倉儲煙葉箱芯溫度變化規律及預測預警研究——以安徽鳳陽地區片煙養護為例

張鑫，王蘇紅，徐瑋杰，李強，楊凱*

倉儲煙葉箱芯溫度變化規律及預測預警研究——以安徽鳳陽地區片煙養護為例

張鑫1，王蘇紅2，徐瑋杰1，李強3，楊凱1*

1上海煙草集團有限責任公司技術中心，上海市浦東新區秀浦路3733號 201315；2華環國際煙草有限公司，安徽省滁州市鳳陽縣門臺工業園 233121；3上海煙草集團有限責任公司儲運公司，上海市寶山區吉浦路535號 200439

【目的】探索箱芯溫度在倉儲煙葉質量風險預警中的應用方式，強化煙葉精細化、個性化養護能力?！痉椒ā吭诎不臻T臺倉庫持續44個月跟蹤監測8個典型等級復烤片煙箱芯溫度，分析箱芯溫度隨時間的變化規律及不同煙箱位置、不同煙葉等級間的差異特征，并建立箱芯溫度預測模型。【結果】（1）煙葉箱芯溫度呈現近似余弦函數的季節性變化規律，波峰、波谷分別出現在每年8月、2月。（2）正常情況下，升溫過程箱芯溫度低于倉間溫度且升溫速率一般不超過0.5℃/d，降溫過程箱芯溫度高于倉間溫度但溫差一般不超過4℃。（3）煙箱層高位置是造成升溫過程煙箱間溫度差異的主要原因。（4）基于時間序列分析的箱芯溫度預測模型比多元線性回歸模型的準確度、適用性更好，未來一周內預測結果最大絕對偏差僅為0.37℃。【結論】煙葉箱芯溫度受倉儲環境及空間位置影響顯著，可依據統計規律和預測模型研制更為精準的風險預警機制。

煙葉；倉儲；箱芯溫度；變化；預測；預警

復烤片煙用于卷煙生產前通常需經過2～3年的醇化過程，以調和化學成分、改善吸食品質，無霉變、無碳化、無蟲害是此期間最基本的要求。為營造適宜醇化環境，煙葉養護過程多要求進行“三溫兩濕”的監測與調控，“三溫”為倉外溫度、倉間溫度和箱芯溫度，“兩濕”為倉外相對濕度和倉間相對濕度。其中箱芯溫度是煙葉霉變、碳化風險預警的主要參考依據，但不同研究報道的判定規則存在差異[1-5]。另一方面，除個別企業已通過信息化手段實現箱芯溫度無線監測外[6]，多數企業倉庫對箱芯溫度的檢測還依靠人工讀取煙箱上測溫探桿數據，考慮到工作量和設備成本，該方式在檢測空間密度、時間頻次上均難以提高[7-8]。如何利用好有限的箱芯溫度檢測數據，最大化發揮其在煙葉養護過程中的風險預警作用尚缺少研究。

本文從倉儲煙葉箱芯溫度的變化規律及影響因素分析出發，研究界定正常煙葉箱芯溫度特征范圍并建立預測模型，以期為完善煙葉養護數字化管理模式提供參考。

1 材料與方法

1.1 材料和儀器

試驗材料為上海煙草集團有限責任公司2015年采購加工的武夷丘陵生態區（上部、中部、下部）、黃淮平原生態區（上部、中部、下部）、西南高原生態區中部和東北平原生態區中部共計8個代表性等級復烤片煙各4箱。

272-A屋型干濕球溫度計（上海華辰醫用儀表有限公司生產）；LY-CWT測溫桿（浙江省臺州市昊溢倉儲設備公司生產）；FED115 熱風循環烘箱（德國Binder公司生產）。

