葡萄酒评价-范文

Advances in Applied Mathematics 应用数学进展, 2015, 4(4), 376-384

Published Online November 2015 in Hans. https://www.360docs.net/doc/1217319666.html,/journal/aam

https://www.360docs.net/doc/1217319666.html,/10.12677/aam.2015.44047

The Study on Evaluation System of Wine

Based on Data Mining

Sizhe Wang1, Zhigang Wang2*, Yong He2

1Automation Professional Class 1301, School of Information Science and Engineering, Central South University, Changsha Hunan

2College of Information Science and Technology, Hainan University, Haikou Hainan

Received: Nov. 8th, 2015; accepted: Nov. 23rd, 2015; published: Nov. 30th, 2015

This work is licensed under the Creative Commons Attribution International License (CC BY).

https://www.360docs.net/doc/1217319666.html,/licenses/by/4.0/

Abstract

Based on Question A of Mathematical Contest in Modeling for college students in 2012, the empha-sis in this paper is mainly on the establishment of evaluation system of wine based on data mining technology. The wine quality is determined by the score of the wine tasting. We analyze the credi-bility of the liquor score by one-way ANOVA. We classify the wine grape by extracting common factors of some physical and chemical indicators from the wine grape, and by clustering the factor score and wine score. The stepwise regression model is established through the correlation be-tween the physical and chemical indicators and the physical and chemical indicators of wine grapes. By the regression model between the aroma substances and the score of the wine, the key physical and chemical indicators of wine quality will be found. In the end, some shortcomings of current rating system of wine will be pointed out.

Keywords

Evaluation System of the Wine, Data Mining Technology, One-Way ANOVA, Cluster Analysis,

Regression Analysis

基于数据挖掘技术的葡萄酒评价体系研究

王思哲1，王志刚2*，何勇2

1中南大学信息科学与工程学院自动化专业1301班，湖南长沙

2海南大学信息科学技术学院，海南海口

*通讯作者。

王思哲等

收稿日期：2015年11月8日；录用日期：2015年11月23日；发布日期：2015年11月30日

摘要

本文以2012年高教社杯全国大学生数学建模竞赛A题为例，利用数据挖掘技术建立葡萄酒评价体系。葡萄酒质量一般是通过聘请有资质的品酒员进行品尝评分，由于品酒员主观因素导致对酒样品的评分差异悬殊，我们通过方差分析对品酒员评分进行可信性研究；通过提取酿酒葡萄多个理化指标的公共因子，对因子得分和葡萄酒评分进行聚类，将酿酒葡萄进行分级研究；通过对葡萄酒理化指标和酿酒葡萄理化的数据进行相关性分析，利用逐步回归分析模型建立它们之间的依赖关系；利用葡萄酒芳香物质与葡萄酒评分之间的回归模型，找出决定葡萄酒质量的关键理化指标，最后指出现行葡萄酒评分体系的不足。

关键词

葡萄酒评价，数据挖掘技术，方差分析，聚类分析，回归分析

1. 引言

在当今大数据时代，从数据库的挖掘出隐含的、先前未知的并有潜在价值的信息显得十分重要，多元统计方法是数据挖掘技术的关键要素。多元统计分析是处理多维同体观测数据的数学方法，是数理统计学近几十年迅速发展的一个分支，计算机技术的发展为多元统计的方法应用提供了便利的计算工具。多元统计的内容十分丰富，主要包括判别分析、聚类分析、主成分分析、因子分析、回归分析预测方法、方差分析、典型相关分析、时间序列等[1]-[11]。多元统计方法在工业、农业、医学、气象、环境以及经济管理等诸多领域中有着十分广泛的应用。

本文以2012年高教社杯全国大学生数学建模竞赛A题为例，用多元统计序列方法建立葡萄酒评价体系。确定葡萄酒质量时一般是通过聘请一批有资质的品酒员进行品评，每个品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。附件1(见竞赛试题中的附件，本文略，下同)给出了某一年份两组品酒员对两组红葡萄酒和白葡萄酒的评分结果，附件2和附件3分别给出了该年份这些葡萄酒的和酿酒葡萄的成分数据，包括各种理化指标和芳香物质指标数据。

由于品酒员主观因素导致对酒样品的评分差异，我们分别构造以品酒员和酒样品为组别数据序列进行方差分析，通过比较F统计量值评价两组品酒员是否有显著性差异，对品酒员评分进行可信性研究；通过对酿酒葡萄的多个理化指标进行筛选，提取公共因子，并计算因子得分，然后将这些因子得分和葡萄酒评分进行聚类分析，将酿酒葡萄进行分级研究；通过对葡萄酒理化指标和酿酒葡萄理化指标相关性分析，利用逐步回归模型建立它们之间的线性关系；通过葡萄酒理化指标与葡萄酒评分之间的回归模型，建立酿酒葡萄理化指标与葡萄酒质量之间关系，给出决定葡萄酒质量的关键理化指标。

2. 葡萄酒评分的可信性研究

考虑到品酒员之间可能存在个人评酒风格等主观差异因素，导致不同品酒员对同一葡萄酒的评分悬殊，影响葡萄酒质量鉴定，因此，必须对品酒员的评分主观因素进行检验。附件1给出了两组红葡萄酒

王思哲等

品酒员对27个酒样品的评价得分和两组白葡萄酒品酒员对28组酒样品的评价得分。

对于评酒得分的偏差性检验和影响因素的数据挖掘技术，可以通过方差分析来实现。方差分析主要是检验两组品酒员评价结果有无显著性差异，进而判断出哪组评价结果更为可信。评价得分之间的差异可以分为两个部分，一部分是由于各葡萄酒样品之间的差异，称为条件误差，另一部分是各品酒员评酒风格之间的差异，称为试验误差，我们主要目的是分析得分差异是由于葡萄酒样品之间差异，还是由于品酒员主观差异造成的。通过对两组红葡萄酒和两组白葡萄酒评价得分进行正态性检验可以看出都近似服从正态分布，我们分别构造以品酒员和酒样品为组别的数据序列进行方差分析(见表1)。

分析表1数据，基于品酒员和酒样品的显著性差异检验中，除第二组白葡萄酒酒样品差异不显著外，另七组的F统计量都大于基于显著性水平0.01的临界值，表明品酒员评酒风格和酒样品之间的差异都很显著。进一步比较F统计量数值大小，第一组红葡萄酒评分差异主要来源于酒样品之间的差异，第二组红葡萄酒评分差异主要来源于品酒员评分差异；白葡萄酒评分差异主要来源于品酒员评分差异，酒样品之间的差异不很显著。初步可以看出，对于红葡萄酒，第一组品酒员评分更为可信，两组白葡萄酒品酒员评分都不可信，品酒员间的差异过大将导致酒样质量差异的显著性被掩盖，结合实际分析，酒样评价中应尽可能缩小由于品酒员个人风格的原因而导致对同一酒样评价差异较大的情况，应尽可能将酒样之间质量的差异通过评价扩大，提高酒样的可识别度。为此，将原始数据进行处理，原始数据进行处理方法有很多，如标准化处理、聚类处理、收敛区间处理等，我们采用数据标准化处理，降低品酒员之间的主观差异性(见表2)。

Table 1. Wine score variance analysis based on the raw data

表1. 基于原始数据的葡萄酒评分方差分析表

差异源总平方和自由度均方差F统计量F临界值

第一组红葡萄酒品酒员3084.952 9 342.772 3.543 2.484 酒样品14,090.119 26 541.928 9.308 1.837

第二组红葡萄酒品酒员3228.681 9 358.742 9.999 2.484 酒样品4186.830 26 161.032 4.675 1.837

第一组白葡萄酒品酒员17,034.122 9 1892.68 26.830 2.481 酒样品6253.086 27 231.596 1.957 1.818

第二组白葡萄酒品酒员6714.442 9 746.049 19.910 2.481 酒样品2714.811 27 100.549 1.795 1.818

Table 2. Wine score variance analysis based on data standardization

表2.基于数据标准化处理的葡萄酒评分方差分析表

差异源总平方和自由度均方差F统计量F临界值

第一组红葡萄酒品酒员0 9 0 0 2.484 酒样品152.698 26 5.873 13.300 1.837

第二组红葡萄酒品酒员0 9 0 0 2.484 酒样品119.148 26 4.583 7.906 1.837

第一组白葡萄酒品酒员0.196 9 0.022 0.022 2.481 酒样品93.467 27 3.462 4.942 1.818

第二组白葡萄酒品酒员0.006 9 0.001 0.001 2.481 酒样品76.147 27 2.820 3.666 1.818

王思哲等

分析表2数据，对于四组品酒员评价数据序列，用于检验的F统计量值都接近于0，远低于基于显著性水平0.01的F临界值，四组酒样品数据序列的F统计量都大于基于显著性水平0.01的F临界值。从数据层面上分析，对于红葡萄酒，通过数据标准化将品酒员评分差异明显降低，造成葡萄酒评分差异的主要因素是酒样品之间的差异，第一组红葡萄酒样品之间的差异比第二组红葡萄酒之间的差异更为显著，由此，第一组红葡萄酒品酒员评分更为可信，与基于原始数据的评价结果一致。对于白葡萄酒，通过标准化数据处理后品酒员之间的差异明显降低，其中第二组品酒员之间的差异的F统计量为0.001，比第一组更接近0，第一组白葡萄酒样品之间的差异比第二组白葡萄酒之间的差异更为显著，综合可以看出对于白葡萄酒，第二组品酒员评价结果更为可信。

