最新2022年全國大學生數(shù)學建模優(yōu)秀論文B

1、最新2022年全國大學生數(shù)學建模優(yōu)秀論文Bof accountability, redress of orders and prohibitions. Strengthening the honesty and self-discipline of leading cadres honesty in politics and education work, enhance leaders ability to resistPAGE of accountability, redress of orders and prohibitions. Strengthening the honesty a

2、nd self-discipline of leading cadres honesty in politics and education work, enhance leaders ability to resistof accountability, redress of orders and prohibitions. Strengthening the honesty and self-discipline of leading cadres honesty in politics and education work, enhance leaders ability to resi

3、st第 PAGE 1頁，共 NUMPAGES 32頁2022高教社杯全國大學生數(shù)學建模競賽承 諾 書我們仔細閱讀了中國大學生數(shù)學建模競賽的競賽規(guī)那么.我們完全明白，在競賽開始后參賽隊員不能以任何方式包括 、電子郵件、網(wǎng)上咨詢等與隊外的任何人包括指導教師研究、討論與賽題有關(guān)的問題。我們知道，抄襲別人的成果是違反競賽規(guī)那么的, 如果引用別人的成果或其他公開的資料包括網(wǎng)上查到的資料，必須按照規(guī)定的參考文獻的表述方式在正文引用處和參考文獻中明確列出。我們鄭重承諾，嚴格遵守競賽規(guī)那么，以保證競賽的公正、公平性。如有違反競賽規(guī)那么的行為，我們將受到嚴肅處理。我們授權(quán)全國大學生數(shù)學建模競賽組委會，可將我們的

4、論文以任何形式進行公開展示包括進行網(wǎng)上公示，在書籍、期刊和其他媒體進行正式或非正式發(fā)表等。我們參賽選擇的題號是從A/B/C/D中選擇一項填寫： A 我們的參賽報名號為如果賽區(qū)設(shè)置報名號的話： S46027 所屬學校請?zhí)顚懲暾娜?鄭州輕工業(yè)學院 參賽隊員 (打印并簽名) ：1. 任 靜 2. 李 棟 3. 毛新梅 指導教師或指導教師組負責人 (打印并簽名)： 指導教師組 日期： 2012 年 9 月 10 日賽區(qū)評閱編號由賽區(qū)組委會評閱前進行編號：2022高教社杯全國大學生數(shù)學建模競賽編 號 專 用 頁賽區(qū)評閱編號由賽區(qū)組委會評閱前進行編號：賽區(qū)評閱記錄可供賽區(qū)評閱時使用：評閱人評分備注全

5、國統(tǒng)一編號由賽區(qū)組委會送交全國前編號：全國評閱編號由全國組委會評閱前進行編號：PAGE 29葡萄酒的評價摘 要 本文研究的是葡萄酒的評價問題。根據(jù)已有數(shù)據(jù)，采用方差分析和主成分分析等方法，分析了釀酒葡萄和葡萄酒的理化指標與葡萄酒質(zhì)量的相關(guān)關(guān)系，給出了較合理的葡萄酒質(zhì)量評價指標。 針對問題一，根據(jù)每組評酒員對每個葡萄酒樣品的打分，采用平均值方法，計算出葡萄酒樣品的質(zhì)量得分，對每類葡萄酒的兩組質(zhì)量得分進行單因子方差分析。分析結(jié)果顯示，兩組評酒員對兩類葡萄酒評價結(jié)果都有顯著差異。在此根底上，根據(jù)各組評酒員的評價結(jié)果，分別計算其方差和，均得出第二組的方差較小，即第二組評酒員的評價結(jié)果更可信。 針對問題

6、二，首先，根據(jù)資料87選取30個理化指標中有代表性的12個，同時選取第二組的評價結(jié)果作為葡萄酒的質(zhì)量，采用主成分分析法，得出關(guān)于主成分，和的簡化系統(tǒng)，并驗證了系統(tǒng)的可行性。其次，采用計算各個樣品的主成分值的方法，建立關(guān)于7個主成分值的綜合評價模型，得出葡萄的分級如下表所示。級別釀酒葡萄白釀酒葡萄紅優(yōu)26,21,2,59,23,3良23,25,10,14,19，28,22,12,24,1614,13,10,25,20,26,2,19,5,17中9,4,27,20,7,17,3,1,11,8,68,6,27,4,21,15,24,16,22,1,18差18,15,1312,11,7 針對問題三，首

