全国大学生数学建模竞赛-葡萄酒的综合评价.doc

PAGE2

葡萄酒的综合评价

摘要

本文围绕影响葡萄酒质量的相关指标，建立数学评价模型，对葡萄酒进行综合评价。

对于问题一，首先要分析两组结果是否有显著性差异，首先依据matlab中的normplot函数绘图，判定两组评价结果服从正态分布，且适用t-检验:双样本等方差假设。利用excel求出概率p值，使之与设定的显著性水平比较，得出结论为：白葡萄酒的两组评价结果差异性较显著，红葡萄酒的则无显著性差异。

其次，要确定哪组结果更可信，引入准确度和稳定性分析。准确度通过熵值法对附件三中的芳香物质指标进行综合评价确定葡萄酒香气排名作为标准，再选出附件一中两组评酒员对香气的打分得到香气排名与之相比的偏差得到。稳定性利用方差分析得到。综合二者分析，第二组数据均优于第一组。所以第二组数据的可信度更高。

对于问题二，先用SPSS19.0软件对酿酒葡萄的理化指标进行降维进行主成分分析，从而确定各理化指标的权重，得到其综合得分。而葡萄酒的质量则利用第一问中可信度更高的第二组数据进行处理，得出各葡萄酒质量的评价得分。再将以上两类指标的得分通过BP神经网络模型进行训练学习，实现酿酒葡萄的五级划分。红葡萄分级结果如下：{A级（2,3,9,23），B级（5,14,17,19,20,21），C级（4,13,16,22,24,26），D级（1,8,10,12,25），E级（6,7,11,15,18）};白葡萄分级结果如下：{A级（5,15,27），B级（9,10,23,24,25,28），C级（3,6,14,17,18,20,21,22），D级（1,2,4,7,12,13,19,26），E级（8,11,16）}。

对于问题三，先利用BP神经网络对酿酒葡萄和葡萄酒的理化指标定性判断得到两者有很大联系。再通过SPSS软件的相关分析确定所有理化指标间的相关性。对结果进行提炼后，相关性较明显的为（部分）：葡萄酒中的单宁与VC含量、PH值等正相关，与L*负相关；酒总黄酮与花色苷、PH值、出汁率正相关；L*与单宁负相关。详细结果见附录二。

对于问题四，首先要研究酿酒葡萄和葡萄酒理化指标对葡萄酒质量的影响，首先搜索资料确定酿酒葡萄和葡萄酒理化指标对葡萄酒质量的影响方式，再通过熵值法确定其影响权重。

其次，为了验证是否能用理化指标来评价葡萄酒的质量，则通过由理化指标计算出来的葡萄酒质量排名与题中评酒员打分得到的排名进行偏差比较，得出结论为：能用理化指标来评价葡萄酒的质量。

关键字：t-检验熵值法BP神经网络SPSS19.0软件主成分分析

一、问题重述

1.1问题的背景

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。

1.2问题的提出

1.2.1问题一的提出

问题一经过提炼，可以分为以下两个问题：

问题1.1分析附件1中两组评价结果有无显著性差异。

问题1.2分析附件1中两组评酒员的评价结果，哪一组结果更可信。

1.2.2问题二的提出

问题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。

1.2.3问题三的提出

问题3分析酿酒葡萄与葡萄酒的理化指标之间的联系。

1.2.4问题四的提出

问题四经过提炼，可以分为以下两个问题：

问题4.1分析酿酒葡萄和葡萄酒的理化指标其对葡萄酒质量的影响。

问题4.2论证能否用酿酒葡萄和葡萄酒的理化指标来评价葡萄酒的质量。

二、问题分析

2.1问题一的分析

对于问题1.1，首先，依据题意设定显著性水平值。对结果进行判断是否符合正态分布，再通过excel分别对两组葡萄酒的评价结果进行显著性分析，得到概率值。将值与设定的显著性水平进行比较，即可得到两组评价结果的显著性水平的结论。

对于问题1.2，要分析两组结果的可信度，也就是需要分析两组结果的准确度和稳定性。判断两组数据的准确度，先通过熵值法对附件三中的芳香物质指标进行综合评价确定葡萄酒香气排名，再由两组评酒员对香气打分得到的排名与之相比的偏差得到。，稳定性利用方差进行分析。综合准确度和稳定性，确定哪组数据更为可信。

2.2问题二的分析

对于问题2，酿酒葡萄的理化指标数据繁多且有一级、二级指标，可以先采用主成分分析法对归一化后的理化指标进行降维处理，求得酿酒葡萄理化指标的综合得分。葡萄酒的质量利用第一问结论中可信度高的一组数据进行处理，得出质量的评价得分。再将以上两类指标的得分通过BP神经网络进行训练，实现酿酒葡萄的分级。

2.3问题三的分析

对于问题3，先将数据进行归一化处理，在此基础上考量