2012全国大学生数学建模竞赛.docVIP

实验报告 实验名称： 院 系 部: 专业班级： 学生姓名： 学 号: 指导教师： /整体评价”外，其它评价忽略个人的喜好、感情等主观因素。只考虑评酒能力。 假设通过网络查询的文献资料真实可靠。 假设显著性分析时，评酒员的评分是符合正态分布的。 5、假设葡萄酒的质量不考虑制作工艺水平。 符号说明 符号 意义 备注 综合评价中的对象 综合评价中的指标 经过一致化处理后的指标 第种指标的标准差 第种指标的权重 第种指标的综合评分 模型建立 问题一、 1-1有无显著性差异分析 对于问题一，我们利用MATLAB中双样本Kolmogorov-Smirnov检验方法判断两组评酒员的评价结果是否有显著性差异。 我们将两组人员的评价结果分为白葡萄酒和红葡萄酒两部分分别进行检验。下面我们以红葡萄酒为例： 我们注意到，每个酒样本的总分都是100分，并分成四个小项目“外观分析”，“香气分析”，“口感分析”，“平衡/整体分析”。同时在每一组中都有10名评酒员进行评分。分别将10名评酒员的总分算出，并得到该小组对每个样品的评分的平均值。 将两个小组对红葡萄酒每个样品评分的平均值作为两个样本，提出零假设： 零假设：样本1和样本2无显著性差异。 由MATLAB得到： 为小概率，表示接受原假设的概率很小，故拒绝零假设，即样本1和样本2有显著性差异。 同理，对白葡萄酒同样由MATLAB得到： 可以看出在对白葡萄酒的评价中，两个小组仍然具有显著性差异。 1-2可信度分析 在可信度问题中，因为两个评价组评价的的样品都是一样的，即红葡萄酒1至27样品，白葡萄酒1至28样品，所以影响可信度的因素是评价员的品酒水平。 一般来说，评价员的水平都较高时，对同一种酒的评价结果是接近的，即方差会较小。所以，将两个小组对各种葡萄酒评分的的方差算出，并统计为下图。 由上图可以看出，第二组的方差相对第一组较小。所以，第二组的评价员的整体品酒水平更高一些，即可信度更高。 问题二、 在问题二中，对酿酒葡萄的分级是从两个方面综合评价的，分别是葡萄的理化指标和这种品种的葡萄所酿酒的质量。 首先，通过查阅资料，确定葡萄品质和葡萄酒质量的主要理化指标，由此将葡萄品质及这种葡萄对应葡萄酒进行分级（等级越高，品质越好），为了便于计算，将等级分为十个等级。然后建立坐标系，将葡萄品质等级作为横轴，葡萄酒等级作为纵轴，将各种葡萄作为一个点反应在该坐标轴上。而后从经济利润的角度对酿酒葡萄进行分级。 2-1 葡萄品质等级划分 针对葡萄理化指标较多的问题，我们采用综合评价法对葡萄品质等级进行划分。但是即便使用综合评价法，对多达五十多种指标进行评价也是不现实的。出于时间和模型更加简单易操作考虑，我们通过查阅资料并结合附录一评分标准，只选取其中以下几种最重要的指标，对这几种指标进行评价就可以基本评定葡萄的品质。 评分项目 影响指标 外观15 果皮颜色 香气30 乙酸乙酯 己酸乙酯 口感44 总酸 单宁 可溶性固形物 固酸比 因为对葡萄品质等级评价最终是为了对酿酒葡萄进行分级，而果皮颜色主要影响因素是葡萄皮中的花色苷，所以对外观的影响指标应该用花色苷代替。 以红葡萄为例建立评价模型 、确定被评价对象 该问题中的评价对象即为红葡萄的27种样品，记为。 、建立评价体系 评价指标类型的一致化处理 由于影响葡萄等级的七种指标中可能包含有“极大型指标”，“极小型指标”，“中间型指标”，“区间型指标”。所以在处理数据前要把各种指标都化成“极大型指标”。 极小型指标：通过变换，可以将x极大化。 中间型指标：通过变换 可以将x极大化（M和m分别是x可能取值的最大值和最小值）。 区间型指标：通过变换 可以将x极大化（是x的最佳稳定区间，，M和m分别是x取值的最大值和最小值）。 评价指标的标准化处理 由于评价指标之间存在不同的单位和数量级，所以在数据处理前要进行指标数据的标准化处理。 利用标准差方法，令得到的标准观测值。 具体使用MATLAB中的zscore()函数对各评价指标样本进行标准化处理。 、确定各指标的权重 通过参考附件一中品酒员的评分标准，我们确定各评价项目的权重，列为下表： 评分项目 评分标准 权重 外观 15 香气 30 口感 44 所以，各评价指标权重为 评价 指标 花色苷 乙酸 乙酯 己酸 乙酯 总酸 单宁 可溶性固形物 固酸比 权重 、建立模型 我们选用线性加权函数作为评价模型，对27种对象进行综合评价。第i种红葡萄样品的综合得分为。最终得到27种红葡萄