7、先，根據(jù)附表中的30個釀酒葡萄的理化指標，采用主成分分析方法，建立關(guān)于釀酒葡萄和葡萄酒的典型相關(guān)性分析模型，得出葡萄酒和釀酒葡萄的各理化指標之間存在一定的相關(guān)性，具體見正文。 針對問題四，首先，根據(jù)第三問的模型分析出釀酒葡萄與葡萄酒理化指標間既有正相關(guān)也有負相關(guān)的結(jié)果，采用多元回歸分析法，分別建立釀酒葡萄和葡萄酒的理化指標關(guān)于葡萄酒質(zhì)量的線性擬合模型，得出釀酒葡萄和葡萄酒的理化指標完全可以代替人工評分評定葡萄酒的質(zhì)量，并加以論證。 關(guān)鍵詞：葡萄酒評價 主成分分析 單因子方差分析 理化指標一 問題重述1.1 問題背景 葡萄酒的質(zhì)量問題是一個很受人關(guān)注的問題，確定葡萄酒質(zhì)量時一般是通過聘請一批有資

8、質(zhì)的評酒員進行品評。每個評酒員在對葡萄酒進行品嘗后對其分類指標打分，然后求和得到其總分，從而確定葡萄酒的質(zhì)量。釀酒葡萄的好壞與所釀葡萄酒的質(zhì)量有直接的關(guān)系，葡萄酒和釀酒葡萄檢測的理化指標會在一定程度上反映葡萄酒和葡萄的質(zhì)量。1.2 問題提出 該題給出了我們?nèi)齻€附件，其中附件1給出了某一年份一些葡萄酒的評價結(jié)果，附件2和附件3分別給出了該年份這些葡萄酒的和釀酒葡萄的成分數(shù)據(jù)。我們嘗試利用這些數(shù)據(jù)對葡萄酒的質(zhì)量進行分析，建立數(shù)學模型討論以下問題：分析附件1中兩組評酒員的評價結(jié)果有無顯著性差異，哪一組結(jié)果更可信？根據(jù)釀酒葡萄的理化指標和葡萄酒的質(zhì)量對這些釀酒葡萄進行分級。分析釀酒葡萄與葡萄酒的理化指

9、標之間的聯(lián)系。分析釀酒葡萄和葡萄酒的理化指標對葡萄酒質(zhì)量的影響，并論證能否用葡萄和葡萄酒的理化指標來評價葡萄酒的質(zhì)量？二 模型假設(shè)所有的評酒員對葡萄酒的品質(zhì)的打分客觀公正；附件中的葡萄酒樣品與釀酒葡萄樣品是一一對應的關(guān)系；釀制紅葡萄酒和白葡萄酒的釀酒葡萄是相互對立的；附件中錯誤的數(shù)據(jù)，缺失的數(shù)據(jù)對樣品總體沒影響，可以刪去。三 符號說明 ：葡萄酒的原始質(zhì)量； ：標準化后的第種葡萄酒的質(zhì)量； ：葡萄酒樣品的數(shù)量； ：釀酒葡萄的指標矩陣； ：釀酒葡萄的第個指標的觀測值； ：7個主成分的各個指標的單位化特征向量矩陣； ：第組的第個樣品的第個評酒員的評分結(jié)果； ：第組的第個樣品的評分結(jié)果的方差； ：第組

10、的所有樣品的評分結(jié)果的方差和； ：第個釀酒葡萄樣品的綜合得分； ：第個釀酒葡萄的指標的觀測值； ：第個釀酒葡萄的指標的組內(nèi)方差和； ：單位化特征向量矩陣的第個主成分向量； ：在上的載荷； ：載荷矩陣； ：第個釀酒葡萄指標的特征值； ：相關(guān)系數(shù)矩陣； ：單位化特征值向量矩陣； ：第個指標關(guān)于第個指標的單位化特征向量；四 模型的建立與求解4.1 問題一的分析 問題一的關(guān)鍵是明確顯著性差異的因子，以此建立單因子方差分析模型。首先，根據(jù)附表中的數(shù)據(jù)，去掉兩組評分員對每種葡萄酒評分總和的最大值和最小值再求平均值得出葡萄酒的質(zhì)量，再將數(shù)據(jù)進行標準化處理，以此為因子建立單因子方差分析模型，進行顯著性分析。其

