脂肪酸值同一數(shù)量級(jí)。

3)求其他各因素縮放標(biāo)準(zhǔn)差ci，將ai與a1的比值作為放縮的依據(jù)，再對(duì)各標(biāo)準(zhǔn)差bi進(jìn)行放縮計(jì)算，具體計(jì)算公式如下。

4)由于標(biāo)準(zhǔn)差越大的值，數(shù)據(jù)內(nèi)部相關(guān)度越低，該因素?cái)?shù)據(jù)的信服力也較低，所以把1/ci作為權(quán)重系數(shù)，組成權(quán)重系數(shù)矩陣A。

2 品質(zhì)指標(biāo)的歸一化

由于評(píng)價(jià)指標(biāo)參數(shù)的物理意義和單位都不相同，例如文中儲(chǔ)糧品質(zhì)的五個(gè)指標(biāo)的單位、量級(jí)和物理意義明顯不同，為了能夠?qū)@些指標(biāo)因素進(jìn)行綜合對(duì)比分析，應(yīng)將初始數(shù)據(jù)值進(jìn)行歸一化處理?？紤]各指標(biāo)所代表的特定物理意義，需要選擇某一指標(biāo)作為統(tǒng)一衡量的標(biāo)準(zhǔn)，將不同量級(jí)的儲(chǔ)糧數(shù)據(jù)輸出到0～1之間的數(shù)值，而劣化度函數(shù)在統(tǒng)一度量方面有著優(yōu)勢(shì)，文獻(xiàn)［6］和文獻(xiàn)［7］通過相關(guān)計(jì)算分析體現(xiàn)了這一作用，本文將引入并改進(jìn)劣化度函數(shù)(越小越優(yōu)型、中間優(yōu)型和越大越優(yōu)型三種劣化度函數(shù))作為處理五個(gè)儲(chǔ)糧指標(biāo)的算法。由于本模型評(píng)價(jià)的是一批小麥的總體品質(zhì)狀況，單個(gè)小麥的數(shù)據(jù)并不能反映總體的品質(zhì)特征，取該批小麥每種因素集的平均值x作為劣化度函數(shù)參數(shù)x的值，根據(jù)這五個(gè)指標(biāo)參數(shù)的不同特點(diǎn)，分別采用下面相應(yīng)的劣化度函數(shù)。

小麥脂肪酸值和降落數(shù)值會(huì)隨著時(shí)間的推移使小麥品質(zhì)劣變程度變大，所以這兩個(gè)指標(biāo)參數(shù)采用越小越優(yōu)型的劣化度函數(shù)。計(jì)算中涉及最大值xmax和最小值xmin的估計(jì)。其劣化度函數(shù)為:

小麥的還原糖含量在儲(chǔ)藏過程中變化趨勢(shì)是先增加后減少，但最終含量與最初的相比，變化幅度不大，所以這個(gè)指標(biāo)參數(shù)采用中間優(yōu)型的劣化度函數(shù)。需要估計(jì)該變量的最佳范圍［xa，xb］，其中xa和xb是由歷年小麥數(shù)據(jù)統(tǒng)計(jì)獲得。其劣化度函數(shù)為:

發(fā)芽率表達(dá)小麥種子的生活性，沉降值代表的是小麥蛋白含量，這兩個(gè)值越大越好，所以這兩個(gè)指標(biāo)采用越大越優(yōu)型函數(shù)。其劣化度函數(shù)為:

根據(jù)不同因素集的類型，由小麥的具體數(shù)據(jù)分別求出劣化度函數(shù)需要的極值和最佳范圍，再將各因素的五個(gè)平均值x分別帶入上函數(shù)，得到劣化值d=［d1，d2，d3，d4，d5］。

3 隸屬度及評(píng)價(jià)矩陣

根據(jù)儲(chǔ)藏小麥品質(zhì)評(píng)價(jià)的實(shí)際需要，本文在應(yīng)用模糊評(píng)價(jià)方法處理時(shí)，將小麥品質(zhì)狀態(tài)分為“優(yōu)”“良”“中”“差”四個(gè)評(píng)價(jià)等級(jí)，建立如下評(píng)語集:

經(jīng)過劣化度處理后的指標(biāo)取值處于［0，1］之間，還要選取能夠涵蓋這些劣化度取值的隸屬度函數(shù)。常見的隸屬度分布函數(shù)有矩形、梯形、高斯、正態(tài)和嶺型分布?？紤]到優(yōu)、良、中、差四中隸屬度要互有交叉重疊的模糊區(qū)域，且希望數(shù)值在模糊區(qū)域能向兩邊靠攏得快一點(diǎn)，以便有較大的區(qū)分度，滿足這些條件的只有高斯分布和嶺型分布;由于高斯分布參數(shù)要求嚴(yán)格不易獲得且計(jì)算復(fù)雜，所以采用嶺型函數(shù)(升嶺型、中間嶺形和降嶺形)來計(jì)算各指標(biāo)對(duì)不同評(píng)價(jià)等級(jí)的隸屬度。由嶺形函數(shù)的特性，數(shù)值較小的數(shù)據(jù)用降嶺形分布處理，數(shù)值較大的數(shù)據(jù)用升嶺型數(shù)據(jù)，中間分段的數(shù)值采用中間嶺形分布。

根據(jù)本文前面對(duì)儲(chǔ)糧品質(zhì)的描述、劣化度的計(jì)算和嶺形函數(shù)的分布特點(diǎn)，對(duì)評(píng)價(jià)為優(yōu)的數(shù)據(jù)應(yīng)采用降嶺形分布，評(píng)價(jià)為良和中的采用中間型嶺分布，差評(píng)價(jià)的隸屬度采用升嶺型分布?？紤]到隸屬函數(shù)要有一定的交叉性，并且交叉重疊率要保持在一定的范圍內(nèi)，本文令交叉重疊率為0.2，如在降嶺形分布函數(shù)中，其處理的是0～0.3之間的數(shù)據(jù)。對(duì)于劣化度小于0.1的數(shù)據(jù)，令函數(shù)值為1，表示其對(duì)于優(yōu)的隸屬度為100%;對(duì)于劣化度大于0.3的數(shù)據(jù)，令其函數(shù)值為0，表示其對(duì)于優(yōu)的隸屬度為0;而0.1～0.3之間的數(shù)據(jù)，屬于優(yōu)和良之間的模糊區(qū)間，其屬于優(yōu)的隸屬度由公式(6)計(jì)算，屬于良的隸屬度由公式(7)計(jì)算。所以優(yōu)、良、中、差四種評(píng)價(jià)對(duì)應(yīng)的嶺形函數(shù)中互有交叉重疊，表達(dá)各數(shù)據(jù)在不同評(píng)價(jià)中的隸屬度。嶺型函數(shù)公式如下，圖1為其分布圖。

1)降嶺形分布函數(shù)如下:

2)中間嶺形分布函數(shù)如下，它分為良和中兩個(gè)部分組成:

3)升嶺形分布函數(shù)如下:

圖1 各隸屬度對(duì)應(yīng)的嶺型函數(shù)

其中d是之前通過劣化度函數(shù)求出的各指標(biāo)劣化度值;i=1，2，3，4，5 代表的是第 i個(gè)因素指標(biāo)在某一種嶺形分布下所屬的隸屬度;j=1，2，3，4表示的是某個(gè)因素指標(biāo)在第j個(gè)嶺型分布下所具有的隸屬度。綜合起來分析，rij即是第i個(gè)指標(biāo)在第j個(gè)嶺形分布函數(shù)下所對(duì)應(yīng)的隸屬度。

將d帶入rij(d)的函數(shù)中，每個(gè)劣化度d值均在4種嶺形計(jì)算一次，5個(gè)劣化度值分別計(jì)算可以得到一個(gè)5×4的矩陣，獲得如下的隸屬度矩陣R。

由于矩陣R是由所有因素的劣化度和隸屬度分析組成的，可以看作是對(duì)各因素的評(píng)價(jià)矩陣，由于各因素重要程度不同，所以需要對(duì)各因素加權(quán)。