1.2 方法

將上述32箱煙葉按單等級四層高形式拼垛置于安徽鳳陽門臺磚墻結構倉庫4樓，煙垛旁懸掛272-A屋型干濕球溫度計，煙箱全部配置LY-CWT測溫桿。

2016年8月—2020年3月，每工作日上、下午兩次定時檢測倉間溫度、相對濕度；每年4—10月每周2～3次檢測箱芯溫度，每年11—次年3月每周檢測1次；每年5月、10月打開煙箱對煙葉顏色、水分、蟲害、霉變等情況進行檢驗。必要時，抽取煙葉樣品采用烘箱法進行水分檢測。

1.3 數據處理

試驗數據采用SPSS 26.0和Microsoft Excel 2013進行統計分析與建模。其中每日倉間溫度、相對濕度以上、下午兩次均值計，每日箱芯溫度以所有煙箱均值計，對于各指標單日缺失數據采用線性插值方法補充。

2 結果分析

2.1 煙葉箱芯溫度均值變化情況

基于倉間溫度、倉間相對濕度、箱芯溫度的單日數據計算月度均值（圖1），可見：倉間相對濕度月度均值范圍為49.3%～70.4%，未表現出明顯規律；倉間溫度和箱芯溫度均呈現近似余弦函數的季節性變化規律，倉間溫度月度均值范圍為5.6℃～34.4℃，煙葉箱芯溫度月度均值范圍為6.9℃～35.9℃，總體上每年6—9月箱芯溫度高于25℃，8月為最高值，每年12—次年3月箱芯溫度低于15℃，2月為最低值。

圖1同時顯示，箱芯溫度變化稍滯后于倉間溫度，其中2018年倉間溫度、箱芯溫度之間存在較明顯差異，這是因為年初同倉庫非試驗煙葉出倉至年底新煙轉入期間，倉間門未完全關閉且未進行通風排濕等處置工作，導致倉間溫濕度變化較其他年份更為急劇。

圖1 倉間溫度、相對濕度和箱芯溫度的月度均值

進一步計算煙葉箱芯溫度與倉間溫度的單日差值并統計不同范圍分布比例（表1），可見：正常情況下，在每年3—6月升溫階段，箱芯溫度總體低于倉間溫度，此階段出現箱溫高于倉溫2℃的概率極低；在每年8—次年1月降溫階段，箱芯溫度總體高于倉間溫度，但溫差超過4℃的情況僅在2018年少量出現。每年2、7月是箱芯溫度與倉間溫度發生高低關系轉換的臨界點。

表1 箱芯溫度與倉間溫度差異統計情況

Tab.1 Statistical result of difference between carton temperature and warehouse temperature

另一方面，計算煙葉箱芯溫度的日變化速率，可見試驗過程中箱溫單日變化量絕對值均未超過1℃/d，在3—7月內95%左右的升溫速率不超過0.5℃/d，在8月開始降溫至9、10月仍偶有箱芯溫度回升情況。

表2 箱芯溫度日變化速率統計情況

Tab.2 Statistical result of daily change rate of carton temperature

2.2 煙葉箱芯溫度均勻性情況

依據32個煙箱每天實測原始箱芯溫度計算單日內箱間溫度極差（表3），可見：最大極差值為2.6℃，超過2℃的總體占比僅為1.0%，不超過1.5℃的總體占比為91.5%。另統計表明，平均箱溫越高，箱間溫差越大，平均箱溫30℃時的箱間溫度極差均值超過1℃（附表1（見http://ycxb.tobacco.org.cn/news/video/ 4801d2a0-6b01-4ba0-bd83-c4a8b1bc012e.htm，后面的附表和附圖同））。

表3 箱芯溫度單日極差統計情況

Tab.3 Statistical result of daily range of carton temperature

為分析箱間溫差成因，首先統計不同層高煙葉箱芯溫度的月度均值（表4），可見：四層煙箱箱芯溫度極差全年均值為0.30℃；每年9月—次年2月，頂層煙箱溫度最低或次低，底層煙箱溫度相對較高，箱溫極差均值在0.20℃左右；每年3—8月，頂層煙箱溫度最高，底層和次底層溫度相對較低，其中4—5月箱溫極差均值超過0.50℃。即頂層煙箱溫度受環境影響大，底層煙箱溫度變化慢。

表4 不同層高煙葉箱芯溫度

Tab.4 Carton temperature at different height ℃

注：同列數據后的不同小寫字母表示差異顯著（＜0.05）。

Note: Different lowercase letters in the same column indicate significant differences (< 0.05).