11、次，根據(jù)所得的葡萄酒的質(zhì)量，分析各組品酒員的品酒結(jié)果的波動情況，因此采取求各組評定的葡萄酒的質(zhì)量的方差，分析得出更為可信的評酒員小組。4.1.1 各組評酒員的評價結(jié)果 評價員的評價結(jié)果即為葡萄酒的質(zhì)量。葡萄酒的質(zhì)量是每個評酒員在對葡萄酒進行品嘗后對其分類指標打分，然后求和得到的總分。為了使得到的數(shù)據(jù)更為合理，采用去掉評分結(jié)果的最大值和最小值再求平均值的方法來確定葡萄酒的質(zhì)量。各種葡萄酒的質(zhì)量如附表12所示。 分析數(shù)據(jù)時發(fā)現(xiàn)第一組四號評酒員評價紅葡萄酒樣品20時，沒有給出具體數(shù)據(jù)，同樣的該組的七號評酒員評價白葡萄酒樣品3時，給出了遠超于濃度的數(shù)據(jù)，為保證分析的嚴謹，我們把紅葡萄酒樣品20和白葡萄

12、酒樣品3剔除，因此只剩下了26種紅葡萄酒樣品和27種白葡萄樣品。4.1.2兩組評價結(jié)果的顯著性分析 由于各種葡萄酒的質(zhì)量本身是不同的，假設(shè)要對此進行數(shù)據(jù)分析，必須將數(shù)據(jù)標準化。為此建立數(shù)據(jù)的標準化模型， 1.1 其中：為標準化后的第種紅白葡萄酒的質(zhì)量，為紅白葡萄酒的原始質(zhì)量，為紅白葡萄酒樣品的數(shù)量，分別為紅、白葡萄酒樣品的數(shù)量。 將表1中的數(shù)據(jù)代入公式1.1標準化的數(shù)據(jù)見附表22。 該題中，要比擬的是兩組的評價結(jié)果對葡萄酒的影響，為此，把各種酒標準化后的數(shù)值作為因子，記為，第一組的評價結(jié)果作為因子水平，第二組的評價結(jié)果作為因子水平，第組對第種葡萄酒的評價結(jié)果用表示, ，目的是比擬兩組評價的結(jié)果

13、是否相同，為此，把研究的問題歸結(jié)為一個統(tǒng)計問題，用方差分析法進行分析。 建立方差分析模型為. (1.2) 將數(shù)據(jù)代入公式1.2中，用EXCEL計算出各偏差平方和，自由度，填入方差分析表，并繼續(xù)計算得到各均方以及比，值，見表1所示。單因子的方差分析表來源平方和自由度均方比值F crit因子71.69427171.694276.4372880.0126593.932438誤差1158.28310411.13734總計1229.978105 假設(shè)取，那么，由于，故認為因子是顯著的，即兩組的評價結(jié)果有顯著差異。4.1.3兩組可信度的分析 根據(jù)顯著性差異的分析，可知兩組的評價結(jié)果有顯著性差異，因此計算每

14、組的成員對各種酒樣品的評價結(jié)果的方差的總和即成員之間評價的波動性強弱來判斷各組評價結(jié)果的可信度。 建立可信度的模型為. 1.3 其中：為第組的第個樣品的第個評酒員的評分結(jié)果，為第組的第個樣品的評分結(jié)果的方差，為第組的所有樣品的評分結(jié)果的方差和。 將附件1中的數(shù)據(jù)代入公式1.3中得到數(shù)據(jù)如附表1所示。分別求得的兩組對于紅酒和白酒的評分結(jié)果的方差和如表2所示。兩組的方差和第一組第二組紅葡萄酒1424.45821.11白葡萄酒3255.571411.69 由于把每組的成員評價各種酒的評價結(jié)果的方差的總和來作為各組評價結(jié)果的可信度，根據(jù)方差的性質(zhì)，方差越小，穩(wěn)定性越好，可信度越高。因此分析上表的結(jié)果可

