基于主成分聚類分析評價棉花品質的研究

李國鋒，王　莉，肖遠淑

(1.阿克蘇職業技術學院機電工程系，新疆阿克蘇　843000；2.阿克蘇地區高級技工學校紡織系，新疆阿克蘇　843000；3.新疆大學紡織與服裝學院，烏魯木齊　830046)

?

基于主成分聚類分析評價棉花品質的研究

李國鋒1，王莉2，肖遠淑3

(1.阿克蘇職業技術學院機電工程系，新疆阿克蘇843000；2.阿克蘇地區高級技工學校紡織系，新疆阿克蘇843000；3.新疆大學紡織與服裝學院，烏魯木齊830046)

摘要：采用中國纖維檢驗局公布的“中國棉花質量分析報告”的8項指標作為原始指標，利用SPSS主成分分析法和聚類分析法對不同地區的細絨棉品質進行分析，篩選出特征根累計貢獻率86.931%的3個主成分，對選出的主成分進行系統聚類分析，將棉花品質按相似性分為三類地區。結果表明：各類地區間棉花品質差距較大，第二類地區具有在顏色級、馬克隆值指標的優勢，第三類地區棉花品質整體較差。研究結果對棉花采購和紡織企業生產具有重要的參考作用。

關鍵詞：棉花品質；主成分分析；聚類分析

紡織企業在配棉時習慣上將品級指標作為主要指標，原料購買時也通常以品級的高低作為主要選擇指標。隨著國家棉花質量檢驗體制改革的深入，HVI儀器化檢驗方式進一步得到大面積的普及[1]，已成為棉花品級檢驗領域的發展趨勢。長期以來，一些加工企業按照棉花產區進行加工，片面理解棉花品級指標，將不同地區的棉花混用，以得到期望的質量，客觀地對產品質量產生了不利的影響。全面、準確地掌握我國棉花品質，有利于加強宏觀調控，引導紡織產業健康有序發展[2]。

本文擬對我國15個不同地區及新疆兵團的棉花品質進行主成分分析和系統聚類分析，找出棉花品質中顏色級、軋工質量、長度、長度28mm以上占比、馬克隆值、斷裂比強度、斷裂比強度中等檔以上占比、長度整齊度指數等指標之間的關系；在揭示這些指標成分分布特征的基礎上，對不同產地棉花質量做了綜合評價；在此基礎上，進行系統聚類分析，將棉花性能相似的細絨棉聚集為一類，為原棉接批、計算機配棉提供科學理論指導[3]。

1　評價方法

1.1方法的選取

為科學、綜合地評價棉花質量，GB 1103.1—2012《棉花 第1部分：鋸齒加工 細絨棉》規定了棉花纖維品質評價方法。方法給出了反映棉纖維品質的核心指標，但由于各地區的差異性，檢測的各項指標也有較大差異，尤其棉纖維指標過多，評價異常困難，這給棉花交易和企業配棉帶來了較大的困難。主成分分析是把多個指標化為少數幾個不相關的綜合指標，并能最大限度反映原來指標信息[4]。聚類分析方法是按描述事物性質的變量之間的相似程度進行分類的一種方法，這類方法可以將多指標的數據進行分類[5]。本文采用主成分分析和聚類分析相結合的方法，先對我國各地區棉花品質進行主成分分析，再進行聚類分析，以此進行棉花品質定量化的綜合評價。

1.2指標的選取

選用中國纖維檢驗局公布的“2013/2014年度中國棉花質量分析報告”的8個指標進行評價，包括顏色級X1、軋工質量X2、長度X3、長度28mm以上占比X4、馬克隆值X5、斷裂比強度X6、斷裂比強度中等檔以上占比X7、長度整齊度指數X8。其中顏色級為標準級白棉3級以上占比，軋工質量為P2及以上占比，長度為逐包檢驗平均長度，馬克隆值為B級以上占比，斷裂比強度為各產棉省份棉花平均斷裂比強度，長度整齊度指數為各產棉省份棉花平均長度整齊度。

2　棉花品質分析

2.1主成分分析

本文選取2013/2014年度中國棉花質量分析報告的8項指標相關數據作為分析樣本[6]，使用SPSS 19.0軟件作為統計分析工具，對表1中的原始數據進行降維處理，經KMO檢驗，取樣足夠度的Kaiser-Meyer-Olkin度量值為0.555，大于0.5；Bartlett的Sig為0，小于0.05。因此，滿足正態分布且具有顯著性，得到相關系數的特征值、貢獻率、累積貢獻率以及成分矩陣，分別如表2和表3所示。

