釀酒葡萄與葡萄酒理化指標(biāo)及其質(zhì)量的分析與評估第2頁，共21頁釀酒葡萄與葡萄酒理化指標(biāo)及其質(zhì)量的分析與評估摘要本文通過運(yùn)用SPSS首先對兩組品酒員對葡萄酒的評價(jià)進(jìn)行了差異顯著性分析以及評Cronbach系數(shù)分析對品酒員評價(jià)的可信度進(jìn)行了分析，得到了兩組品酒員評價(jià)之間存在顯著性差異，并且第一組品酒員的評價(jià)結(jié)果更為可信。接下來我們?nèi)〉谝唤M評酒員給每個(gè)樣品酒所給出的總分的平均分表示該樣品葡萄酒質(zhì)量的量化指標(biāo)進(jìn)行相關(guān)討論我們通過對葡萄及葡萄酒的理化指標(biāo)歸一化處理，將它們之間的聯(lián)系現(xiàn)實(shí)的更為明顯，緊接著我們利用因子分析、主成分分析將決定葡萄酒質(zhì)量的因素維度較低，從而達(dá)到簡化模型的目的，并通過分析將各成分因子重新命名，再將命名后的主成分和評論員對葡萄酒的評價(jià)作為依據(jù)對釀酒葡萄等級評定，并引入層次分析法對評定體系進(jìn)行改進(jìn)構(gòu)想。最后利用MATLAB求解主成分因子與葡萄酒質(zhì)量之間的函數(shù)關(guān)系，并用BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證及討論。最后我們在每一個(gè)問題后面進(jìn)行了深入的反思與總結(jié)，得出了一些具體的改進(jìn)思路及方法，并得出在原有問題上的修正。關(guān)鍵字SPSSMATLABCronbach系數(shù)分析主成分分析層次分析法BP人工神經(jīng)網(wǎng)絡(luò)模型的改進(jìn)與修正問題重述隨著經(jīng)濟(jì)的日益發(fā)展，人們生活水平的不斷提高，葡萄酒的受眾隨之增加，品酒行業(yè)逐漸專業(yè)化。品質(zhì)是現(xiàn)代葡萄酒生產(chǎn)追求的目標(biāo)之一，針對酒類的質(zhì)量檢測也成為食品行業(yè)工作的重中之重。根據(jù)已有數(shù)據(jù)，運(yùn)用數(shù)學(xué)建模的方法，對葡萄酒進(jìn)行評價(jià)是一個(gè)重要問題。確定葡萄酒質(zhì)量時(shí)一般是通過聘請一批有資質(zhì)的評酒員進(jìn)行品評。每個(gè)評酒員在對葡萄酒進(jìn)行品嘗后對其分類指標(biāo)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(biāo)會(huì)在一定程度上反映葡萄酒和葡萄的質(zhì)量。從上述相關(guān)關(guān)系出發(fā)，參考相關(guān)數(shù)據(jù)，針對釀酒葡萄與葡萄酒的理化指標(biāo)和葡萄酒的質(zhì)量這幾個(gè)變量，進(jìn)行分析并建立數(shù)學(xué)模型，討論關(guān)于葡萄酒的評價(jià)問題：特別注意指出模型中的優(yōu)點(diǎn)和不足之處，并做出改進(jìn)方向。符號說明符號說明符號說明第i個(gè)品酒員對第j款酒所給的總分S香氣指標(biāo)K整個(gè)品嘗的次數(shù)第i類芳香物質(zhì)（1≤i≤8）總得分的方差Q其他影響因素所有在第i位品酒師打分的方差k香氣指標(biāo)關(guān)于芳香物質(zhì)函數(shù)的常系數(shù)Y葡萄酒的單寧M測得葡萄酒評分X1葡萄酒的總酚Z葡萄酒標(biāo)準(zhǔn)分值（真實(shí)葡萄酒評分）X2葡萄酒的黃酮醇U外觀指標(biāo)第一組的總平均分V口感指標(biāo)理化指標(biāo)向量W整體評價(jià)指標(biāo)代表原來數(shù)據(jù)群體的因子α香氣指標(biāo)占總分的權(quán)重兩類新的性質(zhì)因子β外觀指標(biāo)占總分的權(quán)重口感類物質(zhì)成分因子γ口感指標(biāo)占總分的權(quán)重色澤類物質(zhì)成分因子δ整體評價(jià)指標(biāo)占總分的權(quán)重模型建立與求解3.1.數(shù)據(jù)處理3.1.2由于試題中給出的附件酒樣品未按照順序排列，我們首先將數(shù)據(jù)進(jìn)行了預(yù)處理，每組數(shù)據(jù)均按照樣品號和品酒員號順序排列，加和得到每一劑量酒樣品的總評分?jǐn)?shù)，并求得各項(xiàng)明細(xì)指標(biāo)的平均值；其次將多組同類理化指標(biāo)取平均值，以便分析討論，進(jìn)行模型的建立與求解。3.1.3數(shù)據(jù)的預(yù)處理和部分圖示，采用辦公軟件MicrosoftExcel2010；數(shù)據(jù)的歸一化處理，采用辦公軟件MicrosoftExcel2010；數(shù)據(jù)結(jié)果的顯著差異分析，采用SPSS19.0；數(shù)據(jù)結(jié)果的信度分析，采用SPSS19.0；數(shù)據(jù)結(jié)果的主成分分析，采用SPSS19.0；數(shù)據(jù)處理的擬合分析，采用MATLAB2012a3.2.問題1.1：附件1中兩組評酒員評價(jià)結(jié)果的顯著性差異分析要比較兩組評論員之間是否具有顯著性差異，而每組有10個(gè)評論員，27或28個(gè)葡萄酒樣品，由于附件中的數(shù)據(jù)都是單項(xiàng)給出的，整體可比性不強(qiáng)，所以我們先用EXCEL將數(shù)據(jù)進(jìn)行了初步的整理（求出每個(gè)品酒員對各樣品的總分，以及各個(gè)明細(xì)樣品的平均值），以第一組對紅葡萄酒樣品一的評價(jià)為例，處理結(jié)果如表1所示：表1.紅葡萄酒樣品一的評價(jià)項(xiàng)目品酒員12345678910平均值葡萄酒樣品1外觀分析澄清度544443432433.5色調(diào)1088666686666.6香氣分析純正度655545544544.6濃度867767774646.1質(zhì)量161412121414121412121212.8口感分析純正度655545644554.8濃度866766866666.3持久性876767876666.6質(zhì)量221916191616191916161617.2平衡/整體評價(jià)11109109109999109.4總分10084788275798481697572.初步分析：針對處理后的數(shù)據(jù)，我們初步的想法是將每組中各個(gè)品酒員對每項(xiàng)樣品的總分作為一個(gè)樣本，因此每個(gè)樣本里將有270項(xiàng)數(shù)據(jù)。針對紅葡萄酒評價(jià)的兩組樣本，利用SPSS進(jìn)行一次相互獨(dú)立樣本之間的T檢驗(yàn)，探測兩個(gè)樣本是否具有顯著性差異。但隨后通過查閱統(tǒng)計(jì)分析中T檢驗(yàn)法的一些特性得到了相反的結(jié)論：鑒于本題樣本是每十個(gè)總分針對一個(gè)葡萄酒樣本，并不滿足獨(dú)立樣本T檢驗(yàn)方法的適用范圍，每組樣本中的數(shù)據(jù)是有一定關(guān)聯(lián)的，因此我們采用了另外一種檢驗(yàn)方法——配對樣本T檢驗(yàn)法。3.2.2.