基于灰色关联度法评价不同产地炒酸枣仁质量

　　

基于灰色关联度法评价不同产地炒酸枣仁质量

毕天琛^1，2*，杨国宁¹，王静¹，李怀伟¹，王劲¹

（1.菏泽市食品药品检验检测研究院，山东 菏泽 274000；2.青岛科技大学 化工学院，山东 青岛 266000）

摘要：目的：依据灰色关联度分析方法评价不同产地炒酸枣仁质量。方法：收集28批次不同产地炒酸枣仁样品，设定4个评价指标，包括水分、总灰分、酸枣仁皂苷A和斯皮诺素，采用灰色关联度法，以相对关联度为评价测度，建立炒酸枣仁质量评价模型。结果：应用该方法建立了炒酸枣仁的质量评价模型，对28批次样品进行客观评价，得到各评价单元相对关联度为0.281～0.530，其中第2、3、6号样品质量排在前3，说明该样品产区的炒酸枣仁质量相对较好。结论：该评价模型为炒酸枣仁的综合质量评价提供了参考。

关键词：炒酸枣仁；灰色关联度法；质量评价

中图分类号： 文献标识码： 文章编号：

Quality Evaluation of Parched Ziziphi Spinosae Semen from Different Habitats Based on Grey Incidence Degree Method

Bi Tianchen^1，2*,Yang Guoning¹,Wang Jing¹,Li Huaiwei¹,Wang Jin¹

(1 Heze Institute for Food and Drug Control,Heze 274000,China; 2 College of chemical engineering,Qingdao University of Science and Technology,Qingdao 266000,China)

Abstract:Objective:To evaluate the quality of parched Ziziphi Spinosae Semen.Methods:28 samples of parched Ziziphi Spinosae Semen from different habitats were collected to determine the content of four main compositions.Then the quality evaluation models were set up by using grey incidence degree method.Results:The parched Ziziphi Spinosae Semen quality evaluation model was established, and an objective evaluation of the 28 samples was conducted.The results showed that the relative correlation degree of all evaluation unit sequences was between 0.281～0.530. Among them, batches 2,3 and 6 ranked top three in the quality, indicating that the samples produced in these areas had better quality.Conclusion:The quality evaluation model provide a new method for comprehensive quality evaluation of parched Ziziphi Spinosae Semen.

Key words:parched Ziziphi Spinosae Semen;quality evaluation;grey incidence degree method

酸枣仁为鼠李科植物酸枣Ziziphus jujuba Mill. var. spinosa (Bunge) Hu ex H. F. Chou的干燥成熟种子。秋季冬初采收成熟果实，除去果肉和核壳，收集种子，晒干^[1]。分布于我国西北、东北、华北及南方一些地区，主产于河北、陕西、山东等地^[2,3]。具有养心补肝，宁心安神，敛汗，生津的功效，用于虚烦不眠，惊悸多梦，体虚多汗，津伤口渴^[1]。据报道，酸枣仁中含有皂苷类、黄酮类、生物碱类、脂肪酸类等成分，具有镇静催眠、抗焦虑抗抑郁、抗惊厥、保护心肌细胞、抗心律失常和降低血压等现代药理活性^[3,4]。

灰色关联分析基本思想是依据灰色系统理论建立的分析方法，根据曲线间相似程度来判断因素间的关联程度。灰色关联分析通过计算关联系数、关联度以及根据关联度的大小对待评指标进行排序，给予系统发展变化趋势量化的测量。灰色关联分析对样本容量和数据规律性要求较低，能充分利用现有数据，简单、客观进行综合评价，对于存在不确定性知识的灰色系统进行分析具有优越性能^[5,6]。

本研究以从市场收集到的28批次不同产地炒酸枣仁为研究对象，通过测定水分、总灰分、酸枣仁皂苷A和斯皮诺素四个因素百分含量，以灰色关联度分析方法中相对关联度为测度，建立炒酸枣仁质量评价的灰色关联分析模型，对不同产地样品进行质量排序，为炒酸枣仁质量系统评价提供参考。

