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
3．符号说明
j i A , 表示第j 个品酒员对第i 个葡萄酒样品的评分
d 度量酿酒葡萄与得分的距离
.
_
ij x
作为第i 组样品j 的得分
4．分析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
4.1数据预处理
对附件一的数据进行观察，可以看出葡萄酒样品的评价项目满分为100分，分别由10个品酒员进行评分，评分标准主要有外观分析（15分）、香气分析（30分）、口感分析（44分）以及平衡/整体评价（11分），各占一部分比例，红白葡萄酒的两组数据表，发现有几个数据属于异常值和残缺值，应先做出处理
4.1.1残缺值的处理
第一组红葡萄酒4号品酒员对20号葡萄酒样品的色调评价分数为空值，因为可以粗略认为不同品酒师对同一葡萄酒样品评分相差不大，所以采用均值替换法来处理数据 4.1.2异常数据的处理
第一组白葡萄酒7号品酒员对3号葡萄酒样品的持久性评分为77，超过其上限8分，9号品酒员对8号葡萄酒样品的持久性评价为16，超过上限8，显然不合理，因此属于异常数据，采用均值替换法处理该数据。
4.2对原始数据的处理
每个品酒员对同一葡萄酒样品的外观分析、香气分析、口感分析、平衡/整体评价都有一个评分，把这些评分相加作为该品酒员对该葡萄酒样品的得分，再把这10个品酒员对该葡萄酒样品的评分取平均值，作为该葡萄酒样品的最终得分。
4.3各葡萄酒样品样品评分数据的概率分布的确定
由于要对数据分别进行显著差异性检验，因而必须先检验数据是否服从正态分布，才能确定要采用参数检验还是非参数检验来进行显著差异性的检验。首先，先对每一个葡萄酒样本中的10个品酒员的分数进行平均，取该平均值为葡萄酒样本的分数，即：
然后，利用SPSS 软件分别画出这四组数据的频率分布直方图和Q-Q 图进行正态分布检验。频率分布直方图下图所示：
从频率直方图可以看出数据基本符合正态分布
Q-Q图：一种散点图,对应于正态分布的Q-Q图,就是由标准正态分布的分位数为横坐标,样本值为纵坐标的散点图. 要利用QQ图鉴别样本数据是否近似于正态分布,只需看Q-Q 图上的点是否近似地在一条直线附近,而且该直线的斜率为标准差,截距为均值. 用Q-Q图还可获得样本偏度和峰度的粗略信息。
由图可知数据基本与图中的45度对角线吻合，且右边的图形偏差不会过大，因此符合正态分布。
单样本K-S 检验：可以将一个变量的实际频数分布与正态分布、均匀分布、泊松分布、指数分布进行比较。其零假设0H 为样本来自的总体与指定的理论分布无显著差异。SPSS 在统计中将计算K-S 的Z 统计量，并依据K-S 分布表（小样本）或正态分布表（大样本）给出对应的相伴概率值。如果相伴概率小于或等于用户的显著性水平α，则应拒绝零假设
0H ，认为样本来自的总体与指定的分布有显著差异；如果相伴概率值大于显著性水平，则
不能拒绝零假设0H ，认为样本来自的总体与指定的分布无显著差异。
K-S 检验表
表中最后一行数据均大于0.05，因此四组数据符合正态分布。 综上，采用参数检验来验证差异性显著性检验。
ij X 作为第i 组样品j 的得分。本题中数据成对，即对同一葡萄酒样品测出一对数据，我
们知道一对与另一对数据之间的差异是由于各种因素引起的，并且由于各个样品间存在差异，不能把两组各样品的得分当作来自同分布的观测值，并且对于每对数据而言，它们是同一样品不同品酒员测得的结果，因此不是两个独立的随机变量的观察值。但是
.2.1j j j x x D -=（i =1,2，
,27）可以作为来自一个样本的样本值，反映了同一样品两组