二首先，我們對紅葡萄酒的評價(jià)進(jìn)行差異性分析（白葡萄酒的處理方法與其一致），將每項(xiàng)葡萄酒樣品各項(xiàng)明細(xì)評分的平均分作為一個(gè)樣本（包括總分的平均分），則每個(gè)樣本里共有1127=297項(xiàng)數(shù)據(jù)，兩組數(shù)據(jù)之間都是針對相同的樣品和指標(biāo)進(jìn)行評價(jià)，所以兩組中每項(xiàng)數(shù)據(jù)都是一一配對，互相關(guān)聯(lián)的。其次，我們對兩組葡萄酒的全部總分?jǐn)?shù)據(jù)共27*10*2=540組，進(jìn)行綜合處理并作圖1、圖2所示，可以得知兩組數(shù)據(jù)在數(shù)值上差異較大，初步判斷兩組數(shù)據(jù)具有顯著性差異，關(guān)于信度分析下文將給出分析討論。 圖1圖2再次，我們以兩組紅葡萄酒樣品1為例，對其數(shù)據(jù)做了歸一化處理，利用雷達(dá)圖表示，如圖3所示。加強(qiáng)了上述關(guān)于顯著性差異的推論。圖3.紅葡萄酒樣品歸一化雷達(dá)圖表示因此通過以上對數(shù)據(jù)和檢驗(yàn)方法的分析，我們采用配對T檢驗(yàn)法對兩組樣本進(jìn)行差異顯著性分析。3.2.3.每組評論員對各項(xiàng)酒的評價(jià)分?jǐn)?shù)成正態(tài)分布。評論員都具有一定的專業(yè)品酒技術(shù)，對每種酒的各個(gè)指標(biāo)的評價(jià)不會(huì)有大的偏差（保證評分的關(guān)聯(lián)度）。3.2.4.模型的建立與將處理后的數(shù)據(jù)導(dǎo)入到SPSS軟件中，針對兩組紅葡萄酒評價(jià)中的各項(xiàng)指標(biāo)評分的平均值進(jìn)行配對樣本T檢驗(yàn)法，設(shè)定置信度區(qū)間為95，得到結(jié)果如下：表2.成對樣本統(tǒng)計(jì)量均值N標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤對1紅葡萄酒各項(xiàng)平均分113.285629719.397301.12555紅葡萄酒各項(xiàng)平均分212.820929718.634121.08126表3.成對樣本相關(guān)系數(shù)N相關(guān)系數(shù)Sig.對1紅葡萄酒各項(xiàng)平均分1紅葡萄酒各項(xiàng)平均分2297.996.000表2為描述性統(tǒng)計(jì)表，給出了紅葡萄酒的各項(xiàng)平均分的平均值，標(biāo)準(zhǔn)差以及標(biāo)準(zhǔn)誤。表3為樣本間的配對性的測驗(yàn)結(jié)果，可以看到測出的P值（即sig值）等于0<0.001，因此在95%的置信水平上差異顯著，即兩組紅葡萄酒的各項(xiàng)平均分的平均值顯著相關(guān)，驗(yàn)證了我們之前的推論，因此也符合配對樣本T檢驗(yàn)的前提條件。表4.成對樣本檢驗(yàn)成對差分TdfSig.(雙側(cè))均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤差分的95%置信區(qū)間下限上限對1紅葡萄酒各項(xiàng)平均分1紅葡萄酒各項(xiàng)平均分2.464681.88444.10935.24949.679884.250296.000表4為最終的配對樣本T檢驗(yàn)結(jié)果報(bào)表。其中t表示用公式：所計(jì)算出的值，是最終計(jì)算出P值的依據(jù)。df為自由度，sig（雙側(cè)顯著性概率）則為我們所需要的P值?？梢钥吹阶罱K結(jié)果是P=0.000<0.001，因此在95%的置信水平上差異顯著，所以兩組評論員評分無顯著性差異的假設(shè)不成立，即兩組評論員對紅酒的評分具有顯著性差異。圖四為以上結(jié)果的綜合圖形描繪。圖4.結(jié)果的綜合圖形描繪對于白葡萄酒的組，利用同樣的方法進(jìn)行差異性分析，在SPSS軟件里同樣也得到如下結(jié)果，如表5、表6、表7所示：表5.成對樣本統(tǒng)計(jì)量均值N標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤對1白葡萄酒各項(xiàng)平均分113.501930819.645421.11940白葡萄酒各項(xiàng)平均分213.914930820.210871.15162表6.成對樣本相關(guān)系數(shù)N相關(guān)系數(shù)Sig.對1白葡萄酒各項(xiàng)平均分1白葡萄酒各項(xiàng)平均分2308.996.000表7.成對樣本檢驗(yàn)成對差分TdfSig.(雙側(cè))均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤差分的95%置信區(qū)間下限上限對1白葡萄酒各項(xiàng)平均分1白葡萄酒各項(xiàng)平均分2-.412991.93277.11013-.62969-.19628-3.750307.000圖5.白葡萄酒成對樣本檢驗(yàn)如圖5所示，此時(shí)P值仍小于0.001，因此兩組評論員對白葡萄酒的評價(jià)在95%的置信水平上也具有差異顯著性，從而可得出結(jié)論：無論是針對紅葡萄酒還是白葡萄酒，兩組評酒員的評價(jià)結(jié)果都有顯著性差異。3.2.5.問題對于該問題，我們將每項(xiàng)葡萄酒評分做了平均化處理，再把處理出來的平均分作為樣本，這樣每個(gè)樣本中的數(shù)據(jù)變成了與每個(gè)指標(biāo)得分情況對應(yīng)的一元數(shù)值，然后用配對樣本T檢驗(yàn)法對其進(jìn)行差異顯著性分析。通過這種方法處理出來的結(jié)果具有一定的科學(xué)性與準(zhǔn)確性。但是由于數(shù)據(jù)是進(jìn)行了平均化處理后的數(shù)據(jù)，因此模型所反映出的情況不具有完整性，對此我們便有了下面這種改進(jìn)思路：將每組中10名品酒師對27項(xiàng)樣品的評價(jià)總分作為一個(gè)的矩陣（其中第i個(gè)品酒員對第j款酒所給的總分）。每個(gè)矩陣分別對應(yīng)該組品酒師的評分具體情況，再用這兩組數(shù)據(jù)構(gòu)成的矩陣進(jìn)行多元數(shù)據(jù)的T檢驗(yàn)，如此處理出的結(jié)果就應(yīng)該更具有完整性與可靠性。但由于本組成員所了解的統(tǒng)計(jì)學(xué)知識(shí)還不足以去運(yùn)用這樣多元性的、更為精確的處理手段，因此就將這作為一個(gè)以后改進(jìn)的思路。3.3.問題1.2：附件1中兩組評酒員評價(jià)結(jié)果的信度分析我們針對兩組中每位品酒師對每種酒所給出的總分得出的矩陣對其中的元素逐行進(jìn)行可信度分析。3.3.1首先我們根據(jù)品酒師打分為主觀作用，我們選擇評價(jià)評分者信度的KendallW協(xié)同檢驗(yàn)?zāi)Ｐ?，通過SPSS對紅白葡萄4組數(shù)據(jù)進(jìn)行模擬分析，得到的漸進(jìn)顯著性系數(shù)p均小于0.05（等于0.00），協(xié)同系數(shù)均為0.50左右，無法得出明確的結(jié)論。