統計比較了不同等級煙葉箱芯溫度的月度均值（附表2），結果顯示：8個等級煙葉箱芯溫度極差全年均值為0.35℃，其中9月份箱溫極差均值最大，達到0.50℃；2月份箱溫極差均值最小，為0.22℃。但未見明顯的等級特征規律。

總體來看，隨季節變化，層高間箱芯溫度極差值變幅較大，而煙葉等級間箱芯溫度極差值則相對平穩（附圖1）。3～6月升溫階段，倉間上層熱空氣不易向下對流，垂直方向溫差明顯，且此時煙箱與倉間溫差較大（表1），因而表現為層高間箱芯溫度差異大于煙葉等級間差異；每年8～次年1月降溫階段，倉間上層冷空氣易向下對流，且煙箱與倉間溫差減小，此時表現為煙葉等級間箱芯溫度差異大于層高間差異。

2.3 煙葉箱芯溫度預測模型

由上可知，煙葉箱芯溫度受倉間狀況、煙箱位置、煙葉等級等多方面因素影響，相比使用固定統一的臨界閾值來進行煙葉質量狀態預警，建立煙葉箱芯溫度預測模型并以預測值作為動態基準來識別異常則更為合理。同時應用預測模型能夠提前預判煙垛箱溫發展趨勢，較實測后再處置更為及時且有針對性。

利用2016年8月9日—2019年8月8日期間倉間溫度（T0）、倉間相對濕度（H0）、倉溫單日變化量（T△）數據，通過逐步線性回歸建立煙葉箱芯溫度（日均值）預測模型，X0= -3.274 + 0.954×T0+ 0.071×H0- 1.804×T△（<0.01，2=0.951）。模型預測集平均絕對偏差為1.54℃，偏差在1℃以內比例僅43.3%，平均相對偏差為9.5%；其中2018年因倉間溫濕度處于非控制狀態，模型預測偏差更大。以2019年8月9日—2020年3月25日數據驗證模型預測效果，預測值平均絕對偏差為1.10℃，偏差在1℃以內的比例僅50.4%，平均相對偏差為7.2%。

表5 箱芯溫度線性回歸預測模型效果

Tab.5 Linear regression prediction model of carton temperature

鑒于箱芯溫度表現出的季節性變化規律和強自相關性，考慮應用時間序列分析法建立預測模型。經ADF檢驗和Ljung-Box檢驗表明，2016年8月9日—2019年8月8日的逐日箱芯溫度數據屬于平穩的非白噪聲序列（附表3、附表4）。在SPSS 26.0軟件中采用專家建模器建立箱芯溫度時間序列模型為ARIMA（1, 2, 2）（0, 0, 0）。由于數據僅覆蓋3個完整周期，模型中沒有體現出季節性變動成分，而是進行了二階差分處理，但其平穩2值為0.681、正態化BIC值為-5.671，建模集最大絕對偏差僅為0.25℃、最大相對偏差僅為2.00%，因此可認為模型擬合度較好。另Ljung-Box Q(18)檢驗表明殘差符合隨機序列分布，模型可靠性較高（附表5、附表6）。

表6 箱芯溫度時間序列模型效果

Tab.6 Time series prediction model of carton temperature

但時間序列模型偏差會隨著預測周期的延長而累積變大，以2019年7月12日—2019年9月5日為例，含建模集、驗證集各4個星期，對上述兩個模型預測特征及效果進行比較。由圖2可見，線性回歸模型預測偏差呈現無序波動情況，此部分驗證集偏差稍大于建模集偏差，最大絕對偏差為1.56℃；時間序列模型在建模集范圍至驗證集第四天8月12日絕對偏差均小于0.05℃，第7 d 8月15日為0.37℃，第14 d 8月22日時已達到0.89℃，此后預測偏差超過線性回歸模型。因此，使用時間序列模型可以比較準確地預測未來1周箱芯溫度發展趨勢，但建議每周至少進行1次箱芯溫度檢測，用以校準模型。

