基于因子分析和Bayers判別的烤煙香型分類(lèi)模型構(gòu)建與驗(yàn)證

　　摘要：為研究烤煙化學(xué)組成與其香型間的關(guān)系，通過(guò)抽樣法收集了2011-2013年國(guó)內(nèi)15省71市（縣）500個(gè)煙葉樣品。參照行業(yè)及文獻(xiàn)相關(guān)標(biāo)準(zhǔn)測(cè)定影響其品質(zhì)的114種化學(xué)指標(biāo)，對(duì)各指標(biāo)采用MFA（因子分析）降維處理，因子得分構(gòu)建Bayes香型定量判別模型并驗(yàn)證。結(jié)果表明，原始指標(biāo)可提出22個(gè)公因子，其對(duì)原變量的總方差解釋率為80.459%；巨豆三烯酮（A、c）、His、假木賊堿、總細(xì)胞壁物質(zhì)等是煙葉中普遍存在且能較好代表其品質(zhì)特征的物質(zhì)；定量判別模型能依據(jù)不飽合醛酮、氨基酸、堿、細(xì)胞壁物質(zhì)等類(lèi)物質(zhì)的含量對(duì)煙葉樣品香型進(jìn)行較好的預(yù)測(cè)，回判及預(yù)測(cè)正確率I>83.3%。該判別模型使用簡(jiǎn)便、迅速，能簡(jiǎn)化煙葉香型的判別流程，快速和客觀的評(píng)價(jià)煙葉品質(zhì)。
　　關(guān)鍵詞：烤煙；化學(xué)組成；因子分析；判別分析
　　中圖分類(lèi)號(hào)：TS41+1
　　文章編號(hào)：1007-5119（2016）03-0072-07 DOI：10.1349 6/j.issn.1007-5119.2016.03.013
　　烤煙煙葉根據(jù)其燃燒時(shí)所產(chǎn)生的香氣風(fēng)格可劃分為清香、中間香和濃香型3個(gè)類(lèi)別。煙葉香型很大程度上決定著不同卷煙的感官風(fēng)格特征，是維護(hù)卷煙感官質(zhì)量穩(wěn)定的重要因素，也是工業(yè)生產(chǎn)與配方選用的要素之一。不同產(chǎn)地的煙葉通常具有各自獨(dú)特的香型，煙葉香型往往受其化學(xué)成分所影響，所以，對(duì)不同香型煙葉的化學(xué)組成測(cè)定及特征剖析一直以來(lái)都是科技工作者的研究熱點(diǎn)。目前，關(guān)于烤煙香型與其影響因素之間關(guān)系的研究報(bào)道較多，研究?jī)?nèi)容大多集中于不同香型煙葉的化學(xué)組成差異，以及不同部位煙葉特征與化學(xué)成分的相互關(guān)系。關(guān)于烤煙香型化學(xué)組成評(píng)價(jià)的相關(guān)情況雖有一定報(bào)道，但存在所采集的樣本數(shù)量不足，分析方法片面單一，未驗(yàn)證數(shù)理模型的適用性，研究不夠深入等問(wèn)題。對(duì)于香型的定量判別模型研究則尚未見(jiàn)報(bào)道。所以，筆者基于MFA（因子分析）模型判定并篩選適合的變量，并與多種統(tǒng)計(jì)方法聯(lián)用，對(duì)不同類(lèi)型煙葉香型進(jìn)行評(píng)價(jià)，為不同香型烤煙選擇性育種及卷煙配方設(shè)計(jì)選用提供理論依據(jù)。
　　1.材料與方法
　　1.1材料
　　采用經(jīng)典抽樣方法，從國(guó)內(nèi)15個(gè)省份71市（縣）采集2011-2013年的烤煙煙葉樣品，總計(jì)500個(gè)樣品。其中，2011年采集樣品數(shù)為137個(gè)，2012年采集樣品數(shù)為169個(gè)，2013年采集樣品數(shù)為194個(gè)，根據(jù)其不同的香型風(fēng)格特征經(jīng)過(guò)感官評(píng)吸判斷可劃分為：清香型烤煙煙葉樣品161個(gè)，中間香型烤煙煙葉樣品168個(gè)，濃香型烤煙煙葉樣品172個(gè)，所有香型煙葉均分別采集上、中和下部煙葉。具體見(jiàn)表1。
　　1.2方法