间的评分差异，故采用配对t 检验。但是使用配对t 检验的前提条件是j D 服从正态分布，所以要先对j D 进行Kolmogorov-Smirnov 检验。然后利用方差分析来判断哪组更稳定。组间方差越大表明越不可信。运用SPSS 软件进行分析，结果如下表所示：
表中最后一行数据均大于0.05，因此符合正态分布
4.4分别对红葡萄酒和白葡萄酒的两组测试数据进行配对t检验
运用SPSS软件运行，结果如下表所示：
表一（两组红葡萄酒均值方差表）
表二（红葡萄酒配对T检验）
表四（白葡萄酒配对T检验）
由表二、四中可以看出最后一列即P 均小于0.05，因此可以认为两组数据有显著性差异，从表一、三种可以看出两组数据的均值和方差，可以认为方差较小的评分标准较为可靠，因此第二组红葡萄酒以及第二组白葡萄酒得分数据较为可靠。
5．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
5.1数据预处理
5.1.1异常值的处理
观察附件二，由于蓝色为一级指标，红色为二级指标，项目下有几列数据，表示该项目测试几次，由于是对同一样品进行测量，因此测出的数据应该相差不大，但是酿酒葡萄理化指标中的白葡萄百粒质量的三次测试值分别为225.8,224.6,2226.1，第三次测试结果明显比前两次大很多，必定为异常值，因此采用均值替代法处理，取前两次的平均值为该次的结果。
5.1.2对处理后的数据进行再处理
有表中数据可知，有的数据进行多次测量，为了方便进行计算，只取一级理化指标计算算，对于进行多次测量的指标取平均值作为该样本的最终指标。公式为：
n
X
n
X X X X n
i i
n
∑==
++=1
21
5.1.3数据的标准化
观察附件二，由于数据各指标的量化单位不同，数据波动范围不同，为了消除这些不利影响，应对理化指标数据进行标准化处理。假设有n 个样本，m 个指标，则每个变量可表示为ij x ，均值
∑==n
i ij j x n x 1
1
标准方差
j s =则标准化后
()
*0ij j
ij
j
j
x x x s
s -=
≠
利用SPSS 软件可以直接对数据进行标准化。
5.2聚类分析
聚类分析就是分析如何对样品或者变量进行量化分类的问题，聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程，聚类分析的目标就是在相似的基础上收集数据来分类。由于聚类分析是将数据分类到不同的类或者簇的一个过程，因此同一个簇中的对象具有较大的相似性，而不同簇之间具有很大的相异性。聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。聚类分析所使用方法的不同，常常会得到不同的结论。其主要有系统
聚类法和K-均值聚类法。本题采用系统聚类法进行研究。
5.2.1系统聚类法的基本原理
首先将一定数量的样本或指标各自看成一类，然后根据样本或指标的亲疏程度，将亲疏程度最高的两类合并，然后考虑合并后的类与其他类之间的亲疏程度，再进行合并。重复这一过程，直到将所有的样本或指标合并为一类。系统聚类分为Q 型聚类和R 型聚类两种：Q 型聚类是对样本进行聚类，它使具有相似特征的样本聚集在一起，使差异性大的样本分离开来；R 型聚类是对变量进行聚类，它使差异性大的变量分离开来，相似的变量聚集在一起，这样就可以在相似变量中选择少数具有代表性的变量参与其他分析，实现减少变量个数、降
低变量维度的目的。
5.2.2衡量亲疏程度的距离
令
ij
x 表示第i 个样品的第j 个指标， ij d
表示第i 个样品与第j 个样品之间的距离，最
常见最直观的计算距离的方法是： 明考斯基距离(Minkowski )
()1/1q
p
q ij ik jk k d x x =??=-??
??
∑
本题采用欧式距离进行计算。 即取2=q ，
()()1/2
212p
ij ik jk k d x x =??=-????