圖2 不同預測模型絕對偏差比較

3 討論

目前關于煙葉存儲過程箱芯溫度變化規律的研究較少，本研究在安徽鳳陽門臺倉庫進行的跟蹤試驗表明，倉間溫度與箱芯溫度呈現趨勢一致的周期性變化，但箱芯溫度稍有滯后，這與楊佳玫[9]等在貴州地區開展的試驗結果一致，其研究同時表明機械調控養護方式也遵循此規律。

一般將箱芯溫度＞35℃作為煙葉質量風險預警的依據[3,5]。本研究試驗期間箱芯溫度日均值連續超過35℃共出現3次，分別為2016年8月9日—8月30日（合計22 d）、2017年7月26日—8月12日（合計18 d）、2018年8月9日—8月19日（合計11 d），但除煙葉顏色正常的醇化加深外，未發現碳化或霉變跡象，這是因為同期煙葉水分平均值分別為11.63%、11.97%、12.05%，未達到另一劣變必要條件——煙葉水分≥15%[4-5]。

YC/T 300《片煙貯存養護自然醇化法》中要求箱芯溫度與倉間溫度之差不應高于4℃[7]。本研究全過程中箱溫-倉溫差超過4℃的占比為2.6%，主要為2018年倉間溫濕度未調控狀態下發生。因此，標準要求范圍具有較好的適用性。而將箱芯溫度與倉間溫度之差作為煙葉質量風險預警依據時，則宜制定分段判定規則以提高精準度，如以倉間溫度20℃作為煙葉醇化反應加快的臨界點[10]，則在升溫時節，箱芯溫度通常不高于倉間溫度2℃；在降溫時節，箱芯溫度通常不高于倉間溫度4℃。

顧銘等[3]發現正常煙葉箱芯溫度每日變化幅度僅0.1℃～0.3℃，而霉變煙葉箱溫單日上升幅度達1.0℃～1.5℃，因此將單日箱溫升幅＞1.0℃作為霉變報警依據。與此類似，本研究中出現箱芯溫度增大的有579 d，單日箱溫升幅平均值為0.156℃，超過0.5℃的占比為1.9%，最大為1.0℃。因此，可考慮將正常煙葉箱芯溫度單日升幅監控上限設置為0.5℃，以提高預警靈敏度。

羅麗瓊等[4]認為箱溫不均勻也是煙葉霉變風險評估的一項考慮因素，但沒有明確具體數值范圍。本研究中2行×4列×4高的32箱煙垛每日箱芯溫度極差最大為2.6℃，超過2℃的總體占比僅為1.0%；頂層煙箱比底層煙箱溫度變化幅度大，是高溫時段箱間溫差的主要原因，當箱芯溫度超過30℃時箱溫極差均值可達1.0℃以上。這與董向華等[8]在天津倉庫4月—5月期間對8行×8列×4高的256箱煙垛箱溫分析結果一致，此外其研究同時發現，除層高差異外，還會表現出煙垛中心箱溫略高于四周，相鄰煙箱的傳感器溫度相差在0.5℃左右，不同位置箱溫的差值介于0.1℃～5.5℃?？梢姡軣煻庖幠Ｓ绊?，難以制定出明確的垛內箱溫不均勻度評價標準用于煙葉質量風險診斷。

賓俊[11]利用倉間積溫、箱外溫度、箱內溫度、醇化天數建立了箱內積溫預測模型，而未見關于箱芯溫度檢測值的預測研究。本研究發現可采用時間序列分析方法建立較為精準、穩健性強的箱溫預測模型，用作質量預警的參考標的，這比傳統固定的臨界閾值判定方法更為靈活?？紤]到垛內不同位置箱溫存在差異，更為有效的方法即參考糧堆立體溫度場研究方法[12-14]，通過與濕度場的動態耦合分析實現發熱、結露、霉變等異常狀況的預測預警[15-17]。目前煙草行業僅見關于儲葉、儲絲過程物料堆溫度場的研究[18-19]，尚未見醇化倉庫溫度場研究。

