2015数学建模全一等奖.docVIP

2012高教社杯全国大学生数学建模竞赛 承 诺 书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）： 参赛队员 (打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人 (打印并签名)： 日期： 2012 年 09月 10 日 赛区评阅编号（由赛区组委会评阅前进行编号）： 2012高教社杯全国大学生数学建模竞赛 编 号 专 用 页 赛区评阅编号（由赛区组委会评阅前进行编号）： 赛区评阅记录（可供赛区评阅时使用）： 评 阅 人 评 分 备 注 全国统一编号（由赛区组委会送交全国前编号）： 全国评阅编号（由全国组委会评阅前进行编号）： 2012高教社杯全国大学生数学建模竞赛 题目 葡萄酒的评价 摘要 葡萄酒是人们日常生活中的常用饮品，本文对葡萄酒的评价做了较为详尽的分析和研究。 对于问题一：数据是成对的，即对同一酒样品打出两组分数。我们利用参数检验中的独立样本t检验[1]来检验两序列均值差异是否显著。在显著性水平0.05下，对于红葡萄酒：酒样本2、11、12、13、16、23两组评酒员打分差异显著，整体上差异不显著。白葡萄酒：样本5、27两组评酒员打分差异显著，整体上差异不显著。同时我们又利用逐对比较法[2]，用单样本t检验来进行显著性检验。红葡萄酒的评分数据中有16组数据无显著性差异；白葡萄酒的评分数据中有24组数据无显著性差异。 接下来计算两组打分结果均值的置信区间[2]，区间长度越短，结果越可信。计算表明第二组绝大部分得分置信区间长度小于第一组，所以整体上第二组得分更可信。 对于问题二：利用SPSS[3]进行主成分分析对酿酒葡萄理化指标数据进行降维、分类，并用聚类分析加以检验，证实主成分分析结果合理。我们在所得到的主成分中挑选能够反映主成分的代表理化指标[5]并与葡萄酒得分一起作为聚类变量，运用k-means聚类方法[1]将红、白葡萄各聚成5类。葡萄酒的质量在一定程度上反映了对应葡萄的质量，分级结果具体结果见表13,14. 对于问题三，我们建立典型相关分析模型分析酿酒葡萄与葡萄酒理化指标间的一些定性关系。为了更精确地描述指标间联系，又建立了多元线性逐步回归模型[6]，给出了红葡萄酒各理化指标关于红葡萄指标的定量关系，根据残差分析去除了一部分坏点使得改善，达到较好的回归效果。与典型相关分析比较，结果相符，说明两指标间联系分析比较可靠。对于白葡萄未得到较好的多元线性回归方程，说明白葡萄和白葡萄酒两理化指标间存在复杂非线性关系。 对于问题四：先利用问题三中的典型相关分析，得到了部分酿酒葡萄、葡萄酒理化指标对葡萄酒质量的定性影响。同时建立BP神经网络模型，以酿酒葡萄、葡萄酒理化指标为输入节点，葡萄酒质量得分为输出节点，训练网络函数。迭代多次后达到预设目标。以红葡萄酒为例，酒样本1-20作为样本训练，21-27来检测网络的预测效果，相对误差如下： 样本编号 21 22 23 24 25 26 27 实际得分 72.2 71.6