[发明专利]一种基于化学计量学方法对不同质量的大曲分类的方法

说明书

技术领域

本发明涉及不同质量大曲的分类方法，属酿酒科学与工程技术领域。

背景技术

大曲是酿酒发酵的动力，是一种富含酿酒所需要的菌系、酶系、物系的复合载体。目前白酒都是利用大曲作为酿酒的原料，大曲的曲质对出酒率和酒质有很大的影响，因此，科学、合理、有效地判断大曲质量极为重要。目前，我国对于白酒的大曲质量大多是通过感官指标以及部分理化指标来判定的，如目前大多数企业制定的关于大曲质量的内部标准中，通过经验地确定各级质量的大曲对应指标的阈值，来实现对大曲的质量分级。这种评曲方法的科学性有待考究。

目前，有研究通过经验地确定判断大曲质量的各指标权重，来计算各块大曲的综合指标。这种方法虽然有效地简化了原始指标，但是经验地确定各指标权重无科学的理论基础作支撑。还有研究应用主成分分析方法对大曲质量的理化指标体系进行综合评价，把原来众多具有一定相关性的多个指标重新组合成一组新的互相无关的综合指标来代替原来的指标。其中综合指标由选取的主成分及相应方差贡献率计算所得，主成分个数的确定有2个标准：方差的累积贡献率在80％以上或特征值大于1。这种主成分个数的确定方法偏于经验，当原始数据中随机噪声较大时，经验地确定主成分个数可能会使综合评价的结果产生误差。因此，选用DRAUG算法确定原始矩阵的主因子数，以科学合理地得到综合得分结果，并使用K-means算法对主成分分析的结果进行分类，以验证主成分分析方法的计算结果。

发明内容

本发明是为了克服现有技术存在的不足之处，提供一种基于化学计量学方法对不同质量大曲的分类方法，以期能科学、合理、有效地区别出不同质量的大曲，从而提高大曲质量判断结果的准确性。

本发明为解决技术问题采用如下技术方案：

本发明一种基于化学计量学方法对不同质量大曲的分类方法的特点是按如下步骤进行：

步骤1：采集同一时间内同一车间出房的m个曲块的n种指标，从而建立一个m×n维的原始数据矩阵D；所述原始数据矩阵D的列向量表示同一指标在不同曲块下的测量数据，所述原始数据矩阵D的行向量表示同一曲块在不同指标下的测量数据；

步骤2：使用DRAUG算法对所述原始数据矩阵D进行计算，获得所述原始数据矩阵D的主因子数；

步骤2.1、由一个m维的随机列向量和一个n维的随机行向量进行b倍相乘，获得一个随机矩阵；将所述随机矩阵与所述原始数据矩阵D相加，获得增广矩阵D(aug)；

步骤2.2、对所述原始数据矩阵D与增广矩阵D(aug)分别进行奇异值分解，得到原始数据矩阵D的特征值及相应特征值加和以及所述增广矩阵D(aug)的特征值及相应特征值加和；

步骤2.3、分别计算原始数据矩阵D与增广矩阵D(aug)的方差，记为Var和Var(aug)；

步骤2.4、根据所述原始数据矩阵D的方差Var和增广矩阵D(aug)的方差Var(aug)获得Fisher比例值；

步骤2.5、将所述Fisher比例值转化为显著性水平，根据所述显著性水平获得原始数据矩阵D的主因子数；

步骤3、利用主成分分析法获得各个曲块的得分序列；

步骤3.1、使用主成分分析对所述原始数据矩阵D进行处理，得到所述原始数据矩阵D的特征向量矩阵；

步骤3.2、由所述原始数据矩阵D和所述特征向量矩阵计算获得所述原始数据矩阵D的主成分；

步骤3.3、由所述原始数据矩阵D的特征值和所述原始数据矩阵D特征值的总和获得所述原始数据矩阵D的特征值比值；

步骤3.4、根据所述原始数据矩阵D的主因子数，确定原始数据矩阵D中所要提取的主成分；

步骤3.5、根据所述所要提取的主成分和特征值比值计算获得m个曲块的综合得分并进行降序排序，获得得分序列；

步骤4：使用聚类分析对所述原始数据矩阵D进行分类；

步骤4.1、设置分类数为p；

步骤4.2、从原始数据矩阵D中随机选择p个行向量作为质心，从而获得p个质心；分别计算剩余m-p个行向量与每个质心的距离，从而获得(m-p)×p维的距离矩阵；所述距离矩阵的行向量表示剩余m-p个行向量中的每个行向量分别与p个质心的距离；所述距离矩阵的列向量表示每个质心分别与剩余m-p个行向量的距离；从所述距离矩阵的每个行向量中选取最小值作为最小距离值，共获得m-p个最小距离值；所述m-p个最小距离值所对应的列数，即为所述剩余m-p个行向量所属的质心；