經(jīng)過思考，我們發(fā)現(xiàn)Kendall模型對于采用等級評定方式評分的情況是可取的，然而當(dāng)評分者用其他非等級評定的方式（如百分制）評定時(shí)，其信度系數(shù)是不合適的，因?yàn)槠湫哦认禂?shù)僅能反映評分者之間的相對一致性，并沒有考慮評分者之間存在的評分絕對差別，在這種情況下評分者之間的系統(tǒng)誤差也看會(huì)被成是隨機(jī)誤差，此時(shí)計(jì)算出的信度系數(shù)不能正確反映評分者信度的高低。所以我們選擇內(nèi)部一致性信度分析。3.3.2為簡化模型，排除品酒員主觀因素和個(gè)人偏好不同而造成的影響，我們做出如下假設(shè)：1、每位品酒員鑒定的同一種葡萄酒特質(zhì)完全相同。2、對于每一種類葡萄酒被任何一品嘗相當(dāng)于對其質(zhì)量進(jìn)行一次客觀的測試，每一項(xiàng)指標(biāo)的評價(jià)，相當(dāng)于一道題目的得分。3、葡萄酒的特質(zhì)可以從品酒員的品嘗時(shí)考慮的方面（即客觀測試的一系列“題目”）測量出來。3.3.3.模型的建立對于抽象出來的測試模型，由于每道測試題目表示一個(gè)特質(zhì)指標(biāo)的評價(jià)，所以我們不能采用簡單的二分法計(jì)分。因而我們選擇Cronbach系數(shù)分析。其中式中，K為整個(gè)品嘗的次數(shù)；為總得分的方差；為是所有在第i位品酒師打分的方差。我們先用EXCEL進(jìn)行數(shù)據(jù)處理，得到的矩陣，以紅葡萄酒為例。表8.第一組紅葡萄酒表9.第二組紅葡萄酒如表8、表9所示，不難看出對于紅葡萄酒，第一組標(biāo)準(zhǔn)化CronbachsAlpha較高，即第一組品酒師對紅葡萄酒的評價(jià)更為可靠。同樣地對于白葡萄酒，第一組標(biāo)準(zhǔn)化CronbachsAlpha比第二組更高，如表10、表11所示。表10.第一組白葡萄酒表11.第二組白葡萄酒即第一組更為可信。再對第一組進(jìn)行進(jìn)一步討論，對于第一組十位品酒師對紅白葡萄酒的評價(jià)的項(xiàng)已刪除的Cronbach'sAlpha值（詳見附錄）進(jìn)行分析，沒有任何一位品酒師對于整體的標(biāo)準(zhǔn)化CronbachsAlpha有明顯影響，所以十位品酒師的評價(jià)分?jǐn)?shù)也均可信。綜上所述，無論對于紅葡萄酒還是白葡萄酒，兩組品酒師的評價(jià)均存在顯著差異，其中第一組品酒師的評價(jià)結(jié)果更可信，并且第一組十位品酒師的評價(jià)都屬于可信范圍。3.4.問題2：根據(jù)釀酒葡萄的理化指標(biāo)和葡萄酒的質(zhì)量對釀酒葡萄進(jìn)行分級3.4.1.問題分析如果單用葡萄酒為釀酒葡萄打分，則直接在葡萄酒的外觀、香氣、口感質(zhì)量權(quán)重中賦予權(quán)值，所得之和即可作為對釀酒葡萄的評分。而本題卻引入了另一類變量，就是葡萄的理化指標(biāo)。這是一項(xiàng)很龐大雜亂的數(shù)據(jù)，所以我們想到利用主成分分析法對這些數(shù)據(jù)進(jìn)行主要因子分析，找出這些指標(biāo)的公共因子，求的每一樣品在這些因子上的成份得分系數(shù)矩陣，給數(shù)據(jù)降低維度，再以此作為研究釀酒葡萄等級評定的依據(jù)。模型建立（以紅葡萄為例）首先對數(shù)據(jù)進(jìn)行歸一化處理，再用SPSS因子分析對處理后的數(shù)據(jù)進(jìn)行因子分析。并選擇具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法進(jìn)行處理。得到的結(jié)果如表12所示：表12.成份矩陣a成份12345678花色苷.852總酚.851單寧.759DPPH自由基.734葡萄總黃酮.704果梗比.585蛋白質(zhì).584L-.578黃酮醇.562-.524百粒質(zhì)量-.542出汁率.533干物質(zhì)含量.847總糖.792還原糖.777可溶性固形物.758氨基酸總量.559白藜蘆醇.812A.724可滴定酸-.599果皮質(zhì)量-.597.530B.500.590褐變度.618.673多酚氧化酶活力.661蘋果酸.639酒石酸果穗質(zhì)量.610VC含量-.546固酸比檸檬酸-.571提取方法:主成份。a.已提取了8個(gè)成份。SPSS經(jīng)過因子分析和旋轉(zhuǎn)處理后一共得到了8個(gè)主成分，但在8個(gè)主成分之中，葡萄的理化指標(biāo)所載負(fù)荷主要是分配在前四個(gè)成分當(dāng)中。而觀察這四個(gè)成分的高負(fù)荷指標(biāo)，成分一中高負(fù)荷的指標(biāo)主要有單寧、酮類酚類物質(zhì)以及蛋白質(zhì)等，而這些物質(zhì)，特別是單寧，在很大程度上影響到了葡萄酒的口感，因此可將該成分命名為“口感類物質(zhì)”；成分二中高負(fù)荷的指標(biāo)有糖類、氨基酸類、VC含量等營養(yǎng)成分類物質(zhì)的指標(biāo)，可命名為“營養(yǎng)類物質(zhì)”；成分三主要有a、b色澤，以及果皮含量指標(biāo)，可命名為“色澤類物質(zhì)”；成分四主要有蘋果酸，酒石酸等指標(biāo)，可命名為“酸類物質(zhì)”。這樣通過軟件做出的成份得分系數(shù)，就可求得對應(yīng)的因子變量解，如表13所示：表13.成份得分系數(shù)矩陣成份12345678氨基酸總量-.004.129-.173-.069.000.210-.059.052蛋白質(zhì).089-.041-.113.027-.041.053.139.140VC含量.039-.155-.002-.107.086.071-.212-.110花色苷.115-.007.178.004.002-.064.012-.014酒石酸.009-.005-.165-.015-.048-.009.017.464蘋果酸.024.000.319-.018.120-.140-.039-.043檸檬酸-.076-.065.142.067.022.021-.122.509多酚氧化酶活力-.108.061.229.111-.100.142.106-.040褐變度-.030-.051.285-.024-.023.065.006-.036DPPH自由基.186-.013-.060.082.096.096.042-.065總酚.197.047-.041-.002.022-.021.070-.115單寧.171-.041.065.047.062.042-.220.074葡萄總黃酮.233.031-.077.064.075-.043.046-.095白藜蘆醇.045-.041-.019.014.357.157-.003-.103黃酮醇-.043.052.004.130.063.460-.058.020總糖.022.245-.041.020.046.017.125-.180還原糖-.047.178-.010-.001-.016.009.024.008可溶性固形物.014.234.005.061.018.030.065-.144可滴定酸.033.032.005.051.033.012-.391.058固酸比-.006.084.040.015-.004-.090.424-.084干物質(zhì)含量.005.189.023.016.012.016-.050.056果穗質(zhì)量.029-.003-.004.342.044-.026.074.121百粒質(zhì)量.053.013-.015.296.065-.015-.025-.073果梗比-.049-.064.033-.120-.056.298-.026-.036出汁率.199-.014.002-.021.003-.184-.050-.021果皮質(zhì)量.017.047.057.411.059.172-.098.028L-.118-.006-.034.107.080.192.199-.207B.048.045.065.106.358-.088-.064.082A.007.013.001.052.360.019-.010-.054提取方法:主成份。