15、知，無論是紅酒還是白酒，都是第二組的可信度更高，即為第二組的評價結(jié)果更為可信。4.2 問題二的分析 問題二的關(guān)鍵是確定評價指標，建立綜合評價模型。首先，根據(jù)資料1篩選附表中的數(shù)據(jù)，確定對釀酒葡萄影響較大的理化指標，由于第二組的評價結(jié)果更可信，選取第二組的評價結(jié)果作為葡萄酒的質(zhì)量。綜上，確定了評價指標。其次，將數(shù)據(jù)進行標準化處理，采用主因子分析法，找出主因子，以簡化評價指標。最后，根據(jù)以所得的主因子為新的評價指標，建立對釀酒葡萄分級的綜合評價模型，對釀酒葡萄的優(yōu)劣進行分級。4.2.1 釀酒葡萄分級的評價系統(tǒng)的簡化 由于附表的數(shù)據(jù)量太大，必須對數(shù)據(jù)進行初步的篩選。根據(jù)資料78，釀酒葡萄中的氨基酸，

16、蛋白質(zhì)，花色苷，有機酸，酚類，醇類，復原糖，果穗，出汁率，多酚氧化酶活力，DPPH自由基，可溶性固形物這幾個理化指標是對釀酒葡萄影響較大的理化指標。其次，由于第二組的評價結(jié)果更為可信，應選用第二組的評價結(jié)果作為釀酒葡萄的葡萄酒的質(zhì)量指標。綜上所述，初步確定了釀酒葡萄分級的指標。 由于選取的指標太多，而且主觀性較強，容易使它們提供的整體信息發(fā)生重疊，不易得出簡明的規(guī)律。因此，采用主成分分析法，將多指標問題化為較少的綜合指標問題，不但保證了各指標的不相關(guān)性，又反映了原來多指標的信息。 下面根據(jù)上述分析來進行主成分析。 首先，要對各個指標的觀測值進行標準化。各個指標的觀測值的具體值見附表2.，建立數(shù)

17、據(jù)標準化模型， 其中：為第個指標的觀測值，為組內(nèi)方差和。 標準化后的數(shù)據(jù)見附表3。 建立各個指標的相關(guān)系數(shù)模型， 將附表3中的數(shù)據(jù)代入公式中，得到相關(guān)矩陣為 相關(guān)矩陣的特征值及相應的單位化特征向量為 由于后七個主成分的累計奉獻率. 故取后七個主成分：,. 主要反映了可溶性固物的信息，它們的系數(shù)為0.41，它代表了對作用的權(quán)數(shù)，同理可分析得出以下結(jié)論。 主要綜合了蛋白質(zhì)、酚類、果穗質(zhì)量的信息； 主要綜合了氨基酸和有機酸的信息； 主要綜合了出汁率和葡萄酒的質(zhì)量的信息； 主要綜合了花色苷鮮重和DPPH自由基的信息； 主要反映了復原糖的信息； 主要反映了多酚氧化酶活力和醇類的信息。4.2.2 釀酒葡萄

18、分級的評價系統(tǒng)可行性的驗證 為了驗證用，和簡化系統(tǒng)的可行性，必須驗證該簡化系統(tǒng)的可行性。 把主成分分析的結(jié)果用矩陣的形式表示出來，用表示各種指標的信息矩陣，因此可以將用如下形式表示出來。 為了分析簡化系統(tǒng)的可行性，需要求出在上的載荷即上承載了標準差的多少。那么上述矩陣可轉(zhuǎn)化為 其中為在上的載荷陣。將數(shù)據(jù)代入公式中，計算出因子載荷陣，以說明各的方差在各主成分上的載荷： 由于的方差均為1，那么用下面模型表示對和前個主成分對的方差奉獻率。 用上述模型計算出，分別承載了方差的 ，共同承載了方差的。同理可計算 這就說明，不但能反映變化信息的85.3915%，而且各的方差在，上的載荷均很高，從而用，簡化的

19、系統(tǒng)是可以的。4.2.3 釀酒葡萄分級的評價系統(tǒng)的求解 用主成分可計算各樣品的每個主成分值,將每個樣品的所有主成分值加到一起即為該樣品的綜合得分。 建立樣品關(guān)于7個主成分的主成分值的綜合評價模型為 其中：為28個釀酒葡萄白的標準化結(jié)果矩陣，為7個主成分的各個指標的單位化特征向量矩陣。為第個樣品的綜合得分。 由于釀制紅葡萄酒和白葡萄酒的釀酒葡萄的理化指標相同，因此用同樣的方法建立類似的模型來分析27個釀酒葡萄紅的綜合得分。用MATLAB計算結(jié)果如表3所示。 27個釀酒葡萄紅和28個釀酒葡萄白的綜合得分樣品序號釀酒葡萄白釀酒葡萄紅1-2.7726-3.481924.03111.88233-2.23

