全国数学建模葡萄酒的评价汇编.docVIP

葡萄酒的评价 摘要 本文针对题目中的问题，运用系统建模及计算机仿真，解决葡萄酒的评价问题。 问题（1）中，首先运用正态概率纸发对葡萄酒得分进行分布检验，在葡萄酒得分分布具有正态性的条件下，建立双因素重复实验方差模型，结果显示二组品酒员打分具有显著性差异；然后采用双因素无重复实验方差分析对二组品酒员打分进行可信度评定，评定认为第一组品酒员对红葡萄酒的打分更可信，第二组品酒员对白葡萄酒的打分更可信。 问题（2）中，首先对酿酒葡萄理化指标建立主成分分析模型，提取白葡萄酒酿酒葡萄的11个主成分和红葡萄酒酿酒葡萄的9个主成分；然后将主成分结合对应葡萄酒的质量，建立基于最邻近规则的酿酒葡萄试探聚类模型，最佳聚类数目利用统计量来确定；最后根据酿酒葡萄的聚类情况，计算各类酿酒葡萄对应葡萄酒的质量，并依此建立酿酒葡萄的分级模型。 问题（3）中，首先对酿酒葡萄和葡萄酒理化指标数据进行直接正交处理，消除数据在采集过程中所产生噪声的影响；然后建立葡萄酒和酿酒葡萄理化指标之间的偏最小二乘回归模型，求解出葡萄酒理化指标与酿酒葡萄理化指标的多元线性关系；最后通过分析葡萄酒和酿酒葡萄理化指标标准数据的相关系数和葡萄酒理化指标的预测图定性讨论回归方程的效果。 问题（4）中，运用典型相关分析方法，通过比较酿酒葡萄和葡萄酒理化指标、感官指标与葡萄酒质量的相关系数，得到酿酒葡萄和葡萄酒的理化指标影响葡萄酒的质量这一结论。 关键词：显著性检验 主成分分析 试探聚类 偏最小二乘回归 问题重述与分析 1.1问题重述 确定葡萄酒质量时一般是通过聘请有资质的评酒员进行品评。每个评酒员在对葡萄酒进行品尝后对其分类指标打分，然后求和得到其总分，从而确定葡萄酒的质量。酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系，葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量。附件1给出了某一年份一些葡萄酒的评价结果，附件2和附件3分别给出了该年份这些葡萄酒的和酿酒葡萄的成分数据。请尝试建立数学模型讨论下列问题： 1. 分析附件1中两组评酒员的评价结果有无显著性差异，哪一组结果更可信？ 2. 根据酿酒葡萄的理化指标和葡萄酒的质量对这些酿酒葡萄进行分级。 3. 分析酿酒葡萄与葡萄酒的理化指标之间的联系。 4．分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并论证能否用葡萄 和葡萄酒的理化指标来评价葡萄酒的质量？ 1.2问题分析 问题一对二组品酒员打分进行显著性检验，需要确定葡萄酒得分分布形式，本文采用最常见的正态性检验对葡萄酒得分进行分布拟合，所用方法为正态概率纸法，然后建立双因素重复实验方差模型对评酒员显著性差异进行检验。 问题二要求根据酿酒葡萄的理化指标和葡萄酒的质量对这些酿酒葡萄进行分级，酿酒葡萄的理化指标多达三十多项，显然将所有理化指标都用以酿酒葡萄分级中是不合适的，因此首先对酿酒葡萄的理化指标进行主成分提取，本文采用主成分分析实现这一过程。综合所提取的酿酒葡萄理化指标主成分和葡萄酒质量数据，对酿酒葡萄进行聚类以分级，聚类采用试探法，所以据的原则是最邻近规则。 问题三中分析酿酒葡萄与葡萄酒的理化指标之间的联系，为了减小酿酒葡萄和葡萄酒理化指标数据采集过程中所产生噪声的影响，采用直接正交信号校正（DOSC）对数据进行预处理，利用偏最小二乘回归（PLS）对处理后的数据建立多元线性回归模型。 问题四中运用典型相关分析方法，通过比较酿酒葡萄和葡萄酒理化指标、感官指标与葡萄酒质量的相关系数，得到酿酒葡萄和葡萄酒的理化指标与葡萄酒的质量之间的关系。 模型假设 题中所涉及葡萄酒加工工艺、酿造方法相同； 各品酒员在打分时相互独立，不受其他品酒员的影响。 模型建立与求解 3.1 评酒员显著性差异的双因素重复实验方差分析 实验的评价指标定为10项小指标之和。问题一首先需判断两组评酒员的评价结果有无显著性差异，依据此问题假设每组评酒员的感官尺度与评酒水平大致相同，即每组10个评酒员对相同酒样的评分可近似看为在该组条件下对该酒样进行了10次独立重复评分。在这种假设下，引起评价指标不同的因素可归为两个：一是样品种类不同，二是评酒员组别不同。因而判断两组评酒员的评价结果有无显著性差异，可建立双因素重复实验方差模型进行求解。 应用方差分析模型的数据须满足三个条件：（1）每一个变量均服从正态分布； （2）每一个变量方差相同（方差齐性）；（3）从变量中抽取的样本相互独立。 3.1.1基于正态概率纸法的葡萄酒得分分布拟合检验 在分析两组评酒员的评价结果有无显著性差异时，用葡萄酒得分的样本数据来检验总体的分布形式，本文对评价结果进行最常见的总体分布正态性检验，所采取的方法为正态概率纸法。概率纸检验法可以很快的判断变量是否属于正态分布，而且能够粗略判断变量的数字特征。 首先计算每