旋轉(zhuǎn)法:具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。構(gòu)成得分。并據(jù)此算得每個(gè)樣品在每類成分上的得分，結(jié)果如表14所示：表14.基于四類主成分負(fù)荷的樣本得分表樣品口味類物質(zhì)營養(yǎng)類物質(zhì)色澤類物質(zhì)酸類物質(zhì)1.001.310.173.05-1.012.001.410.300.22-0.793.000.682.21-1.11-0.664.00-0.88-0.23-0.32-0.605.000.43-0.02-0.231.796.000.021.36-0.310.087.00-1.010.540.41-1.318.00-0.35-0.132.940.999.002.78-0.73-0.89-0.7310.000.11-2.66-0.39-0.8211.00-1.060.05-0.13-0.3612.00-0.841.74-0.140.4813.00-0.27-0.76-0.74-0.5714.00-0.38-0.291.220.5215.00-0.18-0.380.240.0816.00-0.31-0.740.17-1.2717.000.530.93-0.252.0618.00-0.840.96-0.04-0.1919.00-0.06-0.14-0.27-0.6920.00-0.40-0.05-0.991.0221.00-0.230.49-1.18-1.3222.00-0.480.750.26-0.9823.002.40-0.09-0.340.9324.000.21-0.07-0.081.1825.00-0.48-1.68-0.610.4226.00-0.86-1.01-0.421.7227.00-1.27-0.52-0.06由于要求對葡萄進(jìn)行評級，因此我們決定用百分制的得分來作為評級的依據(jù)，由于時(shí)間關(guān)系我們對評分的系統(tǒng)只能做一個(gè)簡單化的處理?，F(xiàn)在我們掌握的數(shù)據(jù)一共有4個(gè)主成分因子得分，還有一個(gè)葡萄酒質(zhì)量得分（由于在一問中已經(jīng)論證了第一組的評論員打分更可信，于是這里葡萄酒質(zhì)量得分以第一組為標(biāo)準(zhǔn)），所以我們將賦予主成分與葡萄酒所得分?jǐn)?shù)1:1:1:1:6的權(quán)重，以此求得釀酒葡萄的最終評分。如此，則每個(gè)成份所占分?jǐn)?shù)為10分，評論員評價(jià)所占分?jǐn)?shù)為60分。最后的等級評價(jià)我們將效仿目前權(quán)威的葡萄酒評分系統(tǒng)--美國著名的葡萄酒評論家羅伯特·帕克推崇的是葡萄酒100分制評分體系，帕克的評分系統(tǒng)會(huì)給每一款酒一個(gè)基礎(chǔ)的分?jǐn)?shù)（50分）。在50分的基礎(chǔ)上，按酒的質(zhì)量特點(diǎn)加分，將酒的品質(zhì)分成四類。而我們也效仿這一模式對釀酒葡萄進(jìn)行分級，將葡萄分成如下六個(gè)等級：96-100Extraordinary頂級：各類指標(biāo)全面優(yōu)秀的釀酒葡萄。

90-95Outstanding優(yōu)秀：營養(yǎng)成分飽滿，味道純正的釀酒葡萄。

80-89Aboveaverage優(yōu)良：綜合指標(biāo)尚佳的釀酒葡萄。

70-79Average一般：略有瑕疵，尚無大礙的釀葡萄。

60-69Belowaverage低于一般：不值得推薦

50-59Unacceptable次品根據(jù)成份得分系數(shù)以及評論員評價(jià)數(shù)據(jù)處理后各樣品的釀酒葡萄得分明細(xì)以及對應(yīng)等級如表15所示：表15.釀酒紅葡萄得分明細(xì)及等級樣品口味類物質(zhì)營養(yǎng)類物質(zhì)色澤類物質(zhì)酸類物質(zhì)瓶酒員評價(jià)最總得分等級1.006.355.8210.250.9437.6260.99低于一般2.006.616.093.391.5748.1865.84低于一般3.004.8210.000.181.9648.2465.19低于一般4.000.954.992.082.1441.1651.33次品5.004.185.432.309.2143.9865.11低于一般6.003.188.272.124.1543.3261.04低于一般7.000.646.583.870.0442.9054.02次品8.002.275.2010.006.8443.3867.68低于一般9.0010.003.960.711.7548.9065.32低于一般10.003.400.001.931.4944.5251.34次品11.000.515.562.552.8542.0653.53次品12.001.079.052.515.3432.3450.31次品13.002.463.921.062.2244.7654.42次品14.002.184.875.825.4643.8062.13低于一般15.002.684.683.444.1535.2250.17次品16.002.363.943.260.1744.9454.68次品17.004.457.382.2510.0047.5871.66一般18.001.067.442.773.3635.9450.57次品19.002.985.182.201.8747.1659.39次品20.002.155.370.476.9447.1662.09低于一般21.002.556.480.000.0046.2655.29次品22.001.957.003.491.0146.3259.77次品23.009.055.272.036.6651.3674.37一般24.003.665.332.667.4246.8065.86低于一般25.001.952.011.385.1541.5252.02次品26.001.013.391.849.0144.2859.53次品27.000.004.412.714.0443.8054.96次品針對白葡萄的模型建立依照對紅葡萄的等級評價(jià)，我們也首先對白葡萄進(jìn)行了主成分分析（結(jié)果見附件），同樣也將白葡萄指標(biāo)分成了對應(yīng)的4個(gè)主成分，并求得了樣品在每個(gè)成分上的得分，最后進(jìn)行歸總評分，得出表16的結(jié)果：表16.