葡萄酒的评价..docVIP

葡萄酒的评价 摘 要 葡萄酒的评价问题是制酒行业需面对的重要问题，合理的解决评酒员对葡萄酒进行品质鉴定时出现的问题对其至关重要。本文分别建立了方差模型、主成分分析模型、多元线性回归模型，解决了组间差异性、葡萄的分级、葡萄与酒的指标间的联系和理化指标对酒质量的影响四个问题，为葡萄酒的评价提出了一套科学的葡萄酒评价体系。 针对问题一，先对给定数据进行分析，剔除评分不完整或出错的数据。然后对剩余数据进行加和取平均处理，得到各个评酒员对于酒样的总评分与每组平均分。接着，建立单因素方差分析模型，用Matlab软件处理，求得红白葡萄酒样品的返回值，得出两组评酒员在红葡萄酒的打分上无显著性差异，在白葡萄酒的打分上有显著差异。最后建立方差分析模型，对每一组评酒员的评分方差用Matlab软件求和，得出第二组方差较小，结果更可信。 针对问题二，由于给定的葡萄理化指标太多，我们采用主成分分析法来确定主成分，降低维度。然后用 min-max 标准化方法对原始数据进行处理，得到标准总分值。通过计算可以得到红葡萄的综合得分 Y1红和红葡萄酒质量指标值Y2红，将二者按7∶3的比重计算加权可以得到总分Y。最后按照分数段对葡萄进行分级。 针对问题三，我们以葡萄的理化指标的主因子为因变量，以葡萄酒理化指标的主因子自变量，建立多元线性回归方程模型。然后由回归系数表中的系数大小得出酿酒葡萄中的各物质与葡萄酒中的各物质呈线性相关。 针对问题四，我们将问题合理转化为酒的理化指标对酒的得分的影响。为了看二者的关系，我们对理化分数与葡萄酒的理化指标进行了相关性分析，建立了以酒的理化指标为自变量，酒的理化得分为因变量的多元线性回归方程。回带理化指标后，将得到的分数除以其比重0.6，得到新的总分，将其与原总分做拟合，二者趋势相同，但拟合度很低，说明理化指标对酒质量有影响，但不能只用理化指标来评价葡萄酒的质量 本文所用模型先对错误数据进行了剔除，使结果更可信，并运用了主成分分析法，降低了维度，使模型的求解变得简单。 关键字：单因素方差分析；方差分析；min-max 标准化；多元线性回归 1.问题重述 葡萄酒的质量通过一些有资质的评酒员品评来确定的。每个评酒员要先对样品葡萄酒进行品尝，再对各类指标打分，然后求和得总分，最后确定葡萄酒的质量。 葡萄酒的质量与酿酒葡萄的好坏有直接关系，酒和葡萄检测的理化指标在一定程度上反映酒和葡萄的质量。 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。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，哪组结果更可信？ 2. 根据葡萄的理化指标和酒的质量对葡萄进行分级。 3. 分析葡萄与酒的理化指标之间的联系。 4．分析葡萄和酒的理化指标对酒质量的影响，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. 2.基本假设 1.假设呈给评酒员的酒样品没有出错，品酒过程中无突发事件发生； 2.假设酿酒工艺和贮存条件等对葡萄酒质量及理化指标无影响； 3.假设酿酒葡萄和葡萄酒的理化指标和芳香物质在一定时间内不发生改变； 3.通用符号说明 序号 符号 符号的意义 1 anova1命令的返回值 2 第一组10位评委对红酒样品的总评分 3 第二组10位评委对红酒样品的总评分 4 第一组每位评酒员的评分方差 5 第二组每位评酒员的评分方差 6 红葡萄的综合得分 7 红葡萄酒质量指标值 4.问题一的模型建立与求解 4.1问题分析 由于所给数据存在错误，我们需要剔除出给定数据中明显错误的数据，以真实地反映出两组评酒员的差异及可信度问题。由于数据量较大，我们需要通过求各组评酒员对于酒样品的总评对数据进行整合、简化。 对于两组评酒员的评价结果有无显著性差异的问题，因为影响因素只有组数，我们拟建立单因素方差分析[1]模型，打算用Matlab软件中的anova1命令来处理此均衡数据，得到返回值p，来评价两组评酒员的评分有无显著性差异。 对于哪组结果更可信问题，要通过组内成员的打分在均值周围的波动情况判断，所以我们拟建立方差分析[1]模型，通过编写Matlab程序来解决。通过计算一、二组对红、白葡萄酒样品评分的方差和，比较得出方差和小的那一组结果更可信。 4.2数据处理 首先，附件1的第一组红葡萄酒品尝评分表中，4号评酒员对20号酒样品的色调未作评价，所以我们将此20号酒样品的色调数据剔除出去。附件1的第一组白葡萄酒品尝评分表中，6号评酒员对3号酒样持久性打分超过满分，9号评酒员对8号酒样持久性打分超过满分，所以剔除数据。 然后求出第一组中每个评酒员对每个红葡萄酒样品的评分总和，将每个评酒员的评分总和相加，再取平均值，这样就得到了评酒