需說明的是，本研究僅是基于在安徽鳳陽地區單一倉庫試驗的分析結果，且僅是基于正常煙葉的概率統計而缺少異常情況的反向驗證。另由于國內煙葉倉庫分布區域廣泛[7]，倉庫結構及調控設施差異大，前述的異常判定規則及預測模型的通用性還需做進一步的擴大驗證。

4 結論

本研究通過對8個典型等級復烤片煙箱芯溫度連續44個月的監測分析，基本明晰了倉儲過程煙葉箱芯溫度的變化規律和影響因素，為完善基于箱芯溫度的風險預警機制提供了參考。主要結論如下：

（1）箱芯溫度隨倉間溫度呈現近似余弦函數的季節性變化規律，只要水分受控，箱芯溫度稍高于35℃一段時間，煙葉也不會碳化或霉變。

（2）通常情況下，箱芯溫度升溫速率不超過0.5℃/d；升溫時節，箱芯溫度不高于倉間溫度2℃；降溫時節，箱芯溫度不高于倉間溫度4℃。

（3）環境溫度升高，同一煙垛箱間溫度極差會變大，煙箱位置是產生箱溫差異的主要原因，但難以把箱溫不均勻作為風險預警依據。

（4）基于當前倉間溫度、相對濕度和倉溫單日變化量建立了煙葉箱芯溫度線性回歸預測模型，預測集平均絕對偏差為1.10℃；而基于歷史箱溫數據所建立的時間序列預測模型，未來一周內預測結果最大絕對偏差0.37℃，模型預測準確性和穩健性優于前者。應用該模型有望實現更為精準、及時的煙葉醇化質量風險預警。

[1] YC/T 475—2013，煙草及煙草制品霉變控制指南[S].

YC/T 475-2013, Tobacco and tobacco products—Molding control guide[S].

[2] 羅云，陳曉偉，陳斌，等. 原煙儲存中煙垛內部溫度與煙葉霉變的關系研究[J]. 昆明學院學報，2019,41(06):7-11.

LUO Yun, CHEN Xiaowei, CHEN Bin, et al. Research on relationship between inner temperature of tobacco stack and tobacco leaf molding[J]. Journal of Kunming University, 2019, 41(06):7-11.

[3] 顧銘，常勇. 煙葉倉庫溫濕度監控系統報警條件設置[J]. 河南農業，2016(14):74-75.

GU Ming, CHANG Yong. Tobacco warehouse temperature and humidity monitoring system alarm condition setting[J]. Agriculture of Henan, 2016(14):74-75.

[4] 羅麗瓊，夏玉珍，張天順，等. 儲煙霉變原因及其防控技術研究進展[J]. 貴州農業科學，2015,43(08):118-121.

LUO Liqiong, XIA Yuzhen, ZHANG Tianshun, et al. Research progress in moldy cause and control technology in stored tobacco[J]. Guizhou Agricultural Sciences, 2015,43(08):118-121.

[5] 孔祥，易百靈. 初探成品片煙碳化現象形成原因[J]. 農業與技術，2017, 37(11):43-44+57.

KONG Xiang, YI Bailing. A preliminary study on the causes of carbonization of tobacco strips[J]. Agriculture and Technology, 2017, 37(11): 43-44+57.

[6] 樂承星，賴蘭鳳，沈祿恒，等. 煙葉原料智能倉儲綜合管理平臺的構建[J]. 福建電腦，2021,37(02):116-117.

LE Chengxing, LAI Lanfeng, SHEN Luheng, et al. The construction of integrated management platform of intelligent warehouse for tobacco raw[J]. Journal of Fujian Computer, 2021,37(02):116-117.