釀酒白葡萄得分明細(xì)及等級白葡萄口味類物質(zhì)營養(yǎng)類物質(zhì)色澤類物質(zhì)酸類物質(zhì)瓶酒員評價(jià)最總得分等級1.004.205.535.972.8649.2067.76低于一般2.005.776.064.388.6944.5269.43低于一般3.004.477.896.0210.9751.1880.54優(yōu)良4.005.3210.005.897.6147.6476.47一般5.007.268.434.546.5242.6069.35低于一般6.003.398.127.915.9641.0466.43低于一般7.003.727.499.372.6146.5069.70低于一般8.000.725.294.509.1342.8462.49低于一般9.007.476.767.219.6343.7474.81一般10.007.777.247.236.1944.5873.01一般11.000.998.516.3912.6143.3871.89一般12.005.917.457.1210.0037.9868.47低于一般13.000.007.878.797.9139.5464.11低于一般14.005.138.634.695.2843.2066.92低于一般15.002.414.887.555.4643.4463.74低于一般16.003.610.005.715.2144.4058.94次品17.002.438.586.359.2747.2873.91一般18.001.677.747.794.5443.8665.59低于一般19.005.272.234.8110.7643.3266.40低于一般20.006.987.194.774.8646.6870.48一般21.005.498.933.626.9345.8470.81一般22.006.664.498.398.7942.6070.92一般23.006.817.225.538.0445.5473.14一般24.008.517.6410.547.8843.9878.55一般25.007.854.334.958.0746.2671.47一般26.0010.006.487.368.0948.7880.72優(yōu)良27.005.685.2113.629.4438.8872.83一般28.008.148.256.876.5548.7878.60一般模型的改進(jìn)構(gòu)想我們對于釀酒葡萄的評級把標(biāo)準(zhǔn)主要是建立的數(shù)據(jù)的歸一化以及主成分提取的基礎(chǔ)之上，由于時(shí)間關(guān)系，對影響釀酒葡萄等級的給個(gè)因素只是進(jìn)行了一個(gè)簡單的權(quán)重化處理，所以我們對此的改進(jìn)構(gòu)想是運(yùn)用層次分析法將各個(gè)因子構(gòu)建一個(gè)多層次，決定權(quán)重因素更多，更為復(fù)雜的等級評價(jià)系統(tǒng)，將作為各因素的比較矩陣；作為權(quán)重向量；利用求得其最大特征向量，并以此作為排序求得最終的權(quán)重向量，最后再進(jìn)行評級處理，這樣將使得評定結(jié)果更具可靠性。問題3：分析釀酒葡萄與葡萄酒的理化指標(biāo)之間的聯(lián)系先將葡萄酒以及釀酒葡萄的指標(biāo)整合在一起，總共包括35組指標(biāo)。經(jīng)過對數(shù)學(xué)建模中相關(guān)性的研究，得知在SPSS軟件中共有三種研究相關(guān)性的方法，分別為雙變量相關(guān)性分析、偏變量相關(guān)性分析以及距離相關(guān)性分析。而前兩種方法主要是針對兩組或三組數(shù)據(jù)進(jìn)行關(guān)聯(lián)度測試，而本題中是要求對多項(xiàng)指標(biāo)進(jìn)行對比，因此我們先采用距離相關(guān)分析法對這35組指標(biāo)進(jìn)行初步的關(guān)聯(lián)度探測。通過SPSS的處理，得到了各指標(biāo)間的相似性距離，也就是Pearson相關(guān)系數(shù)?？梢钥吹狡咸丫婆c釀酒葡萄各項(xiàng)指標(biāo)之間存在較多Pearson相關(guān)較大的組合，比如酒的花色苷與葡萄的花色苷，酒的總酚、酒總黃酮與葡萄的DPPH自由基，酒的單寧與果梗比……由于具有相似性的指標(biāo)太多，所以我們抽取幾組具有代表性的指標(biāo)進(jìn)行更進(jìn)一步的分析。色酒的色澤與釀酒葡萄的顏色比較，由于花色苷是影響酒和酒的釀酒葡萄的重要因素，所以酒中花色苷與葡萄中花色苷的理化指標(biāo)的聯(lián)系反映了葡萄的顏色對葡萄酒色澤的影響。于是我們對以上兩組理化指標(biāo)做了一次雙因素相關(guān)性分析，結(jié)果如表17所示：表17.相關(guān)性花色苷W花色苷花色苷WPearson相關(guān)性1.923**顯著性（雙側(cè)）.000N2727花色苷Pearson相關(guān)性.923**1顯著性（雙側(cè)）.000N2727**.在.01水平（雙側(cè)）上顯著相關(guān)。兩者在0.01的置信水平上顯著相關(guān)，且相關(guān)系數(shù)為0.923，說明酒的花色苷含量跟葡萄花色苷有很密切的關(guān)系，或者說，酒的色澤從很大程度上取決與葡萄的顏色。下面用MATLAB對它們進(jìn)行二次擬合，處理數(shù)據(jù)如下：LinearmodelPoly2:f(x)=p1*x^2+p2*x+p3Coefficients(with95%confidencebounds):p1=0.000412(-0.002904,0.003728)p2=2.22(0.9547,3.485)p3=22.21(-63.17,107.6)Goodnessoffit:SSE:2.041e+005R-square:0.8516AdjustedR-square:0.8393RMSE:92.22該擬合結(jié)果在95%的置信區(qū)間內(nèi)，準(zhǔn)確性較高。最終對應(yīng)的公式為：圖6.擬合對比圖味單寧是決定酒味道的主要理化指標(biāo)，而在通過上面的處理方法我們得知酒的單寧指標(biāo)與釀酒葡萄的總酚，總黃酮指標(biāo)具有很高的相似性，Pearson相關(guān)系數(shù)分別為0.817、0.684.于是這里我們將研究酒的風(fēng)味與釀酒葡萄的總酚，總黃酮的關(guān)系。用SPSS中多元線性回歸分析對酒的單寧，葡萄的單寧、總分以及黃酮醇進(jìn)行處理，得到結(jié)果如表18所示：表18.相關(guān)性酒的單寧葡萄總酚黃酮醇Pearson相關(guān)性酒的單寧1.000.817.579葡萄總酚.8171.000.346黃酮醇.579.3461.000Sig.（單側(cè)）酒的單寧..000.001葡萄總酚.000..039黃酮醇.001.039.N酒的單寧272727葡萄總酚272727黃酮醇272727這里三組數(shù)據(jù)之間處理后的sig值都為0，它們在置信區(qū)間內(nèi)顯著相關(guān)，因此對它們做回歸擬合的可靠性很高。下面是線性回歸分析對這三組數(shù)據(jù)進(jìn)行的回歸分析，所得系數(shù)如表19所示：表19.