表1中國棉花質量8項主要品質指標

序號地區顏色級/%軋工質量/%長度/mm長度28mm以上占比/%馬克隆值/%斷裂比強度/(cN/tex)斷裂比強度中等檔以上占比/%長度整齊度指數/%1江蘇46.1999.7429.0086.3852.3529.8999.0783.012浙江24.1699.9927.8843.8540.0528.8499.8982.923安徽11.9399.4227.7331.6041.1329.4199.1782.254江西10.1299.8027.6030.5319.6229.8999.7682.845湖北3.2099.9027.7838.6263.3228.8398.0382.206湖南2.5599.7527.8443.4059.7829.2598.5382.277天津28.1299.1628.1361.7045.8529.1199.4282.258河北52.0699.1728.7687.8763.3229.7498.8182.669山西32.4098.7628.3471.9632.7829.4696.7283.0210山東74.5099.6028.6583.6087.2129.6598.8282.3311河南39.4899.1328.3669.3079.8829.2598.3181.8112陜西95.4299.4628.7785.0791.0127.2673.9482.7413甘肅98.9999.8528.3273.5596.6428.2293.8783.0414新疆地方97.5899.4328.5381.5580.4427.4084.5782.5915新疆兵團95.2397.3728.1963.2886.5126.9073.2782.08

表2KMO和Bartlett的檢驗

Kaiser-Meyer-Olkin度量0.555Bartlett的球形度檢驗近似卡方107.763df28Sig.0

表3相關系數的特征值、貢獻率、累積貢獻率

成分初始特征值合計方差/%累積/%提取平方和載入合計方差/%累積/%14.12951.60751.6074.12951.60751.60721.86723.33674.9431.86723.33674.94330.95911.98886.9310.95911.98886.93140.7529.39596.32650.1732.16198.48760.0580.72199.20770.0510.63899.84680.0120.154100.00

由表3可知，相關系數的前3個特征根分別為4.129、1.867、0.959，前3個公共因子的累積貢獻率為86.931%。根據累積貢獻率大于85%的原則，故前3個主成分它能代表棉花品質的86.931%的信息，可以認為原來的8個指標能夠綜合成3個主因子，作為評價我國各地區棉花品質的主成分。

由表4可知，成分1(設為y1)主要由原始變量X1、X3、X4、X5、X6、X7表征，它反映了最多的原始變量的信息，可解釋為棉花的基本特性指標；成分2(設為y2)主要由原始變量X2、X3、X4、X8表征，可解釋為棉花的長度指標；成分3(設為y3)主要由原始變量X8表征，為棉花長度整齊度指標。

表4因子載荷矩陣

指標成分123Zscore(顏色級)0.9450.125-0.132Zscore(軋工質量)-0.4920.512-0.240Zscore(長度)0.6910.6350.266Zscore(長度28mm以上占比)0.7590.5760.254Zscore(馬克隆值)0.828-0.0580.197Zscore(斷裂比強度)-0.7550.4790.386Zscore(斷裂比強度中等檔以上占比)-0.8270.3920.303Zscore(長度整齊度指數)-0.0110.683-0.685

2.2基于主成分得分建立棉花品質評價模型

由于主成分的因子負荷存在正負，各綜合指標難以準確地把握。獲取特征向量，建立y1、y2、y3這3個成分的回歸方程，主成分表達式為：

y1=0.465x1-0.242x2+0.34x3+0.374x4+0.407x5-0.372x6-0.407x7-0.005x8,

y2=0.091x1+0.375x2+0.465x3+0.422x4-0.042x5+0.351x6+0.287x7+0.5x8,

y3=0.128x1+0.523x2+0.648x3+0.588x4-0.059x5+0.489x6+0.4x7+0.697x8.