1 仪器与材料

1.1 仪器

安捷伦1260高效液相色谱仪（美国Agilent公司）；XS105十万分之一电子天平（瑞士METTLER TOLEDO公司）；AB104-S万分之一电子天平（瑞士METTLER TOLEDO公司）；BF51732BC马弗炉（美国Thermo Fisher Scientific公司）；WGL-125B电热鼓风干燥箱（天津市泰斯特仪器有限公司）；Milli-Q Advantage A10超纯水仪（默克密理博公司）。

1.2 材料

酸枣仁皂苷A对照品（批号：110734-201914，含量96.0%）、斯皮诺素对照品（批号：111869-201704，含量97.2%）均购自中国食品药品检定研究院；甲醇、乙腈（色谱纯）均购自德国默克公司。

28批次炒酸枣仁均从山东省16个地市流通领域收集，来源信息见表1。

表1 28批次炒酸枣仁的样品信息

Tab.1 Sample information of 28 batches of parched Ziziphi Spinosae Semen

样品编号	批号	产地
S1	190201	山东
S2	20200402	山东
S3	2002002	山东
S4	1809076	河北
S5	20200428	河北
S6	191101	山东
S7	C4141912001	河北
S8	191201	山西
S9	191201	河北
S10	20022502	河北
S11	191202	山东
S12	190701	陕西
S13	200402	河北
S14	1810002	河北
S15	191227008	山东
S16	200301	山西
S17	C4142005001	山东
S18	200701	河北
S19	2002063	陕西
S20	190606045	山东
S21	200401	山东
S22	20200501	山东
S23	20011201	山西
S24	2005001	陕西
S25	2005001	山东
S26	2004001	山东
S27	200501	河北
S28	200402	陕西

2 方法

2.1 炒酸枣仁各指标成分测定

水分和总灰分检查分别参考《中国药典》2020年版四部通则0832第二法烘干法、2302总灰分测定法测定。酸枣仁皂苷A和斯皮诺素分别按照《中国药典》2020年版一部酸枣仁项下方法进行测定。

2.2 炒酸枣仁质量灰色关联分析方法

2.2.1 选择参考序列

从质量评价角度分析，酸枣仁皂苷A 和斯皮诺素含量越高质量越好，水分和总灰分越低质量越好^[7,8]。为统一标准，将水分和总灰分两指标取倒数转换。设每个样品有b项评价指标，共有a个样品，及组成评价单元序列{Y_cd}（c=1、2……a；d=1、2……b；本实验中a=28，b=4）。其中最优参考序列为{Y_ed}，即{Y_ed}=max{1≤c≤a}{Y_cd}（d=1、2……b；b=4），最差参考序列为{Y_fd}，即{Y_fd}=min{1≤c≤a}{Y_cd}（k=1、2……b；b=4）^[9,10]。

2.2.2 处理原始数据

由于各评价指标之间数据差异较大，须将原始数据进行规格化处理^[10]使数据数量级一致，便于计算比较。规格化处理采用公式（a）^[10]。

Z_cd= （a）

Z_cd为规格化处理后的数据，Y_cd为原始数据，Y_d为第a个样品第b项指标的均值。

2.2.3 计算关联系数

相对于最优参考序列的关联系数计算采用公式（b）^[10]。

（b）

其中；；μ为分辨系数，本实验μ=0.5。

相对于最差参考序列的关联系数计算采用公式（c）^[10]。

（c）

其中；；μ为分辨系数，本实验μ=0.5。

2.2.4 关联度的计算

相对于最优参考序列和最差参考序列的关联度计算分别采用公式（d）和（e）^[10]：

（d）

（e）

2.2.5 相对关联度的计算

λ值越大，表明评价单元序列与参考序列相关度越高，两者具有基本一致的变化趋势，λ_c(e)越大，说明评价单元序列与最优参考序列有相同的发展趋势，λ_c(f)越大，则说明与最差参考序列有较一致的发展趋势。所以理想的评价单元相对于最优参考序列的关联度λ_c(e)越大，同时相对于最差参考序列的关联度λ_c(f)越小。定义评价单元序列{Y_cd}相对于最优参考序列{Y_ed}和最差参考序列{Y_fd}的相对关联度见公式（f）^[10]。