[7] YC/T 300—2018，片煙貯存養護自然醇化法[S].

YC/T 300-2018, Storage and conservation of strips—Natural mellowing method [S].

[8] 董向華，張軍，李德倫，等. 煙葉垛位箱溫檢測點設置不同比例下差異分析[J]. 北京農業，2015(30):154-155.

DONG Xianghua, ZHANG Jun, Li Delun, et al. Difference analysis of different ratios of temperature detection points in tobacco stacks[J]. Beijing Agriculture, 2015(30):154-155.

[9] 楊佳玫，曾經緯，黃立兵，等. 煙葉倉儲環境下溫濕度的相關性及差異性分析[J]. 南方農機，2020,51(04):60-61.

YANG Jiamei, ZENG Jingwei, HUANG Libing, et al. Correlation and difference analysis of temperature and humidity in tobacco storage environment[J]. China Southern Agricultural Machinery, 2020,51(04):60-61.

[10] 張鑫，湯朝起，楊凱，等. 復烤片煙醇化過程耗氧規律及其影響因素分析[J]. 中國煙草科學，2021,42(01):86-91.

ZHANG Xin, TANG Zhaoqi, YANG Kai, et al. Analysis of oxygen consumption and influencing factors of redried flue-cured tobacco strips during aging[J]. Chinese Tobacco Science, 2021, 42(01): 86-91.

[11] 賓俊. 廣義灰色體系和無損分析技術在煙葉生產加工過程中的應用[D]. 湖南農業大學，2017.

BIN Jun. Application of generalized grey system and nondestructive analysis technology in tobacco production and processing[D]. Hunan Agricultural University, 2017.

[12] 羅偉，李志. 基于監測數據的糧倉溫度場數值仿真[J]. 安徽農業科學，2009,37(32):16130-16131+16141.

LUO Wei, LI Zhi. Numerical simulation of thermal field in grain store based on monitoring data[J]. Journal of Anhui Agricultural Science, 2009,37(32):16130-16131+16141.

[13] 梁醒培，吳銳，趙玉霞，等. 平房倉儲藏小麥糧堆溫度場的數學模擬[J]. 糧油食品科技，2010,18(05):1-2+6.

LIANG Xingpei, WU Rui, ZHAO Yuxia, et al. Mathematical simulation of stored wheat temperature in large warehouse[J]. Science and Technology of Cereals, Oils and Foods, 2010, 18(05): 1-2+6.

[14] 尹君，吳子丹，吳曉明，等. 基于溫濕度場耦合的糧堆離散測點溫度場重現分析[J]. 中國糧油學報，2014,29(12):95-101.

YIN Jun, WU Zidan, WU Xiaoming, et al. Analysis of temperature field recurrence in discrete points of grain heap based on coupling of temperature and humidity fields[J]. Journal of the Chinese Cereals and Oils Association, 2014, 29(12): 95-101.

[15] 張忠杰，尹君，吳曉明，等. 糧情云圖動態分析軟件系統研發與應用[J]. 糧油食品科技，2020,28(01):94-99.

ZHANG Zhongjie, YIN Jun, WU Xiaoming, et al. Development and application of software system for dynamic analysis of grain condition cloud map[J]. Science and Technology of Cereals, Oils and Foods, 2020,28(01):94-99.

[16] 王小萌，吳文福，尹君，等. 基于溫濕度場云圖的小麥糧堆霉變與溫濕度耦合分析[J]. 農業工程學報，2018,34(10):260-266.

WANG Xiaomeng, WU Wenfu, YIN Jun, et al. Analysis of wheat bulk mold and temperature-humidity coupling based on temperature and humidity field cloud map[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(10): 260-266.

[17] 王水寒，李瑞敏，張洪清，等. 基于溫濕度場云圖的稻谷糧堆狀態和結露風險分析[J]. 糧油食品科技，2021,29(04):219-225.