2.3計算主成分得分及綜合得分

分別計算3個成分分值；根據特征值的貢獻率大小為分配系數，計算綜合得分，并排序，結果見表5。

表5中國棉花品質成分分值、綜合得分

序號地區y1分值排序y2分值y3分值綜合得分總排序聚類1江蘇0.05682.6203.6541.078412浙江-1.819130.1930.269-0.8611133安徽-2.25914-1.255-1.750-1.6681434江西-3.13215-0.220-0.307-1.7041535湖北-1.73211-1.151-1.605-1.3541336湖南-1.79412-0.815-1.137-1.2521237天津-0.91310-0.428-0.597-0.6431038河北0.44361.5492.1600.849619山西-0.60790.8371.1660.0228110山東0.86551.1511.6060.9085111河南0.1507-0.622-0.868-0.1729312陜西3.36620.1690.2371.8051113甘肅1.5541.0221.4271.2093114新疆地方2.44830.0360.0511.2782115新疆兵團3.3881-3.088-4.3070.51272

從以上的主成分分析結果中的綜合得分可以看出，陜西的棉花品質綜合評價最高，其次是新疆地方，江西的最差。

3　棉花品質的系統聚類分析

聚類分析是一種探索性的分類方法，它將一組數據按照本身的內在規律較合理的分為幾類，它避免了憑主觀判斷造成的誤差，使數據分析結果更具客觀性。

3.1聚類分析

利用SPSS軟件對已選定的前三個主成分得分對棉花品質進行聚類分析，聚類采用分層聚類過程，聚類方法采用類間“ward法”，距離測度采用歐氏距離法，得到系統聚類分析的譜系圖，見圖1。

圖1　中國棉花品質聚類分析譜系

由圖1可見，當閾值介于15～25之間時，可以將其分為兩大類，樣本1、8、9、10、12、13、14是一類，樣本2、3、4、5、6、7、11、15為一類，說明棉花品質在地區上存在一定程度相似性；當閾值介于10～15之間時，樣本層次聚類分析聚成三類，樣本1、8、9、10、12、13、14是一類，樣本15為一類，樣本2、3、4、5、6、7、11為一類，由于機采棉加工方式的特性，新疆兵團棉花中軋工質量為差的比例明顯高于其他省份和全國平均水平。因此，將樣本分為三類更為合適，這為進一步開展棉花品質研究提供了依據。

3.2聚類結果

根據主成分聚類結果，不同類別的細絨棉指標范圍如表6。

表6不同類別的細絨棉指標范圍

指標第一類(1,8,9,10,12,13,14)第二類(15)第三類(2,3,4,5,6,7,11)顏色級/%32.40～98.9995.232.55～39.48軋工質量/%98.76～99.8597.3799.13～99.99長度/mm28.00～29.0028.1927.60～28.36長度28mm以上占比/%71.96～87.8763.2830.53～69.30馬克隆值/%32.78～96.6486.5119.62～79.88斷裂比強度/(cN/tex)27.26～29.8926.9028.83～29.89斷裂比強度中等檔以上占比/%73.94～99.0773.2798.03～99.89長度整齊度指數/%82.33～83.0482.0881.81～82.92

注：顏色級為標準級白棉3級以上占比；軋工質量為P2及以上占比；馬克隆值為B級以上占比。

為了更好地比較各類地區及兵團的棉花質量，使結論更加直觀、清晰，本文分別求出3類地區的主成分聚類平均得分。設第一類地區的主成分聚類平均得分為Z1，第二類地區的主成分聚類平均得分為Z2，第三類地區的主成分聚類平均得分為Z3，結果如下：

Z1=(1.078+0.849+0.022+0.908+1.805+1.209+1.278)/7=1.021,

Z2=0.512,

Z3=(-0.861-1.668-1.704-1.354-1.252-0.643-0.172)/7=-1.093.

4　結果分析

從主成分聚類分析結果和綜合得分可以看出，陜西、新疆地方、甘肅、江蘇、山東、河北和山西排在第一類位，這些地區的主成分聚類得分皆大于0；新疆兵團排在第二類位；而河南、天津、浙江、湖南、湖北、安徽和江西排在第三類位，這些地區主成分聚類得分都小于0，分別排在9～15位。從第一主成分排名和綜合排名可以看出，在排序上產生了差別，這是因為在第一主成分沒有超過85%時，其排名可能不夠準確。