(c=1、2……b) （f）

根据相对关联度评价单元进行排序，可以得到优劣评价结果^[12]。

3 结果

3.1 建立样品数据集

测定收集的不同产地28批次炒酸枣仁样品水分、总灰分、酸枣仁皂苷A和斯皮诺素4个指标含量，建立评价炒酸枣仁质量的灰色模式识别数据集。结果见表2。

表2 不同批次样品中4种指标（%）

Tab.2 4 indicators in different batches of samples

样品编号	水分	总灰分	酸枣仁皂苷A	斯皮诺素
S1	5.500	2.900	0.077	0.128
S2	6.000	3.000	0.140	0.275
S3	5.600	3.200	0.132	0.236
S4	5.900	1.900	0.114	0.127
S5	5.200	1.700	0.097	0.108
S6	5.500	1.400	0.108	0.131
S7	5.800	2.500	0.106	0.140
S8	5.900	2.300	0.111	0.107
S9	5.600	3.000	0.125	0.146
S10	4.700	2.900	0.119	0.114
S11	5.900	3.200	0.120	0.116
S12	5.200	3.100	0.093	0.107
S13	5.300	3.400	0.108	0.115
S14	5.100	2.100	0.120	0.110
S15	5.100	2.600	0.103	0.114
S16	5.700	3.100	0.092	0.104
S17	4.700	3.000	0.106	0.108
S18	6.100	3.400	0.090	0.107
S19	6.000	2.500	0.091	0.099
S20	6.000	2.000	0.100	0.110
S21	5.900	2.600	0.108	0.114
S22	5.500	2.900	0.090	0.104
S23	6.100	1.900	0.094	0.110
S24	5.800	2.600	0.103	0.115
S25	6.100	2.900	0.118	0.108
S26	5.300	2.800	0.111	0.095
S27	6.000	2.800	0.114	0.105
S28	6.000	2.500	0.089	0.101

3.2 规格化处理数据

将原始数据集按公式（a）进行规格化处理，结果见表3。

表3 原始数据规格化

Tab.3 Normalization of raw data

样品编号	水分	总灰分	酸枣仁皂苷A	斯皮诺素
S1	1.017	0.873	0.726	1.041
S2	0.933	0.843	1.321	2.236
S3	1.000	0.792	1.245	1.919
S4	0.944	1.332	1.075	1.033
S5	1.073	1.489	0.915	0.878
S6	1.017	1.808	1.019	1.065
S7	0.961	1.013	1.000	1.138
S8	0.944	1.101	1.047	0.870
S9	1.000	0.843	1.179	1.187
S10	1.190	0.873	1.123	0.927
S11	0.944	0.792	1.132	0.943
S12	1.073	0.818	0.877	0.870
S13	1.056	0.744	1.019	0.935
S14	1.095	1.205	1.132	0.894
S15	1.095	0.975	0.972	0.927
S16	0.978	0.818	0.868	0.846
S17	1.190	0.843	1.000	0.878
S18	0.916	0.744	0.849	0.870
S19	0.933	1.013	0.858	0.805
S20	0.933	1.266	0.943	0.894
S21	0.944	0.975	1.019	0.927
S22	1.017	0.873	0.849	0.846
S23	0.916	1.332	0.887	0.894
S24	0.961	0.975	0.972	0.935
S25	0.916	0.873	1.113	0.878
S26	1.056	0.904	1.047	0.772
S27	0.933	0.904	1.075	0.854
S28	0.933	1.013	0.840	0.821
最优	1.190	1.808	1.321	2.236
最差	0.916	0.744	0.726	0.772

3.3 计算关联系数与关联度

根据公式（b）和公式（c）分别计算各评价单元相对于最优参考序列、最差参考序列的关联系数，结果见表4、表5。

表4 评价单元序列相对最优参考序列差值

Tab.4 The difference between evaluation unit sequence and the optimal reference sequence