系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線性統(tǒng)計(jì)量B標(biāo)準(zhǔn)誤差試用版容差VIF1(常量)1.893.6942.727.012葡萄總酚.307.046.7016.683.000.8811.136黃酮醇.024.008.3363.206.004.8811.136因變量:酒的單寧對應(yīng)的酒的單寧（Y）與葡萄總酚（X1）、黃酮醇（X2）的線性關(guān)系式如下：擬合結(jié)果與原數(shù)據(jù)對比圖形如下：圖7.擬合結(jié)果與原數(shù)據(jù)對比同樣對白葡萄中酒的單寧（y）與葡萄總酚（x1）、黃酮醇（x2）進(jìn)行多元化回歸分析，所得結(jié)果如表20：表20.系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1(常量)1.222.3943.100.005白葡萄總酚.063.066.254.953.350白葡萄總黃酮.81.387a.因變量:白葡萄酒單寧回歸后的殘差統(tǒng)計(jì)如表21：表21.殘差統(tǒng)計(jì)量a極小值極大值均值標(biāo)準(zhǔn)偏差N預(yù)測值1.55183.07211.8506.3286028殘差-.938142.23665.00000.6410628標(biāo)準(zhǔn)預(yù)測值-.9093.717.0001.00028標(biāo)準(zhǔn)殘差-1.4083.357.000.96228a.因變量:白葡萄酒單寧3.6.問題4.1：因子分析簡化模型尋求函數(shù)關(guān)系的擬合3.6.1.從葡萄和葡萄酒的理化指標(biāo)來看，其成分較為復(fù)雜，如果直接對所有理化指標(biāo)和葡萄酒品質(zhì)的關(guān)系進(jìn)行分析，其對應(yīng)關(guān)系過于復(fù)雜，難以得出結(jié)論。為簡化模型，我們對其進(jìn)行如下處理：1.我們以品酒師信度較高的第一組的總平均分作為代表每一個(gè)樣品酒品質(zhì)的標(biāo)準(zhǔn)。2.對于各種理化性質(zhì)，我們只考慮一級指標(biāo)，暫時(shí)不考慮芳香類物質(zhì)（后文會(huì)提出所求函數(shù)關(guān)系關(guān)于芳香類物質(zhì)的修正）3.為減少變量個(gè)數(shù)，我們通過因子分析、主成分分析及其嵌套將原來與得分相關(guān)聯(lián)的理化指標(biāo)向量簡化為兩個(gè)可以代表原來數(shù)據(jù)群體的因子4.我們通過Matlab對總平均分與因子的關(guān)系進(jìn)行三維的擬合，最終得到近似的關(guān)系=3.6.2.數(shù)據(jù)處理及模型首先，因?yàn)橛绊懫咸丫瀑|(zhì)量的應(yīng)該是各理化成分的相對含量，為了結(jié)果的準(zhǔn)確性，所以我們有必要對所有葡萄酒所得總平均分進(jìn)行歸一化處理。另一方面為了減小變量向量的維度，我們利用SPSS對紅白葡萄理化性質(zhì)指標(biāo)進(jìn)行因子分析分析，所得旋轉(zhuǎn)成分矩陣見附錄。對于紅葡萄我們得到8個(gè)因子即可以看成一個(gè)8維的特征向量，對于白葡萄我們的到了9個(gè)因子即一個(gè)9維的特征向量。雖然對于原來紅白葡萄所含的理化性質(zhì)指標(biāo)的數(shù)量有了顯著的減少，但是對于尋求一個(gè)與葡萄酒相關(guān)的固定的關(guān)系依舊存在較大困難。于是我們進(jìn)行了二次因子分析，將原來的8維向量和9維向量簡化為2維，以便擬合出較為準(zhǔn)確的函數(shù)關(guān)系。由于紅葡萄與白葡萄各方面類似，為了簡潔起見，下面我們一紅葡萄及紅葡萄酒為例，來分析紅葡萄理化性質(zhì)、紅葡萄酒理化性質(zhì)與紅葡萄酒質(zhì)量的關(guān)系。1.紅葡萄的理化性質(zhì)與紅葡萄酒質(zhì)量的關(guān)系首先我們利用SPSS對紅葡萄31種一類理化指標(biāo)進(jìn)行因子分析（主成分分析），得出8個(gè)性質(zhì)因子，即8種代表性成分。其旋轉(zhuǎn)成分矩陣及成分得分系數(shù)矩陣詳見附錄。通過對其旋轉(zhuǎn)成分矩陣系數(shù)分析根據(jù)前面問題的分析可將它們命名為口感類物質(zhì)、營養(yǎng)類物質(zhì)、色澤類物質(zhì)、酸類物質(zhì)等。表22表23為進(jìn)一步簡化模型，便于得出簡潔可靠的結(jié)果，我們對于以上8類物質(zhì)再次進(jìn)行主成分分析，其旋轉(zhuǎn)成分矩陣，成分得分系數(shù)矩陣如表22、表23所示，兩類新的性質(zhì)因子我們將其命名為，MATLABcustomequation進(jìn)行擬合，求出葡萄酒所得總平均分與關(guān)系如圖8所示：圖8.葡萄酒總平均分與關(guān)系Generalmodel:f(x,y)=a+b*sin(m*pi*x*y)+c*exp(-(w*y)^2)Coefficients(with95%confidencebounds):a=72.04(68.14,75.93)b=8.093(-5014,5030)c=8.421(-1.642,18.48)m=-0.04297(-27.03,26.95)w=5.886(-9.009,20.78)2.紅葡萄酒的理化性質(zhì)與紅葡萄酒質(zhì)量的關(guān)系相似地，我們首先將葡萄酒理化性質(zhì)指標(biāo)進(jìn)行歸一化處理，并用SPSS進(jìn)行主成分分析，得出了成分因子，旋轉(zhuǎn)成分矩陣和成分得分系數(shù)矩陣如表24、表25：表24表25根據(jù)對齊全旋轉(zhuǎn)成分的分析，可以命名為口感類物質(zhì)，可以命名為類色澤類物質(zhì)。通過MATLABcustomequation對總平均分與其成分因子進(jìn)行擬合，結(jié)果如圖十：圖9.總平均分與其成分因子擬合結(jié)果Generalmodel:f(x,y)=a+b*sin(m*pi*x*y)+c*exp(-(w*y)^2)Coefficients(with95%confidencebounds):a=-2659(-3.938e+07,3.938e+07)b=0.9314(-3.979,5.842)c=2732(-3.938e+07,3.938e+07)m=1.694(0.3754,3.012)w=0.01401(-101,101)模型的深度討論分析首先對比兩種模型，經(jīng)過分析可以得出模型2對于葡萄酒質(zhì)量的預(yù)測能力要強(qiáng)于模型1，其原因可以歸為如下幾點(diǎn)：葡萄酒的理化指標(biāo)與葡萄酒質(zhì)量的關(guān)聯(lián)度要高于葡萄的理化指標(biāo)與葡萄酒質(zhì)量的關(guān)聯(lián)度，我們可以從SPSS相關(guān)性分析的結(jié)果以及相關(guān)資料查閱均可以得出。由于葡萄理化指標(biāo)較多，導(dǎo)致進(jìn)行了主成分分析的嵌套猜得到成對的因子，然而此時(shí)成對的因子已經(jīng)缺乏現(xiàn)實(shí)意義，因而缺乏一定的代表性，導(dǎo)致預(yù)測的準(zhǔn)確性降低。 