由權(quán)重系數(shù)A與評(píng)價(jià)矩陣R合成對(duì)所有因素的綜合模糊評(píng)估矩陣，即通過B=AR，得到小麥品質(zhì)在{優(yōu)，良，中，差}狀態(tài)空間中的隸屬評(píng)價(jià)值(即最終的評(píng)估結(jié)果)。

4 實(shí)驗(yàn)設(shè)計(jì)及數(shù)據(jù)測(cè)試

4.1 實(shí)驗(yàn)材料

選用河南省農(nóng)科院培育的中筋麥(周麥22)，高筋麥(鄭麥9023)，收獲于2016年。

4.2 實(shí)驗(yàn)試劑

氫氧化鉀;無水乙醇;乙酸鈉;溴酚藍(lán);重鉻酸鉀;硫代硫酸鈉;鄰苯二甲酸氫鉀等(試劑等級(jí)皆為CP，化學(xué)純)。

4.3 主要儀器設(shè)備

PQX型多段可編程扔氣候箱;錘式旋風(fēng)磨恒溫水浴鍋;1010－3星鼓風(fēng)恒溫干燥箱;HY－2調(diào)速多用振蕩器;SPX－150生化培養(yǎng)箱等。

4.4 實(shí)驗(yàn)環(huán)境

將小麥清理干凈后，每500 g裝入紗布至于人工氣候培養(yǎng)箱進(jìn)行模擬儲(chǔ)藏。根據(jù)測(cè)試中對(duì)水分的要求，在整個(gè)測(cè)試期間，使整個(gè)小麥濕度保持在12.5%左右，所對(duì)應(yīng)的相對(duì)濕度范圍為65% ～75%，為了模擬室溫下小麥的儲(chǔ)藏效果，用空調(diào)、加熱器等方法，把小麥環(huán)境溫度控制在25℃左右，并與室溫儲(chǔ)藏進(jìn)行對(duì)照。

4.5 小麥生理生化指標(biāo)的測(cè)定依據(jù)

小麥脂肪酸值根據(jù)GB/T 15684—2015測(cè)定。

小麥降落數(shù)值根據(jù)GB/T 10361—2008測(cè)定。

小麥沉降值根據(jù)GB/T 21119—2007測(cè)定。

小麥還原糖根據(jù)GB 5009.7—2016測(cè)定。

小麥發(fā)芽率根據(jù)GB/T5520—2011測(cè)定。

4.6 測(cè)量結(jié)果

將這兩種小麥各分成5份，對(duì)不同指標(biāo)分別測(cè)試，得到如表1和表2所示的數(shù)據(jù)。

表1 周麥22生理生化指標(biāo)

本研究在生理生化指標(biāo)測(cè)試前，已經(jīng)對(duì)這批小麥的容重、水分，色澤、氣味等指標(biāo)進(jìn)行了初步的測(cè)量，實(shí)驗(yàn)結(jié)果表明其品質(zhì)為優(yōu)良。表1和表2的指標(biāo)測(cè)試值在一定的波動(dòng)，但數(shù)據(jù)基本都落在合理的區(qū)間內(nèi);另外還利用實(shí)驗(yàn)測(cè)試獲得各指標(biāo)數(shù)據(jù)，通過文獻(xiàn)［19］計(jì)算評(píng)價(jià)、以及用現(xiàn)有標(biāo)準(zhǔn)測(cè)定方法［1，4，20］進(jìn)行分析，發(fā)現(xiàn)對(duì)測(cè)試數(shù)據(jù)的評(píng)價(jià)結(jié)果也基本吻合。特別是本文所測(cè)量數(shù)值大都分布在文獻(xiàn)［19］的取值范圍附近;當(dāng)然也有部分降落數(shù)值變化幅度較大和少量發(fā)芽率偏低，但對(duì)各指標(biāo)數(shù)據(jù)進(jìn)行綜合對(duì)比分析后，本次測(cè)試的兩種小麥品質(zhì)也基本可評(píng)估為優(yōu)。

表2 鄭麥9023生理生化指標(biāo)

