葡萄酒模糊建模.docVIP

2.模糊综合评价模型的建立 2.1评价论域的确定和权重向量的选择 本文规定因素集为 ，其中表示第行的指标（）；评价集为，其中表示第级别的评价结果（，即共有个级别）；对于各因素间权数分配的结果为权重集，即，其中，且。 权重集是评语集合各指标在总体感官质量上所占比重的集合，非常重要，它在很大程度上影响着最终的评判结果。本实验采用特尔菲法确定权重，邀请6位资深葡萄酒品评专家，根据各因素对红葡萄酒感官质量影响的重要程度进行打分，打分结果离散度低，在此基础 上确定各因素的权重值。 根据以上原理，结合所给定的葡萄酒的相关数据以及最新的葡萄酒国家标准（GB15037－2006），设计的红葡萄酒感官品评标准如表1所示。 表1 红葡萄酒感官品评标准表 项目及权重 等级 外观分析 (0.15) 澄清度(0.05) (优，优良，合格，不合格，劣质) 色调(0.10) (优，优良，合格，不合格，劣质) 香气分析(0.30) 纯正度(0.06) (优，优良，合格，不合格，劣质) 浓度(0.18) (优，优良，合格，不合格，劣质) 质量(0.16) (优，优良，合格，不合格，劣质) 口感分析 (0.44) 纯正度(0.06) (优，优良，合格，不合格，劣质) 浓度(0.08) (优，优良，合格，不合格，劣质) 持久度(0.08) (优，优良，合格，不合格，劣质) 质量(0.22) (优，优良，合格，不合格，劣质) 平衡/整体评价(0.11) (优，优良，合格，不合格，劣质) 其中，因素集，评价集，权重集。 设第个因素的单因素评价为，它可以看作是上的模糊子集，表示第个因素的评价对于第个隶属等级的隶属度，于是得到个因素的总评价矩阵为： 。 2.2模糊综合评价的模型建立 模糊综合评价原理基于模糊变换，模糊合成算子是进行模糊变换的工具和手段，更是建立模糊综合评价模型的关键。常用的模糊合成算子有以下几种：(∧，∨)算子、( · ，∨)算子、(∧，+· )算子和( · ，+· )算子。有人对4个算子做了一些比较如表2所示。 表2 模糊合成算子的比较表 比较 内容 算子 (∧，∨) ( · ，∨) (∧，+· ) ( · ，+· ) 体现全数作用 不明显 明显 不明显 明显 综合程度 弱 弱 强 强 利用的信息 不充分 不充分 比较充分 充分 类型 诸因素决定型 突出型 不均衡平均型 加权平均型 由表2可以看出，对综合评价而言，(∧，+· )是较为适合的算子。本研究是多因素多层次的对3种红葡萄酒进行评价并排序，故采用(∧，+· )算子来建立模糊综合评价模型。 对于多因素多层次模糊矩阵的复合运算，可以建立模型： 。 3.问题的结果 3.1隶属度函数建立 根据干红葡萄酒的感官质量指标内容，设定了2个评价域：因素集和评价集，从到的一个模糊映射构成评判矩阵，在权重集为加权数时，则综合评判结果集为： 3.2评价矩阵的建立 实验研究中，我们选取了10位经验丰富的干红葡萄酒品评专家组成品评小组，参照最新的葡萄酒国家标准GB15037－2006，对6种不同档次的酒样按表1的标准进行感官品评。整理品评人员的评价结果，统计每个项目指标认可人数，汇总结果如表4所示。 酒 序 列 评判 指标 外观分析 0.15 香气分析 0.30 口感分析 0.44 平衡/整体评价 0.11 澄清度0.05 色 调0.10 纯正度0.06 浓 度0.08 质 量0.16 纯正度0.06 浓 度0.08 持久度0.08 质 量0.22 酒 样 品 25 优 1 2 1 3 1 1 1 1 1 优良 8 4 5 4 3 5 3 8 及格 1 5 8 3 2 3 3 1 不及格 4 4 6 1 5 劣质 1 1 酒 样 品 27 优 1 1 3 2 1 4 3 3 4 优良 6 4 3 3 3 2 4 5 2 及格 2 4 3 5 7 2 4 4 不及格 1 1 3 4 2 3 劣质 1 酒 样 品 7 优 1 1 3 4 3 3 3 3 优良 8 2 3 1 4 3 4 3 及格 1 5 3 4 4 5 3 2 4 不及格 3 3 3 1 1 4 5 劣质 由表4得各待评价样品的模糊关系矩阵分别为：， ， 。 3.3模糊评价模型的结果 处理模糊综合评价结果的常用方法有：最大隶属度原则、秩加权平均原则和模糊向量单值化方法。本研究采用秩加权平均原则：将等级看作一种相对位置，使其连续化。为定量理，不妨用名次“1，2，3，...，”依次表示各等级，并称其为各等级的秩(本文中1代表优、2代表优良、3代表合格、4代表不合格、5代表劣质)。用中对应分量将各等级的秩加权求和，得到被评事物名次的相对位置，即秩加权平均原则，可表示为： 所以，可以得到： ， ， 。 、、都在3和4之间，所以样酒的口感协调性都在及格