蔣華偉 周同星

(河南工業(yè)大學信息科學與工程學院，鄭州 450001)

品質(zhì)狀態(tài)的正確評估是小麥儲藏和檢測中的一個重要環(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調(diào)整儲藏條件、快速處理已變質(zhì)的小麥，從而降低損失、提高儲糧的安全系數(shù)。近些年來，國內(nèi)學者在包括小麥在內(nèi)的糧食儲藏基礎(chǔ)特性等方面做了大量的前期研究與探索，并取得了較大進步。如宋建民等［1］對小麥蛋白質(zhì)品質(zhì)和與蛋白質(zhì)相關(guān)的因素如沉降值、筋力進行了研究;以及在常溫、低溫兩組糧倉內(nèi)，通過多年的實驗證明脂肪酸值隨著儲藏時間按一定規(guī)律逐年升高，從而認為脂肪酸值是小麥儲藏品質(zhì)控制的指標之一［2－3］。張鐘等［4］對小麥發(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)維生素等做了實驗研究，經(jīng)過數(shù)據(jù)分析得出發(fā)芽時間、水分、還原糖等不同因素對小麥品質(zhì)的影響。

這些研究工作在一定程度上給出小麥在不同儲藏時期內(nèi)品質(zhì)指標的變化，為小麥品質(zhì)的評估奠定了基礎(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，不能準確表達出小麥品質(zhì)的真實狀態(tài)。由于小麥的不同生理生化指標具有復雜的數(shù)量關(guān)系，且具有一定的模糊性，很難精確描述和計算，所以需要對各指標進行模糊處理［5－10］，再進一步融合分析獲得小麥品質(zhì)的實際狀況。盡管模糊數(shù)學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價中，采用了模糊評價模型等相關(guān)模糊數(shù)學方法，對軸承進行狀態(tài)的定量化評價;黃必清［12］等也成功用模糊綜合算法評價得出多級因素中海上直驅(qū)風電組運行的狀態(tài)。這些研究工作雖然給出了對多指標因素的融合評價，但基本上都是采用專家征詢法和經(jīng)驗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。

為了能準確表達小麥的品質(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估方法，即基于小麥的多個生理生化指標數(shù)據(jù)，通過對各指標因素集標準差的分析計算，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價模型，求得多指標融合后的小麥品質(zhì)狀況，為小麥安全儲藏和評價提供一定的技術(shù)支撐。

1 評價因素集和權(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)評價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，但是在具體的計算中，所能計算的指標有限，所以應(yīng)選取代表性強、測量方便、被研究與實驗所認可的因素。本文基于以前對儲藏小麥品質(zhì)評價的研究基礎(chǔ)，選取在小麥儲藏和評價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，脂肪酸含量對小麥食用品質(zhì)和種用品質(zhì)都有很大影響;在小麥儲藏期間，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，隨著時間延長，種子喪失生活力，發(fā)芽率逐漸下降，一般發(fā)芽率高的小麥食用品質(zhì)好，而食用品質(zhì)好的發(fā)芽率不一定高，所以把發(fā)芽率當成一種參考指標。

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)評價模型的因素。

1.2 指標權(quán)重系數(shù)的確定

評價指標的權(quán)重反映了各因素對評價對象的重要程度，對各指標分配合理的權(quán)重是本文多指標模糊計算的關(guān)鍵。目前，在小麥品質(zhì)評價的體系中關(guān)于指標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)。

在獲取實驗數(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，標準差較小;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，標準差較大;而小麥指標與品質(zhì)變化間隱含著某種規(guī)律，通過標準差來體現(xiàn)，需要由標準差來確定各指標權(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)，方法是分析計算因素集里的標準差的大小，若標準差較小，說明該因素的數(shù)據(jù)比較密集，它間接顯示對應(yīng)指標可準確反映小麥品質(zhì)狀況，就應(yīng)賦予較大的權(quán)重系數(shù);若標準差較大，則因素的數(shù)據(jù)分散，說明在指標本身或在測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個因素是反映儲藏小麥品質(zhì)變化的不同指標，物理含義有別，數(shù)量值差別較大，雖然每個因素數(shù)據(jù)的標準差可以獨立地反映對應(yīng)指標的分散程度，但是并不能作為權(quán)重系數(shù)的指標作為計算，本文設(shè)計出一種算法來解決這個問題，具體步驟如下:

1)計算各參數(shù)的基本數(shù)據(jù)，包括各評價因素的平均值 ai，標準差 bi，縮放后的標準差 ci(i=1，2，3，4，5，分別代表降脂肪酸值、降落數(shù)值等評價因素)。

2)經(jīng)計算選脂肪酸值的標準差b1=c1作為標準化的基準，將其他四個因素的標準差縮放到與脂肪酸值同一數(shù)量級。

3)求其他各因素縮放標準差ci，將ai與a1的比值作為放縮的依據(jù)，再對各標準差bi進行放縮計算，具體計算公式如下。

4)由于標準差越大的值，數(shù)據(jù)內(nèi)部相關(guān)度越低，該因素數(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)指標的歸一化

由于評價指標參數(shù)的物理意義和單位都不相同，例如文中儲糧品質(zhì)的五個指標的單位、量級和物理意義明顯不同，為了能夠?qū)@些指標因素進行綜合對比分析，應(yīng)將初始數(shù)據(jù)值進行歸一化處理?？紤]各指標所代表的特定物理意義，需要選擇某一指標作為統(tǒng)一衡量的標準，將不同量級的儲糧數(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，文獻［6］和文獻［7］通過相關(guān)計算分析體現(xiàn)了這一作用，本文將引入并改進劣化度函數(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))作為處理五個儲糧指標的算法。由于本模型評價的是一批小麥的總體品質(zhì)狀況，單個小麥的數(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)這五個指標參數(shù)的不同特點，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)值會隨著時間的推移使小麥品質(zhì)劣變程度變大，所以這兩個指標參數(shù)采用越小越優(yōu)型的劣化度函數(shù)。計算中涉及最大值xmax和最小值xmin的估計。其劣化度函數(shù)為:

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

發(fā)芽率表達小麥種子的生活性，沉降值代表的是小麥蛋白含量，這兩個值越大越好，所以這兩個指標采用越大越優(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 隸屬度及評價矩陣

根據(jù)儲藏小麥品質(zhì)評價的實際需要，本文在應(yīng)用模糊評價方法處理時，將小麥品質(zhì)狀態(tài)分為“優(yōu)”“良”“中”“差”四個評價等級，建立如下評語集:

經(jīng)過劣化度處理后的指標取值處于［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，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)要求嚴格不易獲得且計算復雜，所以采用嶺型函數(shù)(升嶺型、中間嶺形和降嶺形)來計算各指標對不同評價等級的隸屬度。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)本文前面對儲糧品質(zhì)的描述、劣化度的計算和嶺形函數(shù)的分布特點，對評價為優(yōu)的數(shù)據(jù)應(yīng)采用降嶺形分布，評價為良和中的采用中間型嶺分布，差評價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)。對于劣化度小于0.1的數(shù)據(jù)，令函數(shù)值為1，表示其對于優(yōu)的隸屬度為100%;對于劣化度大于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)計算，屬于良的隸屬度由公式(7)計算。所以優(yōu)、良、中、差四種評價對應(yīng)的嶺形函數(shù)中互有交叉重疊，表達各數(shù)據(jù)在不同評價中的隸屬度。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，它分為良和中兩個部分組成:

3)升嶺形分布函數(shù)如下:

圖1 各隸屬度對應(yīng)的嶺型函數(shù)

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

將d帶入rij(d)的函數(shù)中，每個劣化度d值均在4種嶺形計算一次，5個劣化度值分別計算可以得到一個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，可以看作是對各因素的評價矩陣，由于各因素重要程度不同，所以需要對各因素加權(quán)。

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

4 實驗設(shè)計及數(shù)據(jù)測試

4.1 實驗材料

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 實驗試劑

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

4.3 主要儀器設(shè)備

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

4.4 實驗環(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)箱進行模擬儲藏。根據(jù)測試中對水分的要求，在整個測試期間，使整個小麥濕度保持在12.5%左右，所對應(yīng)的相對濕度范圍為65% ～75%，為了模擬室溫下小麥的儲藏效果，用空調(diào)、加熱器等方法，把小麥環(huán)境溫度控制在25℃左右，并與室溫儲藏進行對照。