WANG Shuihan, LI Ruimin, ZHANG Hongqing, et al. Analysis of storage state and condensation risk of paddy pile based on temperature and humidity field cloud map[J]. Science and Technology of Cereals, Oils and Foods, 2021, 29(4): 219-225.

[18] 趙亮，常紀恒，王宏生. 基于Luikov理論的煙絲貯絲過程熱濕特性研究[J]. 鄭州輕工業學院學報（自然科學版），2011, 26(02): 36-40.

ZHAO Liang, CHANG Jiheng, WANG Hongsheng. Study on the heat and moisture transfer of cut tobacco base on Luikov theory in storing processing[J]. Journal of Zhengzhou University of Light Industry (Natural Science), 2011,26(02):36-40.

[19] 呂寧，張家慧，董文濤，等. 基于有限差分法的儲葉柜溫度場數值模擬分析[J]. 中國煙草學報，2015,21(01):13-17.

LV Ning, ZHANG Jiahui, DONG Wentao, et al. Numerical simulation analysis of temperature field in leaf silo based on finite difference method[J]. Acta Tabacaria Sinica, 2015,21(1): 13-17.

Study on variation characteristics, forecasting and early warning of inner temperature of tobacco leaves carton during storage- taking tobacco maintenance in Fengyang of Anhui province as example

ZHANG Xin1, WANG Suhong2, XU Weijie1, LI Qiang3, YANG Kai1*

1 Technical Center, Shanghai Tobacco Group Co., Ltd., Shanghai 201315, China;2 Huahuan International Tobacco Co., Ltd., Chuzhou 233121, China;3 Store & Transport Corp of Shanghai Tobacco Group Co., Ltd., Shanghai 200439, China

[Objective] This study aims to explore the application of carton temperature in the early warning of quality risk of stored tobacco leaves, and to achieve a more refined and personalized conservation. [Methods] The carton temperatures of 8 representative redried strips were tracked and monitored for 44 months in Mentai warehouse, Anhui. The dynamic characteristics of carton temperature as well as the differences resulted from carton positions and tobacco leaf grades were analyzed, and a carton temperature prediction model was constructed. [Results] (1) Tobacco carton temperature showed a seasonal variation law of approximate cosine function, with peaks and troughs appearing in August and February of each year, respectively. (2) The carton temperature was lower than the warehouses during the warming period and the heating rate was generally not more than 0.5℃/d, while the carton temperature was higher than the warehouses during the cooling period but the temperature difference did not exceed 4℃. (3) The height of the carton was the main reason accounting for the temperature difference among cartons during the warming process. (4) The accuracy and applicability of the carton temperature prediction model established by time series analysis were better than those of the multiple linear regression model. The maximum absolute deviation of the prediction results in the coming week was only 0.37℃. [Conclusion] Tobacco carton temperature is significantly affected by storage environment and spatial location, and a more accurate risk early warning mechanism can be developed based on statistical laws and prediction models.

tobacco leaf; storage; inner temperature of tobacco leaves carton (carton temperature); variation; prediction; early warning

Corresponding author. Email：yangk@sh.tobacco.com.cn

上海煙草集團有限責任公司科研項目“煙葉原料異地同質化養護技術研究”（K2016-1-018Z）

張鑫（1986—），碩士，工程師，主要研究方向：煙草原料質量分析，Tel：021-61661175，Email：331028335@qq.com

楊凱（1982—），Email：yangk@sh.tobacco.com.cn

2022-04-18；

2023-07-04

張鑫，王蘇紅，徐瑋杰，等. 倉儲煙葉箱芯溫度變化規律及預測預警研究——以安徽鳳陽地區片煙養護為例[J]. 中國煙草學報，2023，29（5）. ZHANG Xin，WANG Suhong，XU Weijie, et al. Study on variation characteristics, forecasting and early warning of inner temperature of tobacco leaves carton during storage- taking tobacco maintenance in Fengyang of Anhui province as example[J]. Acta Tabacaria Sinica, 2023, 29（5）. doi:10.16472/j.chinatobacco.2022.074