20、4.07944-0.049-0.911554.02971.26-3.6802-0.08547-1.5322-6.48398-3.2648-0.02699-0.02656.4997101.80452.669211-3.187-5.0333120.5718-4.921513-7.11463.4764141.76143.695815-5.009-2.1414160.198-2.53817-1.71780.098218-4.666-3.9351191.26931.483220-0.16772.0683214.5765-1.6575220.882-2.8137233.87745.2773240.3947

21、-2.3314253.66512.2022267.61072.008827-0.1371-0.2778280.8823 將釀酒葡萄的綜合得分按降序排列后用EXCEL做出釀酒葡萄的綜合條形圖如圖1和圖2所示。釀酒葡萄白綜合得分條形圖釀酒葡萄紅綜合得分條形圖 分析圖1和圖2，發(fā)現(xiàn)大局部的釀酒葡萄的質(zhì)量落在之間，只有少局部的葡萄在和之間。這也正驗證了現(xiàn)實的釀酒葡萄的種植情況，極好的葡萄由于難以種植因此數(shù)量較少，極差的葡萄由于某些葡萄酒的理化指標需要又必須種植，一般的葡萄由于本錢和品質(zhì)同時可以滿足需求，故會大量種植。 綜上分析可以將釀酒葡萄分為四個等級：優(yōu)、良、中、差。那么對表5中的釀酒葡萄的得分進行

22、分級，即得釀酒葡萄的分級如表4所示。 釀酒葡萄的分級級別釀酒葡萄白釀酒葡萄紅優(yōu)26,21,2,59,23,3良23,25,10,14,19，28,22,12,24,1614,13,10,25,20,26,2,19,5,17中9,4,27,20,7,17,3,1,11,8,68,6,27,4,21,15,24,16,22,1,18差18,15,1312,11,74.3 問題三的分析 問題三要分析釀酒葡萄與葡萄酒的理化指標的聯(lián)系，關(guān)鍵是將葡萄酒的理化指標與釀酒葡萄的理化指標對應起來，進行相關(guān)性分析。首先，采用第二問的模型，分析釀酒葡萄的各個理化指標的相關(guān)性。然后，對釀酒葡萄和葡萄酒的共有的理化指標

23、進行相關(guān)性分析，再結(jié)合已求得的釀酒葡萄的理化指標之間的相關(guān)性，即可得出釀酒葡萄與葡萄酒理化指標間的相關(guān)性。4.3.1 釀酒葡萄指標的分類 建立同第二問類似的相關(guān)系數(shù)的模型，對釀酒葡萄紅的30個理化指標進行相關(guān)性分析，相關(guān)系數(shù)見附表4。 同樣的建立同第二問類似的主成分分析的模型，得出、，并且這七個主成分可以反映這30個釀酒葡萄理化指標的86.2%，可以用于分析這30個理化指標的相關(guān)性。 主要反映了總酚、花色苷鮮重、DPPH自由基、單寧的信息； 主要反映了干物質(zhì)含量、總糖、復原糖、可溶性固形物的信息； 主要反映了白藜蘆醇、果皮顏色A的信息； 主要反映了褐變度、PH值、蘋果酸、多酚氧化酶活力、氨基酸

24、總量的信息； 主要反映了果穗質(zhì)量的信息； 主要反映了果皮質(zhì)量、黃酮醇的信息； 主要反映了酒石酸、檸檬酸、果皮顏色L的信息； 主要反映了VC含量、出汁率、葡萄總黃酮的信息； 因此可以按主成分將30個理化指標分成8類。如表5所示。 指標的分類類別指標的種類1總酚、花色苷鮮重、DPPH自由基、單寧2干物質(zhì)含量、總糖、復原糖、可溶性固形物3白藜蘆醇、果皮顏色A4褐變度、PH值、蘋果酸、多酚氧化酶活力、氨基酸總量5果穗質(zhì)量6果皮質(zhì)量、黃酮醇7酒石酸、檸檬酸、果皮顏色L8VC含量、出汁率、葡萄總黃酮4.3.2 釀酒葡萄與葡萄酒指標的相關(guān)性分析 下面分析這8類指標與葡萄酒指標之間的相關(guān)性。 首先，將釀酒葡萄