需要指出的是，通过标准化数据处理后，品酒员之间的差异很小，仅凭酒样品的F统计量大小，很难精确表明哪组品酒员评价结果更为可信，综合其它方法进行处理(如置信区间法等)会收到更好的效果。

3. 因子分析法对酿酒葡萄聚类研究

酿酒葡萄的好坏与所酿葡萄酒的质量有直接关系，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，为了进一步研究酿酒葡萄的理化指标对葡萄酒质量的影响程度，需要建立它们之间的关系。附件2提供的酿酒葡萄的一级理化指标30种，经过初步筛选可知，固酸比指标值为可溶性固形物指标与可滴定酸指标之比，可以提出可溶性固形物指标和可滴定酸指标。附件2中存在异常值，例如酿酒葡萄理化指标中白葡萄百粒质量的第三次测量值为2226.1 g，与前两次检测值225.8 g和224.6 g相差很大，为了避免数据异常值对数据分析带来影响，用前两次平均值来代替异常值。由于每种指标数据数值大小和波动幅度不同，为了消除这一因素的影响，对28种理化指标进行标准化处理。

为了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研究，将第一部分得到的葡萄酒评分作为葡萄酒质量的标准，由于酿酒葡萄理化指标较多，全部考虑会比较繁琐，且不同指标之间不是独立的，彼此之间存在一定的相关关系，可以对原始变量进行浓缩，将原始变量的信息重叠部分综合成因子，利用几个综合变量来反应这些指标之间的关系。综合多元统计因子分析思想，将28种指标提取公共因子，并计算因子得分，然后将这些因子得分和葡萄酒评分进行聚类分析，将酿酒葡萄进行分级研究。

利用SPSS19.0求出各变量之间的相关系数矩阵，可以看出，几个变量之间存在强相关性，例如，蛋白质与DPPH自由基(相关系数0.748)，苹果酸与花色苷(0.633)，苹果酸与褐变度(0.644)，总酚与花色苷(0.728)，花色苷与单宁(0.688)等，考虑抽取共同因子，利用主成分分析法、考虑特征值大于或等于1的主成分作为初始因子，抽取8个共同因子。为了使抽取的因子作有效的解释，采用最大变异法对因子进行旋转，并计算因子得分作为变量储存，为下一步对酿酒葡萄进行聚类分析的作好准备。抽取的8个因子对方差的累计贡献率为83.035%，且前3个因子对方差的贡献率分别为18.446%，13.058%和11.097%，能够反应原始变量的大部分信息，效果较好。

由第一部分的分析，对于红葡萄酒，第一组品酒员的评价结果更为可信，利用第一组品酒员对红葡萄酒的评价得分作为对葡萄酒的聚类分级的依据，结合抽取的8个因子得分，利用SPSS19.0中的k-均值Q型聚类方法，如果要将葡萄酒分为4级，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的聚类结果(见表3)。

27种红酒酿酒葡萄样品有13种为优秀等级，有7种为良好等级，有1种为中等等级，有6种为差等级。

白葡萄酒的分析类似，将28种葡萄样品的28种理化指标进行因子分析，抽取公共因子，抽取的9个因子对方差的累计贡献率为80.63%，且前3个因子对方差的贡献率分别为18.770%，17.200%和11.701%，

王思哲等

Table 3. The classification table of red wine grape

表3. 红种酿酒葡萄等级分类表

样本编号 1 2 3 4 5 6 7 8 9

所属等级差良良优差优优差良

样本编号10 11 12 13 14 15 16 17 18

所属等级优中优优差差优良优

样本编号19 20 21 22 23 24 25 26 27

所属等级优优良优良优优差优

能够反应原始变量的大部分信息，并计算因子得分，考虑第二组评分更为可信，结合第二组品酒员的评价得分，进行聚类分级，得到白种酿酒葡萄的聚类结果(见表4)。

28种白种酿酒葡萄样品种有7种为优秀等级，有10种为良好等级，有10种为中等等级，有1种为差等级。

需要指出的是，聚类分析的基本思想是每个样本称为一类，计算类内样本间的距离，将最近的两个类聚为一类，然后再计算新类间的距离，并将最近的两个类聚为一类，如此循环。K均值聚类法最终的分类结果在某种程度上与初始分类有关，由于计算距离的方法很多，为了得到更为精确的分级结果，可以结合最短距离法、重心法、类平均法、可变类平均法、离差平均法等综合考虑。同时，由于酿酒葡萄理化指标较多，如果都作为分类依据计算距离会导致误差加大，抽取公共因子会损失部分信息，对最终的分级造成一定的影响。传统的K-means倾向于将离得近的点分在一类，但是对于子空间相交处，离得近的点并不是同一类的点，所以K-means这种仅仅基于距离的做法在原理上是不符合子空间聚类的，可以结合最新的研究成果，比如稀疏子空间聚类算法、谱多流形聚类算法等会收到好的效果[12] [13]。

4. 酿酒葡萄理化指标与葡萄酒理化指标之间的关系研究

酿酒葡萄的理化指标直接影响葡萄酒的理化指标，它们之间并不是相互影响而是一种因果关系，可以建立每个葡萄酒的理化指标与酿酒葡萄多个理化指标之间的联系来分析酿酒葡萄理化指标对葡萄酒理化指标的影响。考虑到酿酒葡萄理化指标(28种一级指标)和葡萄酒理化指标(红葡萄酒9种，白葡萄酒8种)都较多，且彼此之间存在一定的相关性，样本较少，选取过多的酿酒葡萄理化指标会产生较大的误差，且很难保证模型通过检验。利用多元统计逐步回归思想，通过计算酿酒葡萄的理化指标与葡萄酒的理化指标之间的Person相关系数对酿酒葡萄指标进行筛选，筛选出的酿酒葡萄理化指标与葡萄酒理化指标进行回归分析。表5列出部分红葡萄酒理化指标和酿酒葡萄理化指标相关系数，作为筛选指标的依据(见表5)。

利用SPSS19.0，采用逐步筛选法建立红葡萄酒理化指标和酿酒葡萄理化指标之间的关系，每个回归方程需通过拟合优度检验和回归系数的检验

酒花色苷指标花色苷苹果酸褐变度 (1)

=?+?+?

0.7130.1150.197

其中模型调整后的样本决定系数20.942

R=，模型检验的F统计量值为63.607，表6给出系数检验的t 统计量分别为7.067，1.213和1.926，模型检验通过，三个自变量的容忍度分别为0.457，0.520，0.447，作出残差序列的正态检验的P-P图，残差序列服从正态分布。能反映酒花色苷指标与酿酒葡萄理化指标之间的关系(见表6)。

模型的Durbin-Watson统计量的值为2.853，表明残差序列存在一定程度的负相关，一些与酒花色苷相关的某些酿酒葡萄理化指标没有引进回归方程来；进一步，表7给出了特征根法自变量共线性性诊断表，特征根0.303既能刻画自变量花色苷方差较大部分比例(0.68)，又能刻画自变量褐变度方差较大部分比例(0.80)，因此，这两个自变量存在一定的多重线性性(见表7)。

王思哲等Table 4. The classification table of white wine grape

表4. 白种酿酒葡萄等级分类表

样本编号 1 2 3 4 5 6 7 8 9 10 所属等级优中中良中良良优优中样本编号11 12 13 14 15 16 17 18 19 20 所属等级良中中良中优良良优优样本编号21 22 23 24 25 26 27 28

所属等级良优中中良中差良

Table 5. Correlation coefficient of the standard data of physical and chemical index between the red wine and the wine grape 表5. 基于数据标准化红葡萄酒与酿酒葡萄理化指标之间相关系数

花色苷0.923 0.720 0.774 0.709 0.671

总酚0.613 0.817 0.875 0.883 0.459 0.701

单宁0.661 0.718 0.743 0.701 0.315

DPPH自由基0.567 0.753 0.814 0.764 0.421 0.778 褐变度0.767 0.445 0.443

葡萄总黄酮0.684 0.815 0.823 0.567 0.813

Table 6. Regression coefficient table of Model 1

表6. 模型1回归系数表

Coefficients a,b

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 花色苷0.713 0.101 0.713 7.067 0.000 0.457 2.187 苹果酸0.115 0.095 0.115 1.213 0.237 0.520 1.925 褐变度0.197 0.10