模型改進(jìn)如果為了追求變量考慮的全面性，即葡萄與葡萄酒的理化指標(biāo)同時(shí)考慮，如果我們利用現(xiàn)有的算法，那么就必須在首次得出的8個(gè)有關(guān)紅葡萄的因子與2個(gè)有關(guān)紅葡萄酒的因子進(jìn)行匯總再次進(jìn)行因子分析，經(jīng)試驗(yàn)，如果想得出成對的因子，那么需要連續(xù)進(jìn)行因子分析，然而這樣的情況下，得出的因子早就失去了意義導(dǎo)致結(jié)果不準(zhǔn)確。另一方面由于葡萄酒的因子與葡萄的因子對葡萄酒質(zhì)量評分影響的權(quán)重是不同的，所以簡單的歸一化處理也會(huì)對結(jié)果造成很大誤差。為得到較為準(zhǔn)確的預(yù)測，那么便需要利用人工智能算法來在算法結(jié)構(gòu)上進(jìn)行優(yōu)化，然而這樣一來便無法得出具體的關(guān)系，所以我們決定將人工智能算法用于以上我們得出的結(jié)論的準(zhǔn)確性的檢驗(yàn)與論述。問題4.2：基于BP人工神經(jīng)網(wǎng)絡(luò)對于結(jié)果的檢驗(yàn)與討論模型優(yōu)勢基于BP神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測模型與傳統(tǒng)模型不同的是：此模型只需以歷史數(shù)據(jù)作為輸入，通過抑制與激活神經(jīng)結(jié)點(diǎn)，自動(dòng)決定影響性能的參數(shù)及影響程度，自動(dòng)形成模型，無需進(jìn)行模型假設(shè)，再加上神經(jīng)網(wǎng)絡(luò)對復(fù)雜的非線性系統(tǒng)具有曲線擬核能力，預(yù)測能力強(qiáng)，所以是合適的對比檢驗(yàn)?zāi)Ｐ汀Ｆ淞鞒虉D如圖10：圖10.神經(jīng)網(wǎng)絡(luò)流程圖我們以紅葡萄酒為例進(jìn)行分析。我們?nèi)?7組紅葡萄酒中的23組作為訓(xùn)練組，以其理化指標(biāo)向量作為輸入端，以可信度較高的第一組打出的總評分為輸出端對其進(jìn)行訓(xùn)練。經(jīng)過反復(fù)訓(xùn)練調(diào)試，我們訓(xùn)練出性質(zhì)如圖11、圖12的一組神經(jīng)網(wǎng)絡(luò)，并且其對于4組檢驗(yàn)數(shù)據(jù),結(jié)果誤差不超過0.02，性質(zhì)較為可靠，可以用于預(yù)測及對于上題結(jié)果準(zhǔn)確性的檢驗(yàn)。圖11.神經(jīng)網(wǎng)絡(luò)訓(xùn)練進(jìn)度圖12.訓(xùn)練時(shí)誤差變化在隨機(jī)產(chǎn)生10組有關(guān)紅葡萄酒理化指標(biāo)的數(shù)據(jù)，求出其根據(jù)問題4.1的方式所得預(yù)測值以及根據(jù)BP人工神經(jīng)網(wǎng)絡(luò)所得出結(jié)果，進(jìn)行比較仍存在較大誤差，可能來源于因子分析將自變量的維度降低產(chǎn)生的誤差，以及擬合時(shí)產(chǎn)生的誤差。但是從BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測的效果來看，在忽略品酒師的個(gè)人偏好差異以及其他等客觀因素如溫度對氣味及口感的影響，可以用葡萄酒的理化指標(biāo)來對葡萄酒的質(zhì)量進(jìn)行評價(jià)，而由于葡萄酒釀造過程不同會(huì)導(dǎo)致由葡萄理化指標(biāo)轉(zhuǎn)化為葡萄酒的理化指標(biāo)的不同，二者不能得到特別準(zhǔn)確的關(guān)系，導(dǎo)致用葡萄的理化指標(biāo)來預(yù)測其所釀葡萄酒的質(zhì)量難度較大，不易實(shí)現(xiàn)。問題4：模型改進(jìn)關(guān)于芳香物質(zhì)的修正葡萄酒的芳香物質(zhì)是具有揮發(fā)性的、能夠產(chǎn)生一定氣味的含香物質(zhì)的總稱。經(jīng)查閱相關(guān)資料得知，葡萄酒的呈香物質(zhì)大約有800多種，這些物質(zhì)不僅氣味各異而且它們之間還通過累加、協(xié)同、分離以及抑制等相互作用，使香氣千變?nèi)f化多種多樣。葡萄和葡萄酒香氣由幾百種揮發(fā)性化合物組成，成分豐富，種類復(fù)雜，而且各組分濃度差別大，從ng/L到mg/L不等，極性和沸點(diǎn)也有較大差別。香氣成分是決定葡萄酒風(fēng)味、質(zhì)量與典型性的主要因素，也是品酒員對葡萄酒進(jìn)行評分的香氣分析指標(biāo)的關(guān)鍵性因素。研究葡萄酒中的芳香物質(zhì)，對優(yōu)質(zhì)葡萄與葡萄酒質(zhì)量評價(jià)系統(tǒng)的建立有重要的理論與實(shí)踐意義。然而在上文對葡萄酒質(zhì)量評價(jià)時(shí)，未考慮芳香物質(zhì)對其的影響，故在次對上述模型做出修正。模型建立通過對芳香物質(zhì)的聚類分析，主要可分為酯、醇、萜烯、酚、縮醛、內(nèi)酯、脂肪酸、單萜醇氧化物等，都是影響香氣的關(guān)鍵因素，為適量簡化模型，一次八類物質(zhì)為例進(jìn)行簡要分析。假設(shè)S表示香氣指標(biāo)，以，……表示此八類物質(zhì)，由于每一類甚至每一種香味對葡萄酒香氣質(zhì)量的貢獻(xiàn)都是不一樣的，，……均為函數(shù)F的自變量；在考慮八類芳香物質(zhì)對香氣的影響時(shí)，設(shè)其他影響因素保持不變，即為常數(shù)Q；由于S是關(guān)于這些變量的函數(shù)，因此可建立數(shù)學(xué)模型如下：S=k*F（，，……，）+Q（*）根據(jù)問題四建立的模型可得知葡萄酒評分M，因?yàn)樵撃Ｐ臀纯紤]芳香物質(zhì)，且以100為滿分，導(dǎo)致所得評分較標(biāo)準(zhǔn)分值較高，在此對葡萄酒的實(shí)際分值做出改進(jìn)。由所給的附件1得知，香氣分析（共30分）是總分（共100分）的一部分，與之成一次線性函數(shù)關(guān)系。又因?yàn)榭偡钟邢銡猓ü?0分）、外觀（共15分）、口感（共44分）、整體評價(jià)（共11分）決定，分別設(shè)為S、U、V、W，各因素在總分中所占比例恒定，因此權(quán)重恒定，分別設(shè)為常數(shù)α、β、γ、δ（0≤α，β，γ，δ≤1），且葡萄酒標(biāo)準(zhǔn)分值設(shè)為Z，建立數(shù)學(xué)模型如下：Z=α*S+β*U+γ*V+δ*W（**）聯(lián)立（*）、（**）可得：Z=α*[k*F（，，……，）+Y]+β*U+γ*V+δ*W（***）問題四中模型所得的葡萄酒實(shí)際分值Y已經(jīng)考慮了外觀、口感、整體評價(jià)，由于芳香物質(zhì)對香氣影響較大，同時(shí)會(huì)影響整體評價(jià)，對外觀、口感則影響甚微，因此忽略次要因素得β、γ為零，（***）可進(jìn)一步簡化為：Z=α*[k*F（，，……，）+Y]+δ*W（****）二次改進(jìn)關(guān)于芳香物質(zhì)的修正模型中假設(shè)了常數(shù)k和Y，因?yàn)橄銡怅P(guān)于函數(shù)F是否成一次線性關(guān)系仍未可知，由于參賽時(shí)間緊迫，我們尚未得出確切的結(jié)論，改進(jìn)模型可從此突破，將k和Y視作變量，再次對問題進(jìn)行深入分析討論。