25、與葡萄酒的指標中的相同的指標找出來，分別為：花色苷、單寧、總酚、DPPH半抑制體積自由基、葡萄酒總黃酮、白藜蘆醇、果皮顏色色澤L、果皮顏色色澤A、果皮顏色色澤B。 先分析紅酒的30個釀酒葡萄的理化指標的相關(guān)系數(shù)表里可得出各類指標內(nèi)各指標的相關(guān)性，同時結(jié)合釀酒葡萄與葡萄酒中相同的指標，選取有葡萄酒的理化指標的四類，從附表3的相關(guān)系數(shù)表可以得到這四類指標間的各個指標間的相關(guān)系數(shù)。如表6所示。 各類內(nèi)各指標的相關(guān)性相關(guān)系數(shù)花色苷鮮重單寧總酚DPPH自由基花色苷鮮重10.6881316530.7278280160.654607258單寧0.68813165310.7546933270.64501131

26、8總酚0.7278280160.75469332710.85712DPPH自由基0.6546072580.6450113180.857121相關(guān)系數(shù)葡萄總黃酮VC含量-0.12923出汁率0.568325相關(guān)系數(shù)果皮顏色L酒石酸-0.19709檸檬酸-0.13178相關(guān)系數(shù)白藜蘆醇果皮顏色A0.738243 為了分析釀酒葡萄與葡萄酒的理化指標之間的關(guān)系，還要找出兩者之間的相關(guān)性，求得的相關(guān)系數(shù)如表7所示。 釀酒葡萄與葡萄酒的共有的理化指標的相關(guān)系數(shù)葡萄酒指標紅釀酒葡萄指標紅相關(guān)系數(shù)花色苷花色苷鮮重0.922628519單寧單寧0.718040214總酚總酚0.875139176DPPH半抑制體

27、積IV50 DPPH自由基1/IC500.778280088酒總黃酮葡萄總黃酮0.822833317白藜蘆醇白藜蘆醇0.013515055色澤L*(D65)果皮顏色L0.493648232色澤A*(D65)果皮顏色A(紅綠)-0.541953482色澤B*(D65)果皮顏色B黃藍0.025494318 分析表9可知，葡萄酒的花色苷與釀酒葡萄的花色苷呈強正相關(guān)，分析表8可知，釀酒葡萄的花色苷與釀酒葡萄的單寧、總酚、DPPH自由基呈強正相關(guān)，因此可得到葡萄酒的花色苷與釀酒葡萄的花色苷鮮重、單寧、總酚、DPPH自由基呈正相關(guān)。同理可分析出葡萄酒紅的理化指標與釀酒葡萄的理化指標之間的相關(guān)性，如表8所示

28、。 葡萄酒紅的與釀酒葡萄的理化指標之間的相關(guān)性葡萄酒紅釀酒葡萄相關(guān)性花色苷花色苷鮮重強正相關(guān)單寧強正相關(guān)總酚強正相關(guān)DPPH自由基強正相關(guān)酒總黃酮葡萄總黃酮強正相關(guān)VC含量弱負相關(guān)出汁率正相關(guān)單寧單寧強正相關(guān)花色苷鮮重強正相關(guān)總酚強正相關(guān)DPPH自由基強正相關(guān)白藜蘆醇白藜蘆醇弱正相關(guān)果皮顏色A強正相關(guān)總酚總酚強正相關(guān)花色苷鮮重強正相關(guān)單寧強正相關(guān)DPPH自由基強正相關(guān)色澤L果皮顏色L正相關(guān)酒石酸弱負相關(guān)色澤A果皮顏色A負相關(guān)白藜蘆醇負相關(guān)色澤B果皮顏色B弱正相關(guān)DPPH半抑制體積DPPH自由基強正相關(guān)總酚強正相關(guān)花色苷鮮重強正相關(guān)單寧強正相關(guān) 采用同樣的方法分析出分析出葡萄酒白的理化指標與釀酒