2 0.197 1.926 0.066 0.447 2.240

a. Dependent Variable：花色苷，

b. Linear Regression through the Origin

Table 7. The total linear diagnosis table of independent variable of Model 1 characteristic root method

表7. 模型1特征根法自变量共线性性诊断表

Collinearity Diagnostics a,b

Model Dimension Eigenvalue Condition Index

Variance Proportions

花色苷苹果酸(g/L) 褐变度

1 1 2.315 1.000 0.07 0.07 0.07

2 0.381 2.464 0.25 0.92 0.14

3 0.303 2.763 0.68 0.01 0.80

a. Dependent Variable：花色苷；

b. Linear Regression through the Origin

王思哲等

类似地可以建立其它红葡萄酒理化指标与酿酒葡萄理化指标之间的关系。

0.0870.3710.667DPPH 0.2050.5190.0500.101=

?+?+???+?+???酒单宁指标花色苷褐变度自由基果梗比氨基酸总量总酚蛋白质

(2)

其中20.844R =，模型检验的F 统计量值为21.810。

0.428 1.046DPPH 0.3130.3810.323=?+???+???酒总酚褐变度自由基果梗比氨基酸总量蛋白质 (3)

其中20.890R =，模型检验的F 统计量值为44.743。

0.2170.147DPPH 0.1740.747=?+???+?酒总黄酮褐变度自由基果梗比总酚 (4)

其中20.784R =，模型检验的F 统计量值为25.462。

0.6290.8000.885DPPH 1.2710.424=???+???+?酒白藜芦醇花色苷苹果酸自由基蛋白质酒石酸 (5)

其中20.689R =，模型检验的F 统计量值为12.927。

DPPH 0.3971.082DPPH 0.3870.4580.369=?+???+???酒半抑制体积褐变度自由基果梗比氨基酸总量

蛋白质

(6)

其中20.885R =，模型检验的F 统计量值为42.593。

()L 0.6040.3550.2340.184=??+?????酒色泽花色苷果皮颜色红绿黄酮醇酒石酸 (7)

其中20.862R =，模型检验的F 统计量值为43.197。

a 0.3690.5870.352=??+?+?酒色泽苹果酸还原糖酒石酸 (8)

其中20.562R =，模型检验的F 统计量值为12.534。

()b 5110.1570.712=??????酒色泽花色苷苹果酸果皮颜色红绿 (9)

其中20.608R =，模型检验的F 统计量值为14.961。

需要指出的是，上述建立的回归方程残差序列存在一定的自相关性，回归模型存在误差，为了得到更精确的回归方程，可以将残差序列用ARMA 模型自回归研究，提取自相关部分信息，也可以通过因子分析法抽取共同因子建立回归方程，但这时不能很好地直观地反应葡萄酒理化指标和酿酒葡萄理化指标之间的相关关系，不宜采用。

同样可以建立白葡萄酒理化指标与酿酒葡萄理化指标之间的关系式，限于篇幅，不再一一说明。

5. 酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响研究

由于葡萄酒理化指标与酿酒葡萄的理化指标之间存在高度的相关性，葡萄酒理化指标是影响葡萄酒质量的最直接因素，酿酒葡萄理化指标是通过葡萄酒理化指标间接影响葡萄酒质量的。因此，建立葡萄酒质量与葡萄酒理化指标之间的函数关系式，分析葡萄酒理化指标是否对葡萄酒质量有一定的影响。

从前面的分析我们知道，对于红葡萄酒，第一组品酒员的评价结果更为可信，我们采用第一组品酒员的得分作为红葡萄酒的质量评分，将数据标准化，利用SPSS19.0，采用逐步筛选法，删除系数不显著变量，建立葡萄酒质量与葡萄酒理化指标之间的函数关系。

0.504=?红葡萄酒得分白藜芦醇 (10)

其中模型的样本决定系数20.225R =，模型检验的F 统计量为8.846。从模型可以看出，红葡萄酒的理化指标不能很好地反应葡萄酒的质量，由于酿酒葡萄的理化指标与葡萄酒的理化指标之间的高度相关性，可以看出酿酒葡萄的理化指标对葡萄酒质量的影响程度与葡萄酒的理化指标对葡萄酒质量的影响程度基

王思哲等

本一致。

通过查阅相关资料，葡萄酒的芳香物质对酿葡萄酒气味、口感等方面有很大的影响，可以通过酿酒葡萄或葡萄酒的芳香物质来评价葡萄酒的质量。在分析芳香物质对葡萄酒质量的影响时，我们将葡萄酒的评价指标分为外观分析、口感分析、香气分析和整体评价，芳香物质主要影响葡萄酒的香气和口感，根据附件的评价体系，香气分析和口感分析占比例为74%，因此利用葡萄酒的芳香物质来评价葡萄酒质量是可行的。考虑到葡萄酒的芳香物质众多，并且有的芳香物质之间存在相关关系，通过建立芳香物质之间的相关矩阵，筛选出评价葡萄酒质量的芳香物质，并将数据进行标准化处理，建立葡萄酒质量与芳香物质之间的函数关系。

0.479 2.2401.4520.1820.2383,7 3.1234-=???????+?+??红葡萄酒得分乙醇柠檬烯正十三烷辛酸甲酯

二甲基反式葵烯酸乙酯

(11)

模型的样本决定系数20.998R =，模型检验的F 统计量为561.264。系数能通过检验，表明红葡萄酒评分和芳香物质之间存在一定的关系，红葡萄酒的感官指标可以在一定程度上通过酿酒葡萄和芳香物质来评价。

白葡萄酒得分与芳香物质之间回归方程的样本决定系数都很低，且系数不能通过检验，表明白葡萄酒指标和芳香物质不能拟合葡萄酒的质量。主要原因除回归方法自身缺陷外，葡萄酒的质量评分存在一定的主观性和经验性，评分的高低不一定能反应葡萄酒质量的好坏。同时表明白葡萄酒评分制度的不完善，或者白葡萄酒评分员的评分精度没有红葡萄酒高，需要建立更加完善的白葡萄酒评分体系，提高白葡萄酒品酒员的品酒水平。主要原因是在葡萄酒市场中，红葡萄酒占有份额为95%，品酒员评分经验都占有绝对优势，随着白葡萄酒市场份额的增加和白葡萄酒品酒员素质的提高，相信在不久的将来，白葡萄酒评分会更加真实和可信，能更好地反应与葡萄酒芳香物质的关系。

6. 结论

本文的主要工作是利用数据挖掘技术建立葡萄酒评价体系。通过方差分析对品酒员评分进行可信性研究，消除因品酒员主观因素对酒质量造成的影响；通过提取酿酒葡萄多个理化指标的公共因子，对因子得分和葡萄酒评分进行聚类，将酿酒葡萄进行分级研究；通过对葡萄酒理化指标和酿酒葡萄理化指标相关性分析，利用逐步回归模型建立它们之间的依赖关系；利用葡萄酒芳香物质与葡萄酒评分之间的回归模型，找出决定葡萄酒质量的关键理化指标，同时指出现行葡萄酒评分体系的不足并提出改进方案。

基金项目

海南省自然科学基金项目(20151002)、海南省中西部高校提升综合实力工作资金项目和海南大学教育教学改革研究项目(hdjy1639)资助。

参考文献 (References)

[1] 吴孟达, 成礼智, 等. 数学建模教程[M]. 北京: 高等教育出版社, 2008. [2] 陈光亭, 裘哲勇, 主编. 数学建模[M]. 北京: 高等教育出版社, 2010. [3] 杨小平. 统计方法与SPSS 应用教程[M]. 北京: 清华大学出版社, 2008. [4] 姜启源, 谢金星, 叶俊. 数学模型[M]. 北京: 高等教育出版社, 2003. [5] 高新波. 模糊聚类分析及其应用[M]. 西安: 西安电子科技大学出版社, 2004. [6] 朱道元, 吴诚鸥, 秦伟良. 多元统计与软件SAS[M]. 南京: 东南大学出版社, 2003. [7] 汪晓银, 邹庭荣. 数学软件与数学实验[M]. 北京: 科学出版社, 2008.

王思哲等

[8]王志刚. 应用随机过程[M]. 合肥: 中国科学技术大学出版社, 2009.

[9]欧宜贵. 数学实验[M]. 合肥: 中国科学技术大学出版社, 2012.

[10]潘伟, 王志刚. 概率论与数理统计[M]. 北京: 高等教育出版社, 2010.