4.5 小麥生理生化指標的測定依據(jù)

小麥脂肪酸值根據(jù)GB/T 15684—2015測定。

小麥降落數(shù)值根據(jù)GB/T 10361—2008測定。

小麥沉降值根據(jù)GB/T 21119—2007測定。

小麥還原糖根據(jù)GB 5009.7—2016測定。

小麥發(fā)芽率根據(jù)GB/T5520—2011測定。

4.6 測量結(jié)果

將這兩種小麥各分成5份，對不同指標分別測試，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

本研究在生理生化指標測試前，已經(jīng)對這批小麥的容重、水分，色澤、氣味等指標進行了初步的測量，實驗結(jié)果表明其品質(zhì)為優(yōu)良。表1和表2的指標測試值在一定的波動，但數(shù)據(jù)基本都落在合理的區(qū)間內(nèi);另外還利用實驗測試獲得各指標數(shù)據(jù)，通過文獻［19］計算評價、以及用現(xiàn)有標準測定方法［1，4，20］進行分析，發(fā)現(xiàn)對測試數(shù)據(jù)的評價結(jié)果也基本吻合。特別是本文所測量數(shù)值大都分布在文獻［19］的取值范圍附近;當然也有部分降落數(shù)值變化幅度較大和少量發(fā)芽率偏低，但對各指標數(shù)據(jù)進行綜合對比分析后，本次測試的兩種小麥品質(zhì)也基本可評估為優(yōu)。

表2 鄭麥9023生理生化指標

5 模型計算

5.1 因素集構(gòu)建及權(quán)重系數(shù)計算

本研究主要選取表1中的5種指標參數(shù)進行處理(對表2中鄭麥數(shù)據(jù)也采用類似計算過程)，分別標記為 u1，u2，u3，u4，u5，由它們構(gòu)成小麥評估因素集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)可以計算出縮放后的標準差ci和對測試數(shù)據(jù)處理獲得的相關(guān)結(jié)果，顯示于表3中(下表各指標單位同表1，2)。

表3 指標因素參數(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 劣化度和隸屬度計算

通過對表1的數(shù)據(jù)分析，經(jīng)計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 指標劣化度參數(shù)

將表1中的各指標參數(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)，可以計算獲得如下隸屬度矩陣:

最后通過對權(quán)重系數(shù)A和隸屬度矩陣R的合成，可以得到評價矩陣:

同理對表2中的數(shù)據(jù)進行計算處理后也獲得如下的權(quán)重系數(shù)、隸屬度矩陣和評價矩陣:

6 結(jié)果與分析

主要對周麥22計算結(jié)果進行分析(表2中鄭麥數(shù)據(jù)的計算結(jié)果分析類同)。

6.1 標準差分析

在由標準差求權(quán)重系數(shù)時，發(fā)現(xiàn)還原糖與發(fā)芽率的標準差最小，一方面是因為在相近品質(zhì)小麥中它們的測試數(shù)據(jù)比較靠攏，反映儲糧品質(zhì)比較可靠;另一方面，可能是在數(shù)據(jù)的讀取和測量上比較精準。相比較而言，還原糖更能有效的表達儲糧品質(zhì)。沉降值、脂肪酸值和降落數(shù)值的標準差比較大，沉降值和降落值受實驗環(huán)境影響較大，它們的測量存在著較大誤差;尤其是脂肪酸值的測試數(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應(yīng)關(guān)系，相同的脂肪酸值可能會對應(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

分析劣化度計算結(jié)果可以發(fā)現(xiàn)，由于它對數(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，在測量數(shù)據(jù)時，可能因操作方法的不當而獲得了一個或幾個極值數(shù)據(jù)，盡管這些數(shù)據(jù)對統(tǒng)計平均值造成的影響很小，但是在對數(shù)據(jù)進行歸一化時，由于公式的特性，就會造成數(shù)據(jù)整體的劣化度值偏大或偏小，這樣對該因素的整體評價就會帶來很大的影響。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)計算后的降落數(shù)值劣化度趨小。

