基于GA系统多元回归与BP神经网络的葡萄酒评价体系.docVIP

2013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《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛 赛区评阅编号（由赛区组委会评阅前进行编号）： 12013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）： 基于GA系统、多元回归与BP神经网络的葡萄酒评价体系 摘要 葡萄酒评价涉及到多种指标，通常以品酒员评分作为观测值，其主观性较强。因此，分析酿酒葡萄和葡萄酒的主要理化指标，探究其之间的关联性，并找出理化指标与葡萄酒品质之间的关系，建立理化指标—葡萄酒品质的模型，从而以客观的理化指标来评价葡萄酒品质，避免了品酒员主观判断。 本文采用GA灰色系统理论[1]、主成分分析、多元线性回归与BP神经网络[]等方法，解决了下列四个问题: 问题一，采用灰假设检验，逐一分析两组品酒员每一评价指标的差异性，再结合指标权重，对葡萄酒总体的差异性予以评价。其具有无需分析原数据分布态，结合分项权重分析数据总体差异性的优点。对于数据可信度的判断，采用灰色可信度方法，逐一分析每一品酒员在每一样品中与平均值的灰色关联度，之后综合同组中所有品酒员的灰色关联度，得到该组的灰色可信度。数值越大说明越可信。结果表明，总体情况下两组评酒员在红葡萄酒的评价中无显著差异，在白葡萄酒中存有显著差异，两组评酒员在红、白两种葡萄酒的评价中均为第二组的更可信。 问题二，采用主成分分析法，将酿酒葡萄的理化指标降维，结合葡萄酒评价指标，建立酿酒葡萄评价模型，并用灰色关联分析和信息熵法分别分析酿酒葡萄理化指标和葡萄酒评价指标的权重，最后利用基于三角白化权灰色聚类模型，对葡萄酒按优、良、中、差、劣分为5类。 问题三，先对酿酒葡萄和葡萄酒的芳香物质进行筛选，并采用主成分分析法，将酿酒葡萄和葡萄酒的理化指标、芳香物质指标降维。以葡萄酒理化指标和芳香物质指标的主成分与酿酒葡萄理化指标和芳香物质指标的主成分进行多元线性回归，分析其之间的联系。 问题四，结合问题三中酿酒葡萄与葡萄酒理化指标的主成分，采用BP神经网络，以理化指标为输入层，葡萄酒评分的总分为输出层，用20组样品进行训练，并对剩余样品进行预测。分析预测值与实际值之间的偏差，从而分析利用酿酒葡萄与葡萄酒理化指标来评价葡萄酒品质的可行性。BP神经网络利用酿酒葡萄与葡萄酒理化指标来评价葡萄酒品质可GA灰色系统理论 主成分分析 多元线性回归BP神经网络 1问题重述 确定葡萄酒质量时一般是通过聘请一批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。附件给出了葡萄酒的评价结果，以及这些葡萄酒的和酿酒葡萄的成分数据。要求讨论下列问题，并建立数学模型： 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？ 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。 分析酿酒葡萄与葡萄酒的理化指标之间的联系。 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？ 2理论简介 2.1灰色系统理论简介 灰色系统理论是由邓聚龙教授创立的，该理论主要以不确定性系统为研究对象，通过计算系统与系统数据之间或系统内部数据之间的灰色关联度，对系统进行分析、建模、预测和决策。灰色系统理论广泛应用与对不确定性系统的关联分析、权重分析、聚类分析和回归分析，其在分析过程无需判断原数据的分布规律，具有稳定性强、信息利用率高等优点。 2.2 BP神经网络简介 人工神经网络，是一种在生物神经网络的启示下建立的数据处理模型，其核心是通过调整神经元之间的权值，来对输入的数据进行建模。BP神经网络是人工神经网络的精华，其通过增加多个隐含层的网络，实现了多层神经网络的自我学习，被广泛的用于分类识别、逼近、回归、预测等领域，具有学习性强，误差小，处理线性问题能力强等特点。 3模型假设 2.1模型假设 葡萄酒品质只与酿酒葡萄品质有关，不考虑酿造过程中环境、技术的影响。 不考虑理化二级指标。 所有指标与葡萄的评级呈正相关。 评酒员评分客观独立，互不影响，也不受其他样品酒的影响。 2.3符号定义 对于文中的常用数学符号进行规定，如表1所示（注：文中具体公式通常以红葡萄酒为例，未出现符号会在对应公式中予以说明）： 表1符号定义表 符号