[11]符一平, 王志刚. 基于ARCH模型对上证综指的实证研究[J]. 应用数学进展, 2015, 4(2): 124-128.

[12]Tang, K.W., Liu, R.S., Su, Z.X. and Zhang, J. (2014) Structure-Constrained Low-Rank Representation. IEEE Transac-

tions on Neural Networks and Learning Systems, 25, 2167-2179.https://www.360docs.net/doc/1217319666.html,/10.1109/TNNLS.2014.2306063

[13]Elhamifar, E. and Vidal, R. (2013) Sparse Subspace Clustering: Algorithm, Theory, and Applications. IEEE Transac-

tions on Pattern Analysis and Machine Intelligence, 35, 2765-2781.https://www.360docs.net/doc/1217319666.html,/10.1109/TPAMI.2013.57

葡萄酒的评价完整版

2012高教社杯全国大学生数学建模竞赛承诺书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。我们参赛选择的题号是（从A/B/C/D中选择一项填写）：我们的参赛报名号为（如果赛区设置报名号的话）：所属学校（请填写完整的全名）：参赛队员(打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人(打印并签名)：日期： 2012 年 9 月 10 日赛区评阅编号（由赛区组委会评阅前进行编号）：

2012高教社杯全国大学生数学建模竞赛编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：全国评阅编号（由全国组委会评阅前进行编号）：

葡萄酒的评价方法研究摘要在本文中，我们分析葡萄酒和酿酒葡萄的理化指标与所酿的葡萄酒的质量之间的关系，研究能否用葡萄和葡萄酒的理化指标评价葡萄酒的质量。针对问题一，本文分析了所给附件1中两组评酒员对不同葡萄酒样品的评价结果，运用方差分析法来分析两组评价结果差异的显着性。在显着性水平取为0.05的情况下，发现两组评价结果的均值和方差均满足齐性，即两组评酒员的评价结果没有显着性差异。因无显着差异，本文把两组评酒员的评分的总均值作为葡萄酒评分的期望值，计算两组评酒员对于各酒样品评分的方差并求和，结果显示第二组的总方差明显小于第一组，即其评分稳定性更高，得出第二组的评价结果更可信。针对问题二，本文借助问题一中第二组的评价结果，将葡萄酒的质量数量化。运用主成分分析方法，得出酿酒葡萄的主要理化指标，在此基础上运用相关性分析法，分析了酿酒葡萄的主要理化指标和葡萄酒质量的相关程度，将酿酒葡萄的主要理化指标的加权平均值作为葡萄分级的标准，其中权重取为理化指标的相关系数。把各葡萄样品的主要理化指标代入表达式，得到最终加权平均值，对其划分级别，并作为葡萄的级别。结果显示红葡萄样品集中在第2,3,4级，而白葡萄大多数集中在第2级（级别数值越小代表葡萄质量越好）。针对问题三，本文依据问题二中所得的酿酒葡萄的主要理化指标，运用相关性分析法，分析了葡萄酒的理化指标与酿酒葡萄的主要理化指标之间的相关程度，我们得到的主要结论为：红葡萄酒中的花色苷与酿酒葡萄中的DPPH自由基、褐变度显着相关，与酿酒葡萄的出汁率、槲皮素、柠檬酸低度相关，与酿酒葡萄的其他主要理化指标微弱相关；白葡萄酒中的单宁与酿酒葡萄的DPPH自由基、葡萄总黄酮、谷氨酸、异亮氨酸低度相关，与酿酒葡萄的其他主要理化指标微弱相关。针对问题四，考虑到除葡萄与葡萄酒的理化指标外，葡萄与葡萄酒的芳香物质可能对葡萄质量也会造成影响。首先，运用主成分分析法，得出芳香物质中的主要成分，并借助问题二中所得的酿酒葡萄的主要理化指标，运用相关性分析法，综合分析了葡萄酒质量受酿酒葡萄和葡萄酒的理化指标、酿酒葡萄和葡萄酒中的芳香物质的影响程度。根据所得结果，取与葡萄酒质量关联程度较大的因素作为自变量，以葡萄酒质量作为因变量，运用多元线性回归模型建立相应的函数关系。通过上述定性与定量分析，说明葡萄酒的质量受葡萄和葡萄酒中芳香物质的影响，因此不能仅以葡萄和葡萄酒的理化指标判别葡萄酒的质量。以上结果具有较高的可靠性和可行性，对于葡萄酒的评价具有一定的指导意义。关键词：葡萄酒质量理化指标方差分析主成分分析多元线性回归相关性分析一：问题重述

葡萄酒行业市场分析报告

葡萄酒行业市场分析报告 LEKIBM standardization office【IBM5AB- LEKIBMK08- LEKIBM2C】

1990 1385 1991 136 1992 1993 1994 2233 1995 1996 1997 2. 酿酒葡萄种植面积、酿酒葡萄产量和葡萄酒产量见下表：年度葡萄种植面积（万亩）葡萄产量（万吨）葡萄酒产量（万吨） 1990 1991

1992 1993 1994 1995 1996 1997 1998 250 225 1999 / /

2000 / / 30 2010 / / 80（预计）注：1公顷=15亩 3. 中国的酿酒葡萄大致分布在以下九个产区：东北产区、渤海湾产区、沙城产区、清徐产区、银川产区、吐鲁番盆地、黄河故道产区、云南高原产区和武威产区。其中年产葡萄酒超过1万吨的6各省市分别为：山东、河北、天津、北京、安徽和河南，这6各省市的葡萄酒产量能够占到中国葡萄酒总产量的80%。 2001年中国葡萄酒行业主要经济指标完成情况省份产量（万吨）销售收入（亿元）利税总额（亿元）山东河北天津

葡萄酒评价指标

葡萄酒评价指标区分好坏葡萄酒没有具体的绝对的量化标准，目前权威的葡萄酒评分系统主要是美国著名的葡萄酒评论家罗伯特·帕克，帕克推崇的是葡萄酒100分制评分体系；以及大家俗称的3W1D也是世界葡萄酒评分系统中的权威。帕克的100分制给葡萄酒的打分范围是50-100，基于以下四个因素：外观，香气，风味，总体质量或潜力。帕克将葡萄酒分成四个档次(从50-100分)，具体的打分体系如下： 96-100 Extraordinary 经典：顶级葡萄酒。 90-95 Outstanding 优秀：具有高级品味特征和口感的葡萄酒。 80-89 Above average 优良：口感纯正、制作优良的葡萄酒。 70-79 Average 一般：略有瑕疵，但口感无尚大碍的葡萄酒。 60-69 Below average 低于一般：不值得推荐 50-59 Unacceptable 次品一般帕克的评分系统会给每一款酒一个基础的分数（50分）。在50分的基础上，按酒的质量特点加分。酒的颜色和外观值5分，好的葡萄酒的外观应该澄亮透明（深颜色的酒可以不透明），有光泽，其颜色与酒的名称相符，色泽自然、悦目。然后，酒香值15分，取决于香气的浓度、复杂度和纯粹感，香气应该是葡萄的果香（比如赤霞珠的黑醋栗香气、黑比诺的樱桃香气、霞多丽的热带水果香气）、发酵的酒香、陈酿的醇香（橡木桶陈酿及瓶内陈酿组成的香气，主要包括花香、果香、辛香料香、动物香、矿物香、动物香、焙烤香等香气类型），这些香气应该平衡、协调、融为一体，香气幽雅，令人愉快；酒的口感和后味值20分，好的葡萄酒其口感应该是舒畅愉悦的，各种香味应细腻、柔和，酒体丰满完整，有层次感和结构感，果味、单宁、酒精、酸度、甘油、糖分均衡，余味绵长；最后，酒的总体质量水平或者演化进步的潜力，也就是说陈化的潜力，值10分。 3W指WA、WS、WE WA是《葡萄酒倡导家》杂志Wine Advocate journal 即罗伯特·帕克的评分 WS是《葡萄酒观察家》Wine Spectator magazine杂志，该杂志同样为美国最具影响力的杂志之一，同样倡导百分制，基本思路与帕克类似，但《葡萄酒观察家》拥有众多的优秀评酒师，通过蒙瓶试酒，多方面综合结果，所以评分相对较中立。分数解释 96-100 经典的，绝佳的