5 模型計(jì)算

5.1 因素集構(gòu)建及權(quán)重系數(shù)計(jì)算

本研究主要選取表1中的5種指標(biāo)參數(shù)進(jìn)行處理(對(duì)表2中鄭麥數(shù)據(jù)也采用類似計(jì)算過程)，分別標(biāo)記為 u1，u2，u3，u4，u5，由它們構(gòu)成小麥評(píng)估因素集U={u1，u2，u3，u4，u5}={脂肪酸值，降落數(shù)值，沉降值，還原糖，發(fā)芽率}。

由公式(1)可以計(jì)算出縮放后的標(biāo)準(zhǔn)差ci和對(duì)測(cè)試數(shù)據(jù)處理獲得的相關(guān)結(jié)果，顯示于表3中(下表各指標(biāo)單位同表1，2)。

表3 指標(biāo)因素參數(shù)

由表3得到間接反映權(quán)重系數(shù)的矩陣C。

再根據(jù)公式(3)求得權(quán)重系數(shù)A。

5.2 劣化度和隸屬度計(jì)算

通過對(duì)表1的數(shù)據(jù)分析，經(jīng)計(jì)算后得到劣化度函數(shù)所需要的極值和最佳范圍值，如表4所示。

表4 指標(biāo)劣化度參數(shù)

將表1中的各指標(biāo)參數(shù)的平均值x={22.6，415.7，54.5，0.284，87.75}分別按照函數(shù)類型代入劣度函數(shù)公式(3)(4)(5)可得出對(duì)應(yīng)的劣化值d(x):

接著再將D代入隸屬度函數(shù)(6)(7)(8)(9)，可以計(jì)算獲得如下隸屬度矩陣:

最后通過對(duì)權(quán)重系數(shù)A和隸屬度矩陣R的合成，可以得到評(píng)價(jià)矩陣:

同理對(duì)表2中的數(shù)據(jù)進(jìn)行計(jì)算處理后也獲得如下的權(quán)重系數(shù)、隸屬度矩陣和評(píng)價(jià)矩陣:

6 結(jié)果與分析

主要對(duì)周麥22計(jì)算結(jié)果進(jìn)行分析(表2中鄭麥數(shù)據(jù)的計(jì)算結(jié)果分析類同)。

6.1 標(biāo)準(zhǔn)差分析

在由標(biāo)準(zhǔn)差求權(quán)重系數(shù)時(shí)，發(fā)現(xiàn)還原糖與發(fā)芽率的標(biāo)準(zhǔn)差最小，一方面是因?yàn)樵谙嘟焚|(zhì)小麥中它們的測(cè)試數(shù)據(jù)比較靠攏，反映儲(chǔ)糧品質(zhì)比較可靠;另一方面，可能是在數(shù)據(jù)的讀取和測(cè)量上比較精準(zhǔn)。相比較而言，還原糖更能有效的表達(dá)儲(chǔ)糧品質(zhì)。沉降值、脂肪酸值和降落數(shù)值的標(biāo)準(zhǔn)差比較大，沉降值和降落值受實(shí)驗(yàn)環(huán)境影響較大，它們的測(cè)量存在著較大誤差;尤其是脂肪酸值的測(cè)試數(shù)據(jù)具有極大的不穩(wěn)定情況，且它的分布與小麥品質(zhì)狀況不一定具有良好對(duì)應(yīng)關(guān)系，相同的脂肪酸值可能會(huì)對(duì)應(yīng)不同狀況的小麥。所以脂肪酸在權(quán)重系數(shù)中占的比例最小，還原糖所占比例最大。

6.2 劣化度分析

分析劣化度計(jì)算結(jié)果可以發(fā)現(xiàn)，由于它對(duì)數(shù)據(jù)的歸一化是根據(jù)數(shù)據(jù)的極值和最佳范圍值來決定的，這樣就有可能造成兩種誤差:

其一，在測(cè)量數(shù)據(jù)時(shí)，可能因操作方法的不當(dāng)而獲得了一個(gè)或幾個(gè)極值數(shù)據(jù)，盡管這些數(shù)據(jù)對(duì)統(tǒng)計(jì)平均值造成的影響很小，但是在對(duì)數(shù)據(jù)進(jìn)行歸一化時(shí)，由于公式的特性，就會(huì)造成數(shù)據(jù)整體的劣化度值偏大或偏小，這樣對(duì)該因素的整體評(píng)價(jià)就會(huì)帶來很大的影響。如本文中降落數(shù)值的最小數(shù)值330與第二小數(shù)值375的差別很大，但它的最大值和第二大值之間的差距則沒有這么明顯，最小值的偏差使得在用公式(3)計(jì)算后的降落數(shù)值劣化度趨小。

其二，在各個(gè)數(shù)據(jù)分布都較為集中時(shí)，如本文數(shù)據(jù)中的發(fā)芽率，其所有數(shù)據(jù)都極為相近，這樣在進(jìn)行計(jì)算時(shí)，極大值和極小值會(huì)導(dǎo)致整體結(jié)果偏向于均值，原本能反映品質(zhì)極好的數(shù)據(jù)，通過劣化度計(jì)算后，得到的結(jié)果可能并不真實(shí)顯示品質(zhì)狀況。

6.3 權(quán)重系數(shù)與劣化度分析

綜合分析各指標(biāo)的權(quán)重系數(shù)和劣化度時(shí)可以發(fā)現(xiàn)，其數(shù)值的大小在一定程度上呈現(xiàn)此消彼長(zhǎng)相互限制的關(guān)系，具體如圖2所示。

圖2 劣化度和權(quán)重系數(shù)的關(guān)系

權(quán)重系數(shù)是由反應(yīng)數(shù)據(jù)離散程度的標(biāo)準(zhǔn)差計(jì)算而出的，而劣化度受數(shù)據(jù)中的極值影響很大。在具體計(jì)算中，離散度偏大的數(shù)據(jù)會(huì)導(dǎo)致劣化度變大，同時(shí)其權(quán)重系數(shù)卻會(huì)變小，通過后來的加權(quán)計(jì)算，會(huì)消除這一誤差使得數(shù)據(jù)較為準(zhǔn)確，即通過權(quán)重系數(shù)和劣化度的結(jié)合應(yīng)用，在一定程度上，抵消了由于數(shù)據(jù)的離散而造成的誤差。如脂肪酸值和降落數(shù)值經(jīng)計(jì)算后其標(biāo)準(zhǔn)差比較大，從而導(dǎo)致權(quán)重系數(shù)很低，然而它們的劣化度相對(duì)比較高，最終計(jì)算得到的數(shù)值趨于平庸，使得綜合評(píng)價(jià)結(jié)果仍比較合理。

6.4 標(biāo)準(zhǔn)差與隸屬度分析

本文提出了用數(shù)據(jù)的標(biāo)準(zhǔn)差來間接表示因素集的重要程度和用隸屬度表示指標(biāo)的優(yōu)良程度的方法。通過對(duì)文中數(shù)據(jù)的計(jì)算分析后發(fā)現(xiàn)如圖3所示的結(jié)果(規(guī)律):還原糖標(biāo)準(zhǔn)差很小，其對(duì)應(yīng)優(yōu)的隸屬度極高;發(fā)芽率標(biāo)準(zhǔn)差較小，其對(duì)應(yīng)為優(yōu)和良的隸屬度;脂肪酸值等對(duì)應(yīng)的標(biāo)準(zhǔn)差很大，其對(duì)應(yīng)的只是良和中的隸屬度。由此可以得出:在已知小麥品質(zhì)較好的情況下，因素集的標(biāo)準(zhǔn)差越小，其對(duì)應(yīng)優(yōu)或良的隸屬度值越大，從而說明本文采用的由標(biāo)準(zhǔn)差計(jì)算權(quán)重系數(shù)的方法是較為合理的。

圖3 因素標(biāo)準(zhǔn)差和隸屬度的關(guān)系

6.5 評(píng)價(jià)矩陣分析

圖4 表達(dá)了本文中小麥品質(zhì)評(píng)價(jià)矩陣計(jì)算過程，即用數(shù)據(jù)標(biāo)準(zhǔn)差計(jì)算出的權(quán)重系數(shù)和數(shù)據(jù)劣化度計(jì)算出的隸屬度分別加權(quán)計(jì)算后得到最終的評(píng)價(jià)矩陣。