29、葡萄的理化指標之間的相關(guān)性，如表9所示。葡萄酒白的與釀酒葡萄的理化指標之間的相關(guān)性葡萄酒釀酒葡萄相關(guān)性單寧單寧強正相關(guān)出汁率(%)強負相關(guān)總酚總酚強正相關(guān)葡萄總黃酮強正相關(guān)酒總黃酮葡萄總黃酮強正相關(guān)總酚強正相關(guān)白藜蘆醇白藜蘆醇弱負相關(guān)酒石酸弱負相關(guān)DPPH半抑制體積DPPH自由基1/IC50強正相關(guān)色澤L果皮顏色L負相關(guān)色澤A果皮顏色A(紅綠)負相關(guān)果皮顏色B黃藍正相關(guān)固酸比負相關(guān)VC含量弱正相關(guān)可滴定酸正相關(guān)色澤B果皮顏色B黃藍正相關(guān)果皮顏色A(紅綠)負相關(guān)固酸比負相關(guān)VC含量弱正相關(guān)可滴定酸正相關(guān)4.4 問題四的分析 問題四要分析釀酒葡萄與葡萄酒的理化指標的對葡萄酒質(zhì)量的影響，關(guān)鍵是明確葡

30、萄酒的質(zhì)量與葡萄酒和釀酒葡萄的理化指標的相關(guān)性。首先，根據(jù)第三問的模型分析出釀酒葡萄與葡萄酒理化指標間既有正相關(guān)也有負相關(guān)的結(jié)論，用多元回歸分析法分別分析葡萄酒和釀酒葡萄的理化指標對葡萄酒質(zhì)量的影響，即可得出葡萄酒和釀酒葡萄的理化指標對葡萄酒的質(zhì)量的影響，并對結(jié)論加以論證。 釀酒葡萄和葡萄酒的理化指標對葡萄酒質(zhì)量影響的分析 由問題一的結(jié)論可知，第二組專家的評定較使人信服，因此可以將第二組專家的評分結(jié)果作為葡萄質(zhì)量的標準，再采用多元回歸分析法定量地分析葡萄及葡萄酒的理化指標對葡萄酒的質(zhì)量影響。 首先，分析釀酒葡萄紅的理化指標與葡萄酒質(zhì)量之間的關(guān)系。記第二組評酒員對每種葡萄酒的評分結(jié)果總分為，將第

31、三問中得出的釀酒葡萄紅主成分、為，。然后，用SAS軟件的“分析家對它們進行帶參數(shù)的擬合，得到此模型的F統(tǒng)計量的值為4.98，其p值0.0001=0.05，所以模型的作用是顯著的。在SAS得出的匯總信息中的參數(shù)估計局部列舉了回歸方程中兩個參數(shù)的值以及有關(guān)的顯著性檢驗的結(jié)果，詳見附件5.1。擬合的回歸方程為， 再進行檢驗，得出的結(jié)果說明，的系數(shù)顯著不為0，即可以得出紅葡萄的理化指標對葡萄酒的質(zhì)量有很大的影響。 同樣可以得出第三問得出的白葡萄的主成分與葡萄酒質(zhì)量之間的非線性擬合回歸方程為，且其F統(tǒng)計量的值為1.42，其p值0.0001=0.05，所以模型的作用是顯著的。再進行t檢驗，得出的結(jié)果說明，

32、的系數(shù)顯著不為0，即可以得出白葡萄的理化指標對葡萄酒的質(zhì)量有很大的影響。 設(shè)花色苷、單寧、總酚、酒總黃酮、白藜蘆醇、DPPH半抑制體積、色澤中的L、色澤中的A、色澤中的B分別為自變量，。然后采用SAS軟件可以得出其F統(tǒng)計量的值為2.48，其p值0.0001=0.05，所以模型的作用是顯著的。且其非線性擬合回歸方程為， 再進行t檢驗，得出的結(jié)果說明，的系數(shù)顯著不為0，即可以得出紅葡萄酒的理化指標對葡萄酒的質(zhì)量有很大的影響。 設(shè)花色苷、單寧、總酚、酒總黃酮、白藜蘆醇、DPPH半抑制體積、色澤中的L、色澤中的A、色澤中的B分別為自變量，。然后采用SAS軟件可以得出其F統(tǒng)計量的值為2.35，其p值0.0001=0.05，所以模型的作用是顯著的。且其非線性擬合回歸方程為 再進行t檢驗，得出