有关葡萄酒评价的数学建模论文

葡萄酒的评价摘要本文主要采用数学统计与分析方法，利用EXCEL,MATLAB等工具解决了有关葡萄酒质量评价的一系列问题。关于问题一，分析判断两组评酒员评价结果有无显著性差异及哪组结果更可信。首先我们采用t-检验法，根据T值判断差异的显著性，代入数据后求得 P T t 双尾=0.00065<0.01，即两组评价结果差异性显著。然后将第一组10位() 评酒员对于酒样品所给评分的方差值与第二组10位评酒员对于酒样品所给评分的方差值做比较，得出第一组的方差较大，所以认为第一组评酒员打分较为严格，即更可信。关于问题二，在不确定酿酒葡萄的理化指标和葡萄酒的质量之间的关系的情况下，运用主成分分析法粪别根据酿酒葡萄的理化指标和葡萄酒的质量对酿酒葡萄进行了分级，将红葡萄、白葡萄各分成了优质、较好、一般、劣质四个等级，结果详见表5.2.1至表5.2.4。关于问题三，采用回归分析法，计算出酿酒葡萄与葡萄酒所共有的理化指标之间的相关系数，结果详见表5.3.1和表5.3.2，其相关系数的绝对值越大表示联系程度越紧密。关于问题四，首先根据问题三的结果可知酿酒葡萄与葡萄酒的理化指标之间的联系，将分析过程简化为只考虑葡萄酒的理化指标对葡萄酒质量的影响。然后查阅资料结合附表1，总结出口感和外观为葡萄酒质量的决定因素，而总酚、色泽、花色苷这三个理化指标为主要影响葡萄酒质量的因素。最后结合附件3，发现芳香物质对葡萄酒质量也有影响，否定了用葡萄和葡萄酒的理化指标来评价葡萄酒的质量的可行性。关键词：葡萄酒质量的评价EXCEL MATLAB 、主成分分析相关系数T-检验

1.问题重述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。附件1给出了某一年份一些葡萄酒的评价结果，附件2和附件3分别给出了该年份这些葡萄酒的和酿酒葡萄的成分数据。请尝试建立数学模型讨论下列问题： 1. 分析附件1中两组评酒员的评价结果有无显著性差异，哪一组结果更可信？ 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。 3. 分析酿酒葡萄与葡萄酒的理化指标之间的联系。 4．分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量？ 2.问题分析问题一要分析两组评酒员的评价结果有无显著性差异并判断哪一组结果更可信。由于题目中有数据缺失和错误数据，我们采用曲线拟合处理这一问题。因为所给数据是小样本，总体标准差未知的正态分布资料，因此采用T检验，根据所求得的P值判断两个平均数的差异是否显著。然后将第一组10位评酒员对于酒样品所给评分的方差值与第二组10位评酒员对于酒样品所给评分的方差值做比较，方差大的一组则说明其打分较为严格，即说明他们对待评酒较为认真，从而认为其较为可信。问题二要求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。考虑到不清楚葡萄酒的理化指标与葡萄酒的质量之间的关系，所以分为两种情况进行分组分析。首先根据酿酒葡萄的理化指标,采用主成分分析法给酿酒葡萄综合评分并排序，根据综合评分的排序结果对酿酒葡萄样品分级；然后将问题一所得出的较为可信的一组酒样品的评分作为葡萄酒的质量并以此分级，此即为各葡萄酒样品对应的酿酒葡萄样品的另一种分级情况。问题三要求分析酿酒葡萄与葡萄酒理化指标之间的联系，即要求得出它们各项理化指标之间联系的紧密程度，所以采用回归分析的方法计算它们的各理化指标的相关系数，然后以相关系数的绝对值大小表示它们之间联系的紧密程度。问题四要求探究酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并判断用葡萄和葡萄酒的理化指标来评价葡萄酒的质量的可行性。考虑到问题三已经得出酿酒葡萄和葡萄酒理化指标之间的联系，且葡萄酒的理化指标相对较少，因此选择分析葡萄酒的理化指标对葡萄酒质量的影响。可以通过前面的结果，得出葡萄酒的理化指标对葡萄酒产生影响的几个主要因素，再依据这几个因素结合葡萄酒质量排序，便可以得出这几个因素对葡萄酒质量的影响。第二小问将附表3中的芳香物质考虑进来，判断其对葡萄酒质量是否有影响，从而论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。

葡萄酒行业市场分析报告

葡萄酒行业市场分析报告（2004年7月）目录：１、行业整体运行情况２、葡萄酒行业产品分析３、葡萄酒行业品牌分析４、葡萄酒行业新品分析５、葡萄酒行业促销分析６、葡萄酒行业热点分析７、葡萄酒区域市场分析８、葡萄酒市场下月预测一、行业整体运行概述 7月葡萄酒市场和火爆的饮料和乳品市场相比略显沉默。但在这个承上启下的时间，任何一个葡萄酒企业都没有放松。关税下调后，洋葡萄酒来势汹汹，放下尊贵的身段和国产葡萄酒争夺中低档市场。而国产品牌则在中低档市场苦苦支撑的同时，将重点放在了高档产品的开发上。传播葡萄酒消费理念成为企业的共同选择，他们知道，只有市场培育起来了，才有行业的发展。虽然本月新品很少，但有着向保健方向发展的趋势。本月价格变动不大，主要是因为此时企业多处在休整期，维持现有的市场占有率是绝大部分企业的选择。下月开始，葡萄酒进入销售预热期，市场可能有较大变化。二、葡萄酒行业产品分析 1、价格行情分析糖酒快讯市场分析中心对广州、成都、郑州、长沙、武汉、南京、沈阳、济南、北京、上海等10个城市的10个葡萄酒品牌进行了调查，调查的10个

城市中，有60%的城市的葡萄酒价格有波动，它们分别是：北京（5个）、广州（3个）、长沙（2个）、南京（2个）、沈阳（2个）、济南（1个）；40%的城市的葡萄酒价格没有波动，它们是成都、郑州、武汉和上海。调查数据显示：7月葡萄酒价格在华中地区总体波动不大，在华北和华东地区波动相对较强烈。以下是具体调查情况的图表分析：注： ①商品采样原则，根据品牌在不同销售点出现的重复次数取样，重复次数多的采为样本 ②样本价格确定原则，不同零售点零售价格的加权平均数 ③表中“/”处表明在该地区未将该品牌作为取样样本 ④抽样城市：广州、成都、郑州、长沙、武汉、南京、沈阳、济南、北京、上海等十个城市

(精编)葡萄酒质量的评价

2012高教社杯全国大学生数学建模竞赛承诺书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。我们知道，抄袭别人的成果是违反竞赛规则的,如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A （隐去论文作者相关信息）日期：2012 年9 月10 日赛区评阅编号（由赛区组委会评阅前进行编号）： 2012高教社杯全国大学生数学建模竞赛编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：赛区评阅记录（可供赛区评阅时使用）：评

阅人 ,,,,,,,,,, 评分 ,,,,,,,,,, 备注 ,,,,,,,,,, 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：

葡萄酒质量的评价摘要葡萄酒质量的好坏主要依赖于评酒员的感观评价，由于人为主观因素的影响，对于酒质量的评价总会存在随机差异，为此找到一种简单有效的客观方法来评酒，就显得尤为重要了。本文通过研究酿酒葡萄的好坏与所酿葡萄酒的质量的关系，以及葡萄酒和酿酒葡萄检测的理化指标的关系，以及葡萄酒理化指标与葡萄酒质量的关系，旨在通过客观数据建立数学模型，用客观有效的方法来评价葡萄酒质量。首先，采用双因子可重复方差分析方法，对红、白葡萄酒评分结果分别进行检验，利用Matlab软件得到样品酒各个分析结果，结合数据分析，发现对于红葡酒有的评价结果存在显著性差异，对于白葡萄酒只有53%的评价结果存在显著性差异。通过比较可知，两组评酒员对红葡萄酒的评分结果更具有显著性差异，而对于白葡萄酒的评分，评价差异性较为不明显。为了评价两组结果的可信度，借助Alpha模型用克伦巴赫系数衡量，并结合检验，得出红葡萄酒第一组评酒员的评价结果可信度更高，而对白葡萄酒的品尝评分，第二组评酒员的评价结果可信度更高。综合来看，主观因素对葡萄酒质量的评价具有不确定性。结合已分析出的两组品酒师可靠性结果，对葡萄酒的理化指标进行加权平均，最终得出十位品酒师对样品酒的综合评价得分。将每一样品酒的综合得分与其所对应酿酒葡萄的理化指标（一级指标）共同构成一个数据矩阵，采用聚类分析法，利用SPSS软件对葡萄酒样进行分类，根据分类的结果以及各葡萄样品酒综合得分最终将酿酒葡萄分为A（优质）、B（良好）、C（中等）、D（差）四个等级，客观地反映了酿酒葡萄的理化指标与葡萄酒质量之间的联系。为了分析酿酒葡萄与葡萄酒理化指标之间的联系，采用相关分析法，能有效地反映