從聚類分析譜系圖看，全國細絨棉品質大致可分為三類：第一類地區棉花品質最好，第二類地區棉花品質一般，第三類地區棉花品質偏差。將主成分聚類分析的綜合得分和聚類分析分類結果相結合，可得出如下結論：

a) 各類地區間棉花品質差距較大。第一類地區主成分聚類平均得分為1.021,遠遠高于第三類地區的得分，在構成要素的8個指標中，這些地區平均指標中6項超過全國水平，可見整體品質較好，故該地區應繼續發揮優勢，推動紡織產業高速發展。

b) 第二類地區的棉花品質接近第三類地區，但是新疆兵團棉花品質具備在顏色級、馬克隆值指標的優勢，其他指標低于全國水平，這與新疆兵團棉花大部分采用機采棉加工有直接的關系，而且，機采棉在減少“三絲”問題上有獨特的優勢，因此，棉花生產加工時需單獨考慮。這也說明單一主成分綜合得分排名并不能完全反映棉花品質。

c) 與第一類地區相比較，第三類地區的主成分聚類平均得分僅為-1.093，在構成要素的8個指標中，這些地區平均指標中僅4項超過全國水平，這說明這類地區棉花品質整體偏差。因此，需要通過政策扶持，調整種植結構，加大對育種、采摘技術、加工工藝等方面的專項研究力度，以提高其棉花品質。

5　結　語

主成分聚類分析法是對主成分分析與聚類分析方法的綜合利用，利用該方法對全國各地區棉花品質進行綜合評價，其分析結果客觀。本文通過主成分分析將棉花品質的8個評價指標歸結為三個主成分，代表了棉花品質信息的86.931%，這樣，眾多評價指標之間的比較歸結成了三個主成分的比較。研究結果認為，不同地區的棉花品質通過主成分聚類分析，可將不同地區的棉花聚類。因此，研究結果可為棉花加工企業收購加工棉花、紡織企業提供有價值的信息，為涉棉的政府職能部門、行業組織和相關企業研究棉花政策、扶持棉花產業及指導紡織企業合理配棉提供合理、科學的依據。

參考文獻：

[1] 李國鋒，王莉，阿達來提·阿布力克木.現代棉紡企業配棉技術的探討[J].國際紡織導報，2014，42(4)：10-12.

[2] 周延.昌吉地區2011年度棉花質量狀況的分析及改進建議[J].農產品加工:創新版，2012(5)：70-73.

[3] 張莉，李惠軍，李國鋒.基于SPSS的長絨棉聚類分析[J].輕紡工業與技術，2012，41(5)：36-37.

[4] 陳基純，陳忠暖.我國大中城市房地產投資環境評估與分類研究[J].科技管理研究，2012，32(3)：210-214.

[5] 呂巖威，孫慧，周好杰.基于主成分聚類分析的西部地區經濟實力評價[J].科技管理研究，2009，29(12)：157-160.[6] 中國纖維檢驗局.中國棉花質量分析報告：2013/2014年度[EB/OL].[2015-03-23].http://www.cncotton.com/gnmh/scdt/xh/rd/201409/t20140928_264645.html.

(責任編輯：康鋒)

收稿日期：2015-03-23

基金項目：阿克蘇地區科技興阿項目(阿地財教[2014]71號)；阿克蘇地區人才項目(阿地黨組傳(2015)106號)

作者簡介：李國鋒(1983-)，男，河南偃師人，講師，主要從事紡織設備、工藝及計算機應用方面的研究。

中圖分類號：TS102.2

文獻標志碼：A

文章編號：1009-265X(2016)01-0005-04

Study on Evaluation of Cotton Quality Based on Principal Component Analysis and Cluster Analysis

LIGuofeng1,WANGLi2,XIAOYuanshu3

(1.Department of Mechanical and Electronic Engineering, Aksu Vocational And Technical College, Aksu,843000, China; 2. Department of Textile,, Aksu Senior Vocational School, Aksu, 843000, China;3.College of Textiles and Clothing, Xinjiang University, Urumqi 830046, China.)

Abstract：The paper uses eight indexes of quality analysis report of Chinese cotton released by China Fiber Inspection Bureau as original indexes. SPSS principal component analysis and cluster analysis are applied to analyze the quality of fine staple cotton in different areas and screen 3 principal components whose accumulative contribution rate of characteristic root is 86.931%. Hierarchical cluster analysis is conducted for selected principal components. Three types of areas are classified according to the similarity of cotton quality. The results show cotton quality in each area has a large gap. The second type of area has such advantages as color level and micronaire value index. Cotton quality in the third type of area is poor. The results has the importamt reference for cotton purchase and production of textile enterprises.

Key words：cotton quality; principal component analysis; cluster analysis