　　1.2.1烤煙化學(xué)成分檢測(cè)方法主要對(duì)3種不同香型烤煙中16種常規(guī)化學(xué)成分（氯、鉀、總氮、總植物堿、總糖、還原糖、纖維素、葡萄糖、果糖、蔗糖、石油醚提取物、揮發(fā)堿、揮發(fā)酸、硝酸根、硫酸根、磷酸根）；8種金屬元素（鐵、錳、銅、鋅、硼、鈣、鎂和鈉）；3種多酚（綠原酸、莨菪亭和蕓香苷）；8種有機(jī)酸（草酸、丙二酸、蘋(píng)果酸、棕櫚酸、硬脂酸、檸檬酸、亞油酸、亞麻酸）；20種氨基酸；45種中性致香成分（例如β-大馬酮、香葉基丙酮、β-紫羅蘭酮、降茄二酮、巨豆三烯酮4種立體異構(gòu)體、二氫獼猴桃內(nèi)酯等；胡蘿卜素與葉黃素；6種生物堿（煙堿、降煙堿、麥斯明、假木賊堿、新煙草堿、2，3-聯(lián)吡啶）；以及6種細(xì)胞壁物質(zhì)（總細(xì)胞壁物質(zhì)、果膠、木質(zhì)素、全纖維素、α-纖維素、半纖維素）共計(jì)114種指標(biāo)根據(jù)現(xiàn)行相關(guān)的行業(yè)標(biāo)準(zhǔn)及文獻(xiàn)方法進(jìn)行定量檢測(cè)。
　　1.2.2統(tǒng)計(jì)方法采用SPSS 22.0統(tǒng)計(jì)學(xué)軟件（SPSS Inc.）的數(shù)據(jù)處理模塊對(duì)不同煙葉樣品各化學(xué)指標(biāo)及其與香型的關(guān)系進(jìn)行分析。采用因子分析（MFA）和Bayes判別分析方法來(lái)探索不同煙葉樣品香型的物質(zhì)基礎(chǔ)。
　　2.結(jié)果
　　2.1不同香型煙葉各指標(biāo)的因子分析（MFA）
　　對(duì)不同煙葉樣本進(jìn)行MFA分析，由于各指標(biāo)間量綱及數(shù)值差異較大，所以從相關(guān)陣出發(fā)，采用主成分提取方法，并進(jìn)行最大方差法旋轉(zhuǎn)，迭代29次收斂。對(duì)取樣足夠度進(jìn)行Kaiser-Meyer-Olkin及Bartlett檢驗(yàn)，如表2可知，KMO=0.885>>0.5，且Bartlett sig.<0.0001，呈1%以下顯著性水平，說(shuō)明樣本非常適于進(jìn)行因子分析。114個(gè)指標(biāo)共可提取22個(gè)共同因子，其所能解釋原指標(biāo)的累積方差貢獻(xiàn)率為80.459%。
　　通過(guò)因子得分系數(shù)矩陣可列出不同煙葉各原始指標(biāo)通過(guò)線性組合而成的22個(gè)公因子的表達(dá)式，如公式（1），公式中X_i為樣本中各指標(biāo)變量的標(biāo)準(zhǔn)化值，yi為因子的得分系數(shù)，F(xiàn)_i為各因子的因子得分，i的取值范圍均為（1，114）。據(jù)公式計(jì)算各樣本的因子得分，并保存為新變量F_i，j=1～22，可以用來(lái)代表原指標(biāo)衡量煙葉的化學(xué)組成和品質(zhì)特征。
　　采用因子旋轉(zhuǎn)方法（最大方差法）來(lái)對(duì)22個(gè)公因子的實(shí)際意義進(jìn)行解釋?zhuān)�如�?，以方差解釋率最高的前10個(gè)公因子為例來(lái)說(shuō)明相應(yīng)因子的實(shí)際意義。由于每個(gè)因子所擬合的原變量數(shù)較多（114個(gè)指標(biāo)），所以在旋轉(zhuǎn)載荷陣中，對(duì)10個(gè)公因子的載荷均小于0.695的指標(biāo)予以省略，表明公因子對(duì)這部分指標(biāo)的解釋力較弱。公因子對(duì)原始指標(biāo)的解釋能力各不相同。例如，對(duì)于因子1.糠醛、苯甲醛、苯乙醛、異佛爾酮、氧化異佛爾酮、藏花醛、B.大馬酮、5，6-環(huán)氧-β-紫羅蘭酮、二氫獼猴桃內(nèi)酯、巨豆三烯酮的四個(gè)異構(gòu)體（A、B、c、D）的載荷均>0.803，其中，異佛爾酮、氧化異佛爾酮、藏花醛、β-大馬酮和二氫獼猴桃內(nèi)酯的載荷均>0.900，說(shuō)明因子1對(duì)于含有環(huán)酮，烯酮，烯醛結(jié)構(gòu)的化合物的解釋能力很強(qiáng)，可命名為“酮醛因子”；對(duì)于因子2，Asn、His、Gin、GABA、Phe、Trp的載荷均>0.850，說(shuō)明因子2對(duì)于酰胺類(lèi)、芳香類(lèi)、堿性氨基酸類(lèi)物質(zhì)的解釋能力很強(qiáng)，可以命名為“氨基酸因子”。以此類(lèi)推，4-10號(hào)公因子分別能對(duì)應(yīng)解釋環(huán)檸檬醛、堿、細(xì)胞壁、還原糖、多環(huán)酮、氯、呋喃酮和鋅類(lèi)物質(zhì)，可命名為各自相應(yīng)的因子。

相關(guān)熱詞搜索：烤煙 香型 因子 構(gòu)建 模型