葡萄酒生产工艺论文

摘要：本文主要论述了干红葡萄酒生产技术及关键点控制，干红葡萄酒的生产关键点主要有：优选原料、严格控制工艺条件、防止金属污染和做好澄清处理，根据质量确定技术方案。关键词：干红葡萄酒工艺控制前言世界生产葡萄酒的历史已有5000多年，在我国也有2000多年的历史了。但由于受经济、酒文化、生活习惯、饮食习惯等多方面的影响，葡萄酒工业生产经历了几起几落的考验，直至二十世纪九十年代后期才开始进入较为正规生产轨道。葡萄酒的种类很多，风格各异，按照不同的方法可以将葡萄酒分为若干类。我们谈到的干红葡萄酒和干白葡萄酒。虽然葡萄酒的种类很多，风格，口味各异，但其主要生产工艺和主要成分却大致相同。葡萄酒的生产酿造，离不开葡萄原料，酿酒设备及酿造葡萄酒的工艺技术，三者缺一不可。要酿造好的葡萄酒，首先要有好的葡萄原料，葡萄原料奠定了葡萄酒质量的物质基础。葡萄酒质量的好坏，主要取决于葡萄原料的质量，因为不同的葡萄品种达到生理成热以后，具有不同的香型，不同的糖酸比。其次要有符合工艺要求的酿酒设备，第三要有科学合理的工艺技术。原料和设备是硬件，工艺技术是软件。在硬件规定的前提下，产品质量的差异就只能取决于酿造葡萄酒的工艺技术和严格的质量控制。 1.葡萄酒的起源关于葡萄酒的起源，众说纷纭，有的说，起源于古埃及，或古希腊，抑或希腊克里特岛（clete）。而据现有的葡萄酒档案资料来研究分析，确切的说，应是一万年前我们共同的祖先酿造了葡萄酒，从而随着葡萄酒文化流传到今天。据史料表明，葡萄栽培和酿造技术，是随着旅行者和新疆的疆土征服者，从小亚西亚（AalaMinon）和埃及，在到达希腊及其诸海岛之前，先流传到希腊的克里特岛，再经意大利的西西里岛，北非的利比亚和意大利，从海上到达法国濒临地中海东南的瓦尔省（Var）境内靠海的普罗旺斯地区和西班牙沿海地区；与此同时，通过陆路，由欧洲的多瑙河河谷进入中欧诸国。 1.1 据考古记载在古埃及，特别在尼罗河河谷地带，从发掘的墓葬群中，考古学家发现一种底部小圆，肚粗圆，上部颈口大的盛液体的土罐陪葬品；经考证，这是古埃及人用来装葡萄酒或油的土陶罐；在古希腊，在考古发掘中，在一座墓穴里，发现墓壁上有一幅公元前二世纪的浮雕；希腊阿波罗（Apollon）和胜利女神（Vlctolre）共向造物主（God）贡献葡萄的景观；在埃及十八代王朝时期的那黑特（Nakht）古墓中，发掘出一幅壁面（

中国葡萄酒市场调查分析报告总结.docx

关于中国进口红酒的市场调查分析报告一、调查背景随着国外葡萄酒市场的持续低迷，中国市场已成为世界各葡萄酒产国的避风港。作为当前葡萄酒消费量增长最强劲的中国，市场现状与未来趋势到底如何? 伴随着国外市场的低迷而中国却在加入WTO之后，随着葡萄酒进口关税税率从 65%一路降至 14%(瓶装)和 20%(散装 ) ，进口葡萄酒在中国的机会开始大幅显现。越来越多的国外葡萄酒如潮水般涌入国内市场，进口量持续高速增长。数千个品牌，几十个品种，以及新旧世界葡萄酒的不同分级方法让消费者眼花缭乱。各国外葡萄酒企业及其中国的合作伙伴们均使出浑身解数，力图在中国这个当前全球最大的新兴葡萄酒市场上尽可能多的分得一杯羹，把握住这个难得的机遇。二、市场分析 1、红酒市场目前的容量分析 (1)、目前消费在认知度分析 A、中国葡萄酒文化相对世界相比很薄弱，属于有历史

无文化的情况。中国的葡萄酒文化营销处于初级阶段，既学习和接受欧美的葡萄酒文化。大部分消费者通过影视剧，广告片和网络了解红酒认识红酒。但深层次的红酒文化教育仍然十分缺乏。导致大多数消费者仍处于“乱喝” B、“没有文化，葡萄酒就是昂贵的饮料”。 (2)、与世界消费认知的差距 A、我国目前的葡萄酒产业仍处在培育期。目前人均消费 0.61 升，城镇人均消费葡萄酒 1.1 升。与世界人均 6升多的消费量差距很大。从国内饮料酒的消费结构看，葡萄酒也仅占酒类年消费总量的 1.6%。 B、在饮用上，中国人完全省略了观、晃、闻、品的步骤，一口一杯还觉着不过瘾 C、我国葡萄酒的消费水平低原因有两个方面：一是引入时间短，二是居民收入低 (2)、进口红酒的市场成熟度与容量分析 A、从 04 年至 09 年的 6 年中，瓶装进口葡萄酒总量连续多年保持了高速增长态势。据海关最新统计数据显示，2009 年全国瓶装酒进口葡萄酒总量达到了创纪录的84360 吨，比 2008 年的 55500 吨新增 28860 吨，增长比率为 52%，比 2007 年的 48815 吨增长 72.8%，比2004 年的 7080 吨增长了 10 倍多。2009 年葡萄酒进口

2012数学建模A葡萄酒的评价

承诺书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A 我们的参赛报名号为（如果赛区设置报名号的话）：所属学校（请填写完整的全名）：参赛队员(打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人(打印并签名)：日期： 2012 年 9 月 7 日赛区评阅编号（由赛区组委会评阅前进行编号）：

编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：

葡萄酒的评价摘要目前，葡萄酒备受大家的青睐，其质量也日益受到人们的关注。葡萄酒的质量与酿酒葡萄的好坏有直接关系，葡萄酒和酿酒葡萄的理化指标会在一定程度上反应葡萄酒和酿酒葡萄的质量。对于问题1，我们采用方差分析的方法建模解决。基本思路是：对两组评酒员的评价结果进行单因素方差分析，然后再用F检验对得出的结果进行进一步验证，得出两组评酒员的评价结果无显著性差异，通过比较两组评酒员评价结果的方差值，得出第二组的结果更可信。对于问题2，我们采用主成分分析方法，建立综合评价模型，对酿酒葡萄进行分级。基本思路是运用因子分析的方法，以特征值大于1为标准，得出酿酒葡萄理化指标的8 种主成分，在此基础上把综合因子作为一项排名指标，结合问题1得出的葡萄酒的质量，对酿酒葡萄进行排名，用两种排名的名次之和作为对酿酒葡萄分级的主要依据。此方法消除了主观加权的盲目性，保证了分级的客观性；避免了两个指标中因某一指标数值上远远大于另一指标而使另一指标对排名起不到作用的现象的发生。最终将酿酒葡萄分为了Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ五个等级。对于问题3，我们对酿酒葡萄和葡萄酒的理化指标中具有可比性的同类指标一一对比，经相关性检验得到他们具有显著的线性相关性，进而用线性回归的方法得出回归方程，找到酿酒葡萄和葡萄酒的理化指标之间的联系。对于问题4，先将酿酒葡萄和葡萄酒的量化指标进行无量纲化处理，用F检验验证两组值的相似程度为1，得出酿酒葡萄和葡萄酒的理化指标会对葡萄酒质量产生影响，所以可以用葡萄和葡萄酒的理化指标来评判葡萄酒的质量。文章最后对论文的优缺点做了评价，并给出了一些改进方向，以利于在实际中应用和推广。关键词：方差分析；因子分析；主成分分析法；线性回归分析；SPSS软件；F检验

葡萄酒的评价优秀论文

题目葡萄酒的评价摘要近年来，我国掀起了一场葡萄酒热，对葡萄酒的需求与日俱增，特别是随着食品科学技术的发展，人们不再满足传统感官评价葡萄酒的水平，如何运用数据资料定量研究葡萄酒的品质，加快建立葡萄酒市场指标规则成为人们关注的焦点。随着经济的高速发展，葡萄酒作为一种跨国际的交流饮品越来越受欢迎，大量的古籍表明，中国是世界葡萄的起源中心，所以也很有可能是葡萄酒的起源国家。早在我国文化巨著诗经中，就有元代的酒，比起前代来要丰富得多。红葡萄酒十分常见，而对应的白葡萄酒，能使人精神焕发，心身舒泰，当然还能解渴，使人陶然而醉。白葡萄酒往往比红葡萄酒更具异香之质，而酿造能让它的芳香更上层楼。白葡萄酒往往不像红葡萄酒那样贮藏愈久愈好，而能发展其复合性，在瓶中渐渐演化、增加风味的白葡萄酒就更少了。本文对影响葡萄酒品酒员对葡萄酒质量评价的因素进行分析，建立数学模型。问题一根据层次分析法对品酒员自己的嗅觉、味觉以及品酒场所和心情因素分析影响葡萄酒品酒员品酒好坏的因素并对这些因素进行排序。通过建立层次分析，然后构造判断矩阵同时赋值的方法，用matlab求出该矩阵最大特征值及此特征值对应的特征向量对u进行归一化处理，得出权重系数向量，对权重系数向量进行一致性检验。问题二要求研究两组品酒员的评价结果有无显著性差异，这便可通过葡萄酒品尝评分表中第一组和二组白葡萄酒和红葡萄酒进行分析比较，每组都十人，从酒的外观分析(澄清度、色调)，香气分析（纯正度、浓度、质量），口感分析（纯正度、浓度、持久性、质量），最后得出酒样的整体评价，由于数据量大，涉及因素多，我们无法甄别，本文用spass软件进行分析，求出每位评酒员对每种葡萄酒样品的各项指标的均值，通过对各项指标的离散系数进行分析。通过一致性检验的方法得出两组具有显著性差异，得出结论第一组更可信。关键词层次分析法一致性检验matlab s p a s s