编号	水分	总灰分	酸枣仁皂苷A	斯皮诺素
S1	0.442	0.363	0.333	0.380
S2	0.348	0.355	1.000	1.000
S3	0.419	0.344	0.797	0.698
S4	0.358	0.528	0.547	0.378
S5	0.539	0.625	0.423	0.350
S6	0.442	1.000	0.496	0.385
S7	0.374	0.401	0.481	0.400
S8	0.358	0.429	0.521	0.349
S9	0.419	0.355	0.677	0.411
S10	1.000	0.363	0.600	0.359
S11	0.358	0.344	0.612	0.361
S12	0.539	0.350	0.401	0.349
S13	0.506	0.333	0.496	0.360
S14	0.591	0.469	0.612	0.353
S15	0.591	0.390	0.460	0.359
S16	0.393	0.350	0.396	0.345
S17	1.000	0.355	0.481	0.350
S18	0.333	0.333	0.387	0.349
S19	0.348	0.401	0.391	0.338
S20	0.348	0.495	0.440	0.353
S21	0.358	0.390	0.496	0.359
S22	0.442	0.363	0.387	0.345
S23	0.333	0.528	0.407	0.353
S24	0.374	0.390	0.460	0.360
S25	0.333	0.363	0.589	0.350
S26	0.506	0.370	0.521	0.333
S27	0.348	0.370	0.547	0.346
S28	0.348	0.401	0.382	0.341

表5 评价单元序列相对最差参考序列差值

Tab.5 The difference between evaluation unit sequence and the worst reference sequence

编号	水分	总灰分	酸枣仁皂苷A	斯皮诺素
S1	0.576	0.805	1.000	0.731
S2	0.890	0.843	0.333	0.333
S3	0.620	0.917	0.364	0.390
S4	0.830	0.475	0.460	0.737
S5	0.466	0.417	0.612	0.874
S6	0.576	0.333	0.504	0.714
S7	0.753	0.664	0.521	0.667
S8	0.830	0.598	0.481	0.882
S9	0.620	0.843	0.396	0.638
S10	0.333	0.805	0.428	0.825
S11	0.830	0.917	0.423	0.811
S12	0.466	0.878	0.663	0.882
S13	0.495	1.000	0.504	0.818
S14	0.434	0.536	0.423	0.857
S15	0.434	0.697	0.547	0.825
S16	0.688	0.878	0.677	0.908
S17	0.333	0.843	0.521	0.874
S18	1.000	1.000	0.707	0.882
S19	0.890	0.664	0.693	0.957
S20	0.890	0.505	0.578	0.857
S21	0.830	0.697	0.504	0.825
S22	0.576	0.805	0.707	0.908
S23	1.000	0.475	0.649	0.857
S24	0.753	0.697	0.547	0.818
S25	1.000	0.805	0.435	0.874
S26	0.495	0.769	0.481	1.000
S27	0.890	0.769	0.460	0.899
S28	0.890	0.664	0.723	0.937

3.4 计算相对关联度

根据公式（d）和公式（e）计算各样品相对于最优参考序列和最差参考序列关联度，根据公式（f）计算相对关联度，确定质量排序，结果见表6。

表6 不同批次样品关联度、相对关联度及质量排序

Tab.6 Correlation degree and relative correlation,and the ranking order of different batches of samples

样品编号	相对于最优参考序列关联度	相对于最差参考序列关联度	相对关联度	质量排序
S1	0.380	0.778	0.328	24
S2	0.676	0.600	0.530	1
S3	0.565	0.573	0.496	3
S4	0.453	0.626	0.420	9
S5	0.484	0.592	0.450	7
S6	0.581	0.532	0.522	2
S7	0.414	0.651	0.389	11
S8	0.414	0.698	0.372	14
S9	0.466	0.624	0.428	8
S10	0.581	0.598	0.493	4
S11	0.419	0.745	0.360	19
S12	0.410	0.722	0.362	16
S13	0.424	0.704	0.376	13
S14	0.506	0.563	0.473	5
S15	0.450	0.626	0.418	10
S16	0.371	0.788	0.320	25
S17	0.547	0.643	0.460	6
S18	0.351	0.897	0.281	28
S19	0.370	0.801	0.316	26
S20	0.409	0.708	0.366	15
S21	0.401	0.714	0.360	18
S22	0.384	0.749	0.339	23
S23	0.405	0.745	0.352	20
S24	0.396	0.704	0.360	17
S25	0.409	0.779	0.344	22
S26	0.433	0.686	0.387	12
S27	0.403	0.755	0.348	21
S28	0.368	0.804	0.314	27

4 讨论

为了全面系统评价炒酸枣仁质量，本研究基于炒酸枣仁水分、总灰分、酸枣仁皂苷A和斯皮诺素4个指标，以灰色关联度分析方法中相对关联度为测度，构建评价炒酸枣仁质量的灰色关联度分析模型，对不同产地来源的样品进行质量评价，以反映不同产地炒酸枣仁的质量差异。