公式(13)中矩陣R的每行對(duì)應(yīng)圖4中不同指標(biāo)的隸屬度柱形圖，它表示各因素在優(yōu)、良、中、差的隸屬程度。如矩陣R中第一行表示脂肪酸值在良和中的隸屬度分別為0.45、0.55，對(duì)應(yīng)優(yōu)和差的隸屬度為0，所以在圖4中脂肪酸對(duì)應(yīng)良和中兩個(gè)柱狀圖。同理降落數(shù)值、沉降值、發(fā)芽率對(duì)應(yīng)相應(yīng)的兩個(gè)柱狀圖;由于還原糖只有優(yōu)的隸屬度，所以在圖4中，還原糖僅對(duì)應(yīng)評(píng)價(jià)為優(yōu)的柱狀圖，其他三個(gè)柱狀圖為0。

圖4中的折線圖對(duì)應(yīng)公式(11)中的權(quán)重系數(shù)矩陣A，它評(píng)價(jià)的是文中五個(gè)因素在品質(zhì)狀態(tài)空間中的重要程度。

把每個(gè)因素權(quán)重系數(shù)和其對(duì)應(yīng)的評(píng)價(jià)隸屬度相乘，并將這5個(gè)計(jì)算結(jié)果相加后就是評(píng)價(jià)結(jié)果;經(jīng)過四次同樣運(yùn)算，分別得到品質(zhì)狀態(tài)對(duì)于優(yōu)、良、中、差的隸屬度，具體見圖4中左上的餅圖。

根據(jù)文中對(duì)評(píng)價(jià)矩陣B的計(jì)算分析可知:b1=0.47是矩陣中數(shù)據(jù)最大的一個(gè)，由最大隸屬度原則可知小麥品質(zhì)狀況屬于“優(yōu)”可能性最大，對(duì)應(yīng)狀態(tài)空間中的品質(zhì)“優(yōu)”，在圖4的餅圖中可以清楚的看到“優(yōu)”所占的比例最大，這與“4.5測(cè)量結(jié)果”獲得的周麥品質(zhì)接近“優(yōu)”相符合。

圖4 小麥品質(zhì)評(píng)價(jià)矩陣合成

表2的鄭麥9023數(shù)據(jù)經(jīng)過模型計(jì)算，b1=0.49，優(yōu)所占的比例最大，可以判定其品質(zhì)也為優(yōu)，這也與之前“4.5測(cè)量結(jié)果”中鄭麥品質(zhì)基本一致。

7 結(jié)論

針對(duì)儲(chǔ)藏小麥檢測(cè)和評(píng)估的需要，本研究通過對(duì)周麥22和鄭麥9023多生理生化指標(biāo)進(jìn)行了分析研究，建立了模糊融合評(píng)價(jià)模型，通過應(yīng)用數(shù)據(jù)間標(biāo)準(zhǔn)差的計(jì)算降低了由劣化度所導(dǎo)致的誤差，最終由模糊評(píng)價(jià)獲得了儲(chǔ)藏小麥的品質(zhì)狀況，在狀態(tài)空間中對(duì)應(yīng)品質(zhì)都為“優(yōu)”，它顯示了計(jì)算分析模型接近真實(shí)情況，結(jié)果比較可信，在一定程度上可以為糧倉的檢測(cè)和評(píng)估提供幫助。

本研究采用五個(gè)代表性的指標(biāo)，僅對(duì)它們進(jìn)行了模糊融合計(jì)算分析，在分析儲(chǔ)糧品質(zhì)狀況上還存在著一些誤差;在生物學(xué)上，這五個(gè)指標(biāo)間存在著復(fù)雜的聯(lián)系，還需要對(duì)這些因素進(jìn)行深入的調(diào)研，找出其生物學(xué)下的內(nèi)在聯(lián)系和相關(guān)系數(shù)，由此判斷其權(quán)重系數(shù)才有更加科學(xué)的依據(jù)，這也是下一步將要研究的方向和重點(diǎn)。