中国葡萄酒行业市场分析报告

中国葡萄酒行业市场分析报告一、关于中国葡萄酒生产、葡萄酒生产企业概况以及葡萄酒进出口、进口葡萄酒价格（1）中国年酒葡萄种植面积、酿酒葡萄产量和葡萄酒产量 1. 在中国，葡萄酒还不是主流的饮用酒水。在大多数消费者的日常生活中，白酒和啤酒消费还占有很大的比重，具体数据见下表： 1988-1997年中国酒水产量比较对照表单位：万吨年度酒水总产量白酒啤酒黄酒葡萄酒果酒酒精 1988 1357.29 468.54 662.77 85.9 30.85 109.23 108.78 1989 1284.63 448.31 643.41 83.66 27.18 82.07 107.79 1990 1385 513.91 692.23 75.5 25.4 78.2 129.3 1991 1538.92 524.48 838.37 80.64 24.10 71.24 136 1992 1752.71 547.43 1020.66 93.26 24.60 66.66 145.03 1993 1967.43 593.67 1190.08 103.61 23.60 56.45 151.24 1994 2233 651.29 1414.66 104.81 18.00 44.26 170.47 1995 2567.34 798.62 1568.82 134.53 22.90 42.45 227.81 1996 2650.94 801.3 1681.91 119.70 17.00 31.00 200.28 1997 2834.11 781.79 1888.94 121.63 18.55 23.20 213.28 2. 酿酒葡萄种植面积、酿酒葡萄产量和葡萄酒产量见下表：年度葡萄种植面积（万亩）葡萄产量（万吨）葡萄酒产量（万吨） 1990 183.9 85.9 25.40 1991 170.8 91.6 24.10 1992 208.5 112.5 24.60 1993 212.8 135.5 23.60 1994 223.3 152.2 18.00 1995 228.9 174.2 22.90 1996 230.2 188.3 17.00

葡萄与葡萄酒文化论文

湖南农业大学课程论文学院：食品科学与技术学院班级:食质二班姓名：刘晓鸣学号：201440718212 课程论文题目：浅谈葡萄酒鉴赏课程名称：葡萄与葡萄酒文化评阅成绩：评阅意见：成绩评定教师签名：日期：年月日

浅谈葡萄酒鉴赏学生：刘晓鸣 (食品科技学院14食质二班，学号201440718212) 摘要：文中主要介绍了葡萄酒的鉴赏方法及饮用储藏等关键词：葡萄酒、饮用、礼仪、品尝、风味、存放葡萄酒是大地的儿子。在人类悉心的照料下茁壮成长。从采摘、酿造、陈年到装瓶，就像一个人从出生、成长到成熟的过程。各个地域的葡萄酒跟人一样，有不同的个性和特色，有不同的生涯和成就。不过，他们都拥有一个共同的特点：给人们带来健康、快乐和享受！一、葡萄酒的饮用葡萄酒是世界上最古老的饮料之一，几个世纪以来一直被用于各种庆典宴会，它可以在饭桌上给人们带来很多乐趣。通常使用开瓶器开葡萄酒瓶，先初去瓶口封盖，再将起子钻入葡萄酒瓶的软木塞中，最后将软木塞慢慢拉出酒瓶。几乎所有的感官都可用来享受葡萄酒的乐趣。首先用眼看葡萄酒以判断其清澈度和颜色；然后用鼻子闻葡萄酒的香气；最后将葡萄酒送入口中，滑过舌头，充满口腔，咽入腹中，感觉其中。干白酒口感清爽，酸度高，最常用来当餐前酒，或搭配前菜中的生蚝等蚌壳类的海鲜。主菜方面以清淡的蒸、烤鱼类，或水煮海鲜最对味，味道浓一点的酒，可以配简单的鸡肉或猪肉。乳酪方面则可以试试酸度高的羊奶乳酪。大部分的玫瑰红酒都属清淡型，以新鲜果香为主，以配简单的菜肴为主。最适合搭配夏季清淡的食物，生菜沙拉、凉菜类和白肉等。此外地中海区用橄榄油和蒜头调味的菜也很适合。玫瑰红酒的口感比较没有特性，经常用来配比较难配的菜，如醋、蒜头加得很多的食物，即使不是特别好的组合，但也不会大离谱。二、葡萄酒的礼仪 1、倒酒倒酒时最多将酒倒至杯中三分之一处，即约在杯身直径最大处就足矣。气泡

葡萄酒市场调研报告

葡萄酒市场调研报告一.调研目的： 1、初步了解样本市场主要大型商场和超市甜型葡萄酒的市场现状，分析武汉市场甜型葡萄酒的整体情况。 2、收集样本市场主要大型商场和超市不同品牌葡萄酒的市场分布、销售价格、销售状况以及同一品牌葡萄酒的产品分类、销售价格、销售状况，并进行对比分析。寻找武汉市场最佳突破点。 3、了解样本市场消费者对葡萄酒的需求层次、品牌认知程度。 4、了解样本市场消费者的饮酒（葡萄酒）类型、习惯、场合、男女比例、年龄层次等因素，挖掘潜在市场消费者。二.调研方法： 1、大型商场超市的走访和调研； 2、与部分商场超市促销员的个别访谈调研； 3、与部分商场超市消费者的个别访谈调研； 4、在互联网上查找资料进行补充。三．调研概况： 2002年3月24日至2002年3月25日对样本主要大型商场和超市进行了市场走访和调研。此次调研的大型商场和超市包括：中南超市、亚贸超市、中百仓储超市（武昌珞狮路店）、徐东平价超市、麦德龙超市（徐东店）、好又多超市（民意广场）、家乐福超市（武胜路十升店）、武商千禧龙超市、武汉广场、世贸广场、华联超市（汉阳店）等。这些商场超市为武汉市场知名度较高的商场超市，几乎垄断了武汉市场大部分百货零售和批发；另外，它们分布于武昌、汉口、汉阳，由点及面辐射整个武汉三镇因此，上述调研的样本可以比较真实地反映武汉市场葡萄酒销售现状。本次调研普遍感受到消费者在选择甜型葡萄酒时较为看重产品品牌、葡萄酒的包装、葡萄酒的价位和葡萄酒的容量。以上四点是促成消费者购买某一品牌甜型葡萄酒产品的主要因素。而在选择档次较高的的干红时则更注重品牌，对品牌似乎已经产生一定的忠诚度。像张裕、王朝等强势品牌，无论其甜型葡萄酒还是其干红葡萄酒都在武汉市场取得了不错的销售佳绩。但是如果加上促销手段，那么情况就有一定的变化。例如威龙系列产品，历来是人们公认的低档产品制造商。但是，在武汉一些卖场，他们开展了一些买一送一的促销活动，销售量就立刻超过了几大品牌。在武汉市场红酒主要品牌排序：张裕、长城、王朝、威龙。张裕大约占30％左右的市份额。丰收一般化。