其二，在各個數(shù)據(jù)分布都較為集中時，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，這樣在進行計算時，極大值和極小值會導致整體結(jié)果偏向于均值，原本能反映品質(zhì)極好的數(shù)據(jù)，通過劣化度計算后，得到的結(jié)果可能并不真實顯示品質(zhì)狀況。

6.3 權(quán)重系數(shù)與劣化度分析

綜合分析各指標的權(quán)重系數(shù)和劣化度時可以發(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)離散程度的標準差計算而出的，而劣化度受數(shù)據(jù)中的極值影響很大。在具體計算中，離散度偏大的數(shù)據(jù)會導致劣化度變大，同時其權(quán)重系數(shù)卻會變小，通過后來的加權(quán)計算，會消除這一誤差使得數(shù)據(jù)較為準確，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)計算后其標準差比較大，從而導致權(quán)重系數(shù)很低，然而它們的劣化度相對比較高，最終計算得到的數(shù)值趨于平庸，使得綜合評價結(jié)果仍比較合理。

6.4 標準差與隸屬度分析

本文提出了用數(shù)據(jù)的標準差來間接表示因素集的重要程度和用隸屬度表示指標的優(yōu)良程度的方法。通過對文中數(shù)據(jù)的計算分析后發(fā)現(xiàn)如圖3所示的結(jié)果(規(guī)律):還原糖標準差很小，其對應(yīng)優(yōu)的隸屬度極高;發(fā)芽率標準差較小，其對應(yīng)為優(yōu)和良的隸屬度;脂肪酸值等對應(yīng)的標準差很大，其對應(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，因素集的標準差越小，其對應(yīng)優(yōu)或良的隸屬度值越大，從而說明本文采用的由標準差計算權(quán)重系數(shù)的方法是較為合理的。

圖3 因素標準差和隸屬度的關(guān)系

6.5 評價矩陣分析

圖4 表達了本文中小麥品質(zhì)評價矩陣計算過程，即用數(shù)據(jù)標準差計算出的權(quán)重系數(shù)和數(shù)據(jù)劣化度計算出的隸屬度分別加權(quán)計算后得到最終的評價矩陣。

公式(13)中矩陣R的每行對應(yīng)圖4中不同指標的隸屬度柱形圖，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，對應(yīng)優(yōu)和差的隸屬度為0，所以在圖4中脂肪酸對應(yīng)良和中兩個柱狀圖。同理降落數(shù)值、沉降值、發(fā)芽率對應(yīng)相應(yīng)的兩個柱狀圖;由于還原糖只有優(yōu)的隸屬度，所以在圖4中，還原糖僅對應(yīng)評價為優(yōu)的柱狀圖，其他三個柱狀圖為0。

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

把每個因素權(quán)重系數(shù)和其對應(yīng)的評價隸屬度相乘，并將這5個計算結(jié)果相加后就是評價結(jié)果;經(jīng)過四次同樣運算，分別得到品質(zhì)狀態(tài)對于優(yōu)、良、中、差的隸屬度，具體見圖4中左上的餅圖。

根據(jù)文中對評價矩陣B的計算分析可知:b1=0.47是矩陣中數(shù)據(jù)最大的一個，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)評價矩陣合成

表2的鄭麥9023數(shù)據(jù)經(jīng)過模型計算，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測量結(jié)果”中鄭麥品質(zhì)基本一致。

7 結(jié)論

針對儲藏小麥檢測和評估的需要，本研究通過對周麥22和鄭麥9023多生理生化指標進行了分析研究，建立了模糊融合評價模型，通過應(yīng)用數(shù)據(jù)間標準差的計算降低了由劣化度所導致的誤差，最終由模糊評價獲得了儲藏小麥的品質(zhì)狀況，在狀態(tài)空間中對應(yīng)品質(zhì)都為“優(yōu)”，它顯示了計算分析模型接近真實情況，結(jié)果比較可信，在一定程度上可以為糧倉的檢測和評估提供幫助。

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