本研究对收集的28批次样品进行评价，从表6可以看出，依据相对关联度对炒酸枣仁样品进行质量排序后，各评价单元序列的相对关联度在0.281～0.530，不同地区之间质量存在差异，其中2、3、6号样品质量排在前3，说明山东地区炒酸枣仁品质相对较优。但是相同地区炒酸枣仁质量排名并不集中，说明相同地区炒酸枣仁质量差异较大。

灰色关联度法是一种多因素统计分析方法，它是以各因素的样本数据为依据，采用关联度描述各因素之间关系的强弱，样本数据反映出的两因素变化态势越一致，则关联度越大^[12]；反之，越小。灰色关联度法对数据容量和概率分布无严格要求，只需少量的原始数据，相对简单的数学运算，即可去寻找整个体系的规律性^{[9, 13]}。本研究设定义的相对关联度为测度，构建对炒酸枣仁质量综合评价的模型，方法准确、简便、实用，为炒酸枣仁质量评价提供参考方法。

参考文献

[1] 中国药典[S].2020年版.一部.2020：382-384.

[2] 吴立明.酸枣仁本草及功用考证[J].中药材，2005，28（5）：432-434.

[3] 耿欣，李廷利.酸枣仁主要化学成分及药理作用研究进展[J].中医药学报，2016，44（5）： 84-86.

[4] 陈雯，黄世敬.酸枣仁化学成分及药理作用研究进展[J].时珍国医国药，2011，22（7）：395-402.

[5] 乔歌.基于灰色关联度模型的动物药材质量评价模式研究（Ⅱ）[D].沈阳：辽宁中医药大学：2009.

[6] 关树光，韩曦英，宋美薇，等.吉林省不同产地关黄柏药材质量的灰色关联度法综合评价[J].药物分析杂志，2018，38（7）：1275-1279.

[7] 周苏娟，麦小梅，赵斌，等.TOPSIS与灰色关联度分析在不同产地炒茺蔚子质量评价中的应用[J], .中国实验方剂学杂志，2015，21（15）:40-43.

[8] 孙振阳，张景珍，王思雨，等.基于灰色关联度法评价西红花饮片质量[J].中成药，2019，41（10）：2430-2434.

[9] 任琦，刘良玉，付辉政，等.灰色关联度法评价麸炒白术质量[J].中国现代中药，2020，22（5）：767-771.

[10] 李硕，王文全，侯俊玲，等.基于灰色关联度法评价商品防风药材质量[J].北京中医药大学学报，2015，38（4）：247-252.

[11] 吴忠，苏薇薇，何新新，等.中药连翘质量的灰色模式识别研究[J].中药材，2010，23（9）：536-538.

[12] 张睿.灰色关联分析与主成分分析综合评价不同产地柴胡质量[J].中国药师，2017，20（8）：1356-1359.

[13] 龚雨虹，罗光明，张风波，等.基于灰色关联度法评价栀子药材质量[J].中国实验方剂学杂志，2017，23（13）：74-79.

订阅方式：
①在线订阅（推荐）：www.sdchem.net.cn
②邮局订阅：邮发代号24-109

投稿方式：
①在线投稿（推荐）：www.sdchem.net.cn
　　作者只需要简单注册获得用户名和密码后，就可随时进行投稿、查稿，全程跟踪稿件的发表过程，使您的论文发表更加方便、快捷、透明、高效。
②邮箱投稿：sdhgtg@163.com sdhg@sdchem.net
　　若“在线投稿”不成功，可使用邮箱投稿，投稿邮件主题：第一作者名字/稿件题目。
投稿时请注意以下事项：
　　①文前应有中英文“题目”、“作者姓名”、“单位”、“邮编”、“摘要”、“关键词”；
　　②作者简介包括：姓名、出生年、性别、民族、籍贯或出生地、工作单位、职务或职称、学位、研究方向；
　　③论文末应附“参考文献”，执行国标GB/T7714-2005标准，“参考文献”序号应与论文中出现的顺序相符；
　　④注明作者的联系方式，包括电话、E-mail、详细的通讯地址、邮编，以便联系并邮寄杂志。
　　 　                                                                                   山东化工稿件修改细则