基于数据挖掘技术的葡萄酒评价体系研究

Advances in Applied Mathematics 应用数学进展, 2015, 4(4), 376-384 Published Online November 2015 in Hans. https://www.360docs.net/doc/1217319666.html,/journal/aam https://www.360docs.net/doc/1217319666.html,/10.12677/aam.2015.44047 The Study on Evaluation System of Wine Based on Data Mining Sizhe Wang1, Zhigang Wang2*, Yong He2 1Automation Professional Class 1301, School of Information Science and Engineering, Central South University, Changsha Hunan 2College of Information Science and Technology, Hainan University, Haikou Hainan Received: Nov. 8th, 2015; accepted: Nov. 23rd, 2015; published: Nov. 30th, 2015 Copyright ? 2015 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). https://www.360docs.net/doc/1217319666.html,/licenses/by/4.0/ Abstract Based on Question A of Mathematical Contest in Modeling for college students in 2012, the empha-sis in this paper is mainly on the establishment of evaluation system of wine based on data mining technology. The wine quality is determined by the score of the wine tasting. We analyze the credi-bility of the liquor score by one-way ANOVA. We classify the wine grape by extracting common factors of some physical and chemical indicators from the wine grape, and by clustering the factor score and wine score. The stepwise regression model is established through the correlation be-tween the physical and chemical indicators and the physical and chemical indicators of wine grapes. By the regression model between the aroma substances and the score of the wine, the key physical and chemical indicators of wine quality will be found. In the end, some shortcomings of current rating system of wine will be pointed out. Keywords Evaluation System of the Wine, Data Mining Technology, One-Way ANOVA, Cluster Analysis, Regression Analysis 基于数据挖掘技术的葡萄酒评价体系研究王思哲1，王志刚2*，何勇2 1中南大学信息科学与工程学院自动化专业1301班，湖南长沙 2海南大学信息科学技术学院，海南海口 *通讯作者。

葡萄酒的评价论文 (2)

葡萄酒的评价摘要随着时代的进步，经济的发展，葡萄酒渐渐地走进百姓的生活。评判葡萄酒的方法则是通过聘请一批有资质的评酒员进行品评。评酒员品尝葡萄酒并对其打分，通过求和确定葡萄酒的质量。本文通过对所给数据的观察分析，先对数据预处理，再建立相对较好的模型评价葡萄酒的质量。对于问题一，首先我们利用MATLAB软件制作Q-Q图，根据所得到的图观察得到，这些点可近似拟合成一条直线，从而证明该组数据满足正态分布。然后利用T-检验方法判断评酒员的评价有无显著差异，最终得出两组评酒员的评价结果存在显著性差异的结论。关于哪组评价结果更可信的问题，我们采用了方差分析法，根据所得到的红、白葡萄酒均值和方差表，经过计算比较，我们发现第二组的方差小于第一组的方差。由于方差越小则数据越稳定，于是我们得到第二组评酒员的评价结果更可信的结论。对于问题二，我们选择利用灰色关联分析法。我们根据附件一中评分员的评分得出葡萄酒的得分，并对其标准化，将所得的数据作为葡萄酒质量的评分。对于酿酒葡萄的理化指标，首先我们通过参考文献确定对葡萄酒影响较大的酿酒葡萄的理化指标，再采用均值化无差异法对数据求标准化值，然后利用变异系数法求得筛选出来的葡萄的理化指标的权重，通过计算权重和标准化值最后求得酿酒葡萄的综合评分。再用均值化无差异法求葡萄和葡萄酒的标准化值。将所得到的两组数据做和并排序，从而将酿酒葡萄划分为优、良、中、差四个等级。对于问题三，对于问题四，关键词：品评葡萄酒 T-检验方法正态分布 MATLAB Q-Q图方差分析法灰色关联分析法均值化无差异法变异系数法一、问题的重述葡萄酒是由新鲜的葡萄或者葡萄汁经过发酵而成的酒精饮料。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。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。尝试建立数学模型解决如下问题： 1.分析附件1中两组评酒员的评价结果有无显著性差异，哪一组结果更可信？ 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。 3.分析酿酒葡萄与葡萄酒的理化指标之间的联系。 4.分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量？

中国进口红酒的市场调查报告

关于中国进口红酒的市场调查分析报告一、调查背景随着国外葡萄酒市场的持续低迷，中国市场已成为世界各葡萄酒产国的避风港。作为当前葡萄酒消费量增长最强劲的中国，市场现状与未来趋势到底如何? 伴随着国外市场的低迷而中国却在加入WTO之后，随着葡萄酒进口关税税率从65%一路降至14%(瓶装)和20%(散装)，进口葡萄酒在中国的机会开始大幅显现。越来越多的国外葡萄酒如潮水般涌入国内市场，进口量持续高速增长。数千个品牌，几十个品种，以及新旧世界葡萄酒的不同分级方法让消费者眼花缭乱。各国外葡萄酒企业及其中国的合作伙伴们均使出浑身解数，力图在中国这个当前全球最大的新兴葡萄酒市场上尽可能多的分得一杯羹，把握住这个难得的机遇。

二、市场分析 1、红酒市场目前的容量分析 (1)、目前消费在认知度分析 A、中国葡萄酒文化相对世界相比很薄弱，属于有历史无文化的情况。中国的葡萄酒文化营销处于初级阶段，既学习和接受欧美的葡萄酒文化。大部分消费者通过影视剧，广告片和网络了解红酒认识红酒。但深层次的红酒文化教育仍然十分缺乏。导致大多数消费者仍处于“乱喝” B、“没有文化，葡萄酒就是昂贵的饮料”。 (2)、与世界消费认知的差距 A、我国目前的葡萄酒产业仍处在培育期。目前人均消费0.61升，城镇人均消费葡萄酒1.1升。与世界人均6升多的消费量差距很大。从国内饮料酒的消费结构看，葡萄酒也仅占酒类年消费总量的1.6%。 B、在饮用上，中国人完全省略了观、晃、闻、品的步骤，一口一杯还觉着不过瘾 C、我国葡萄酒的消费水平低原因有两个方面：一是引入时间短，二是居民收入低 (2)、进口红酒的市场成熟度与容量分析

葡萄酒论文葡萄酒的分析及等级划分

葡萄酒的分析及等级划分 [摘要]由于经济全球化越来越广泛，西方文化的逐渐渗入中国的东方文化，葡萄酒越来越被大众接受，其营养价值和保健价值也逐渐受到人们重视，葡萄酒认证和质量评价逐渐得到关注，因此我们想要对其进行研究。我们寻找到两组各10个评酒员对红白葡萄酒的评分数据以及葡萄酒和酿酒葡萄的理化指标来对葡萄酒进行分析及等级划分。首先先验证各组评分数据是否满足正态分布，再对红白葡萄酒的两组数据分别采用配对T检验检验两组数据是否有显著性差异，再根据方差判断哪组数据较为可靠。由于同一等级物品，其特性相近，因此用可靠的那组评分数据综合酿酒葡萄的理化指标采用聚类分析，对酿酒葡萄进行等级划分，各分为四个等级，用每个等级的中所有葡萄酒平均得分作为该等级的酿酒葡萄分数。查阅资料，分析可知酿酒葡萄的理化指标影响了葡萄酒的理化指标，因此考虑建立模型，描述一个葡萄酒的理化指标与酿酒葡萄的多个指标之间的关系，通过这种联系分析酿酒葡萄指标对葡萄酒理化指标的影响。最后用葡萄酒的得分作为葡萄酒的质量标准，综合剔除指标后的酿酒葡萄和葡萄酒的理化指标进行回归分析，并观察回归性是否显著。以此判断葡萄酒质量是否可以运用这两种指标来评价。【关键词】正态检验；配对T检验；聚类分析；逐步回归分析 1．引言葡萄酒中含有丰富的营养物质,至今多达 600 种以上的物质被测定出来。葡萄具有的营养和医疗作用很早就被认识, 葡萄酒因其特殊的营养价值和较好的保健效果，越来越受到广大消费者的欢迎。在此形势下，葡萄酒认证和质量评价得到关注。葡萄酒的质量，即葡萄酒优秀的程度, 它是产品的一种特性,且决定购买者的可接受性。因此,葡萄酒能够满足人类需求的各种特性的总和即构成了它的质量。葡萄酒认证保证了市场中酒的质量，同时保护了消费者的利益。葡萄酒的认证包括理化性质分析、感官评价、物理化学指标、卫生指标等手段。质量评价是认证中的重要阶段，它有益于提高葡萄酒的酿造工艺，同时为市场定位提供决策信息。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的质量。葡萄酒的每一项理化指标是其质量的单一体现,而感官指标则是葡萄酒质量的综合概括,换句话说,一个理化指标、卫生指标都合格的葡萄酒未必是高质量的葡萄酒。在今后的一个时期，我们需要做的是从葡萄酒的特点出发，围绕葡萄和葡萄酒理化指标、感官指标等众多因素对葡萄酒质量的联系进行研究，尽可能确定较为合理的葡萄酒质量评价标准，既保证市场中酒的质量，保护消费者利益，又能为市场定位提供决策信息，达到经济效益的目的，从而实现双赢。 2．模型假设 2.1假设品酒员给出的评价能够真实客观地反应葡萄酒的情况 2.2葡萄酒的质量只与酿酒葡萄有关，忽略人为干扰、酿造过程中的环境差别,如温度、湿度等因素 2.3每个评酒员对不同葡萄酒样品的评分是不受主观因素影响的，即各评分结果相互独立 2.4假设数据来源真实有效，数据的误差皆在可接受范围之内