參考文獻(xiàn)[1]何佳，何懼，席雁，徐超，評分者信度的分析方法簡介及比較，醫(yī)學(xué)教育，45（6）：1—2，2007.6。[2]張紅坡，張海峰等，SPSS統(tǒng)計(jì)分析使用寶典，北京：清華大學(xué)出版社，2012。[3]李運(yùn)，李記明，姜忠軍，統(tǒng)計(jì)分析在葡萄酒質(zhì)量評價(jià)中的應(yīng)用，釀酒科技，178：81—82，2009.4。[4]《華夏酒報(bào)》，作者決定釀酒葡萄的五大指標(biāo)，/html/200706/7/20070607171841.htm，2012.9.8。[5]李記明，關(guān)于葡萄品質(zhì)的評價(jià)指標(biāo)，中外葡萄與葡萄酒，1999.1。[6]游玲，王濤，李華蘭，葡萄酒芳香物質(zhì)研究進(jìn)展，四川食品與發(fā)酵，44（2）：1—2，2008.3?；贑8051F單片機(jī)直流電動(dòng)機(jī)反饋控制系統(tǒng)的設(shè)計(jì)與研究基于單片機(jī)的嵌入式Web服務(wù)器的研究MOTOROLA單片機(jī)MC68HC（8）05PV8/A內(nèi)嵌EEPROM的工藝和制程方法及對良率的影響研究基于模糊控制的電阻釬焊單片機(jī)溫度控制系統(tǒng)的研制基于MCS-51系列單片機(jī)的通用控制模塊的研究基于單片機(jī)實(shí)現(xiàn)的供暖系統(tǒng)最佳啟停自校正（STR）調(diào)節(jié)器單片機(jī)控制的二級倒立擺系統(tǒng)的研究基于增強(qiáng)型51系列單片機(jī)的TCP/IP協(xié)議棧的實(shí)現(xiàn)基于單片機(jī)的蓄電池自動(dòng)監(jiān)測系統(tǒng)基于32位嵌入式單片機(jī)系統(tǒng)的圖像采集與處理技術(shù)的研究基于單片機(jī)的作物營養(yǎng)診斷專家系統(tǒng)的研究基于單片機(jī)的交流伺服電機(jī)運(yùn)動(dòng)控制系統(tǒng)研究與開發(fā)基于單片機(jī)的泵管內(nèi)壁硬度測試儀的研制基于單片機(jī)的自動(dòng)找平控制系統(tǒng)研究基于C8051F040單片機(jī)的嵌入式系統(tǒng)開發(fā)基于單片機(jī)的液壓動(dòng)力系統(tǒng)狀態(tài)監(jiān)測儀開發(fā)模糊Smith智能控制方法的研究及其單片機(jī)實(shí)現(xiàn)一種基于單片機(jī)的軸快流CO〈,2〉激光器的手持控制面板的研制基于雙單片機(jī)沖床數(shù)控系統(tǒng)的研究基于CYGNAL單片機(jī)的在線間歇式濁度儀的研制基于單片機(jī)的噴油泵試驗(yàn)臺(tái)控制器的研制基于單片機(jī)的軟起動(dòng)器的研究和設(shè)計(jì)基于單片機(jī)控制的高速快走絲電火花線切割機(jī)床短循環(huán)走絲方式研究基于單片機(jī)的機(jī)電產(chǎn)品控制系統(tǒng)開發(fā)基于PIC單片機(jī)的智能手機(jī)充電器基于單片機(jī)的實(shí)時(shí)內(nèi)核設(shè)計(jì)及其應(yīng)用研究基于單片機(jī)的遠(yuǎn)程抄表系統(tǒng)的設(shè)計(jì)與研究基于單片機(jī)的煙氣二氧化硫濃度檢測儀的研制基于微型光譜儀的單片機(jī)系統(tǒng)單片機(jī)系統(tǒng)軟件構(gòu)件開發(fā)的技術(shù)研究基于單片機(jī)的液體點(diǎn)滴速度自動(dòng)檢測儀的研制基于單片機(jī)系統(tǒng)的多功能溫度測量儀的研制基于PIC單片機(jī)的電能采集終端的設(shè)計(jì)和應(yīng)用基于單片機(jī)的光纖光柵解調(diào)儀的研制氣壓式線性摩擦焊機(jī)單片機(jī)控制系統(tǒng)的研制基于單片機(jī)的數(shù)字磁通門傳感器基于單片機(jī)的旋轉(zhuǎn)變壓器-數(shù)字轉(zhuǎn)換器的研究基于單片機(jī)的光纖Bragg光柵解調(diào)系統(tǒng)的研究單片機(jī)控制的便攜式多功能乳腺治療儀的研制基于C8051F020單片機(jī)的多生理信號檢測儀基于單片機(jī)的電機(jī)運(yùn)動(dòng)控制系統(tǒng)設(shè)計(jì)Pico專用單片機(jī)核的可測性設(shè)計(jì)研究基于MCS-51單片機(jī)的熱量計(jì)基于雙單片機(jī)的智能遙測微型氣象站MCS-51單片機(jī)構(gòu)建機(jī)器人的實(shí)踐研究基于單片機(jī)的輪軌力檢測基于單片機(jī)的GPS定位儀的研究與實(shí)現(xiàn)基于單片機(jī)的電液伺服控制系統(tǒng)用于單片機(jī)系統(tǒng)的MMC卡文件系統(tǒng)研制基于單片機(jī)的時(shí)控和計(jì)數(shù)系統(tǒng)性能優(yōu)化的研究基于單片機(jī)和CPLD的粗光柵位移測量系統(tǒng)研究單片機(jī)控制的后備式方波UPS提升高職學(xué)生單片機(jī)應(yīng)用能力的探究基于單片機(jī)控制的自動(dòng)低頻減載裝置研究基于單片機(jī)控制的水下焊接電源的研究基于單片機(jī)的多通道數(shù)據(jù)采集系統(tǒng)基于uPSD3234單片機(jī)的氚表面污染測量儀的研制基于單片機(jī)的紅外測油儀的研究96系列單片機(jī)仿真器研究與設(shè)計(jì)基于單片機(jī)的單晶金剛石刀具刃磨設(shè)備的數(shù)控改造基于單片機(jī)的溫度智能控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)基于MSP430單片機(jī)的電梯門機(jī)控制器的研制基于單片機(jī)的氣體測漏儀的研究基于三菱M16C/6N系列單片機(jī)的CAN/USB協(xié)議轉(zhuǎn)換器基于單片機(jī)和DSP的變壓器油色譜在線監(jiān)測技術(shù)研究基于單片機(jī)的膛壁溫度報(bào)警系統(tǒng)設(shè)計(jì)基于AVR單片機(jī)的低壓無功補(bǔ)償控制器的設(shè)計(jì)基于單片機(jī)船舶電力推進(jìn)電機(jī)監(jiān)測系統(tǒng)基于單片機(jī)網(wǎng)絡(luò)的振動(dòng)信號的采集系統(tǒng)基于單片機(jī)的大容量數(shù)據(jù)存儲(chǔ)技術(shù)的應(yīng)用研究基于單片機(jī)的疊圖機(jī)研究與教學(xué)方法實(shí)踐基于單片機(jī)嵌入式Web服務(wù)器技術(shù)的研究及實(shí)現(xiàn)基于AT89S52單片機(jī)的通用數(shù)據(jù)采集系統(tǒng)基于單片機(jī)的多道脈沖幅度分析儀研究機(jī)器人旋轉(zhuǎn)電弧傳感角焊縫跟蹤單片機(jī)控制系統(tǒng)基于單片機(jī)的控制系統(tǒng)在PLC虛擬教學(xué)實(shí)驗(yàn)中的應(yīng)用研究基于單片機(jī)系統(tǒng)的網(wǎng)絡(luò)通信研究與應(yīng)用基于PIC16F877單片機(jī)的莫爾斯碼自動(dòng)譯碼系統(tǒng)設(shè)計(jì)與研究HYPERLINK"/deta