∑ 即为欧氏距离
5.2.3、对酿酒葡萄的理化指标以及评分表的数据进行聚类分析
由四已经得到第二组品酒员的评分数据较为可靠，因此采用第二组品酒员的数据。由于酿酒葡萄与品酒员的评分即葡萄酒质量具有一定的关系，因此采用聚类分析，利用酿酒葡萄的30个理化指标对其分成若干类。运行SPSS 软件进行聚类分析，结果如下所示：
表一（红葡萄酒聚类）
Dendrogram using Average Linkage (Between Groups)
Rescaled Distance Cluster Combine
C A S E 0 5 10 15 20 25
Label Num +---------+---------+---------+---------+---------+
葡萄样品12 12 ─┐
葡萄样品18 18 ─┼───┐
葡萄样品6 6 ─┘├───┐
葡萄样品7 7 ─────┘├─┐
葡萄样品4 4 ───┬─┐││
葡萄样品27 27 ───┘├───┘│
葡萄样品22 22 ─────┘├───┐
葡萄样品17 17 ─┬─┐││
葡萄样品24 24 ─┘├───┐││
葡萄样品5 5 ───┘├───┘├─┐
葡萄样品15 15 ───────┘││
葡萄样品13 13 ───┬─────────┐││
葡萄样品19 19 ───┘├─┘├───────────┐
葡萄样品16 16 ─────────────┘││
葡萄样品20 20 ───────┬───────┐││
葡萄样品26 26 ───────┘├─┘│
葡萄样品25 25 ───────────────┘│
葡萄样品3 3 ───────────────┬─────────────┼─────┐
葡萄样品21 21 ───────────────┘││
葡萄样品2 2 ─────────┬─────┐││
葡萄样品9 9 ─────────┘├─────────┐││
葡萄样品23 23 ───────────────┘├───┘├─────────────┐
葡萄样品8 8 ─────────┬───────────┐│││
葡萄样品14 14 ─────────┘├───┘││
葡萄样品1 1 ─────────────────────┘││
葡萄样品10 10 ───────────────────────────────────┘│
葡萄样品11 11 ─────────────────────────────────────────────────┘
由表中数据粗略认为分成4类较好，设这四类酿酒葡萄等级分别为A、B、C、D，其中第一类：1、2、8、9、14、23，第二类：3、4、5、6、7、12、13、15、16、17、18、19、20、21、22、24、25、26、27，第三类：10，第四类：11；取各类中样品数据平均值作为该
表二（白葡萄酒聚类）
* * * * * * * * * * * * * * * * * * * H I E R A R C H I C A L C L U S T E R
A N A L Y S I S * * * * * * * * * * * * * * * * * * *
Dendrogram using Average Linkage (Between Groups)
Rescaled Distance Cluster Combine
C A S E 0 5 10 15 20 25
Label Num +---------+---------+---------+---------+---------+ 葡萄样品5 5 ─┬───────────┐
葡萄样品20 20 ─┘├─┐
葡萄样品23 23 ───────┬───┐││
葡萄样品26 26 ───────┘├─┘│
葡萄样品9 9 ─────────┬─┘├───┐
葡萄样品28 28 ─────────┘││
葡萄样品4 4 ─────┬───┐││
葡萄样品14 14 ─────┘├─────┘├─────┐
葡萄样品21 21 ─────────┘││
葡萄样品10 10 ───┬───────┐│├─┐
葡萄样品24 24 ───┘├───────┘││
葡萄样品12 12 ───────────┘││
葡萄样品17 17 ─────────────┬───────────┘│
葡萄样品22 22 ─────────────┘│
葡萄样品8 8 ───────┬───────────┐│
葡萄样品11 11 ───────┘├─┐│
葡萄样品2 2 ───────┬─┐││├─┐
葡萄样品25 25 ───────┘├─────────┘├─────┤│
葡萄样品19 19 ─────────┘│││
葡萄样品16 16 ─────────────────────┘│├───────────────────┐
葡萄样品3 3 ───────────────────────────┘││
葡萄样品1 1 ─────────┬───────────┐││
葡萄样品13 13 ─────────┘│││
葡萄样品6 6 ───┬───┐├───────┘│
葡萄样品18 18 ───┘├───────────┐││
葡萄样品7 7 ───────┘├─┘│
葡萄样品15 15 ───────────────────┘│
葡萄样品27 27 ─────────────────────────────────────────────────┘
同理，把白葡萄酒样品分为4类，等级分别为A、B、C、D，其中第一类：1、6、7、13、15、18，第二类：2、4、5、8、9、10、11、12、14、16、17、19、20、21、22、23、24、25、26、28，第三类：3，第四类：27。取各类中样品数据平均值作为该类得分，则有第一类：76.1，第二类：75.6，第三类：77，第四类：76.8。等级分类如下表所示：
6．分析酿酒葡萄与葡萄酒的理化指标之间的联系。
6.1数据预处理
6.1.1异常值的检测
结合5.1处理后的酿酒葡萄理化指标数据，对葡萄酒理化指标进行观测，未发现异常值。 6.1.2对处理后的数据进行再处理
由表中数据可知，有的数据进行了多次测量，为了方便进行计算，只取一级理化指标来计算，对于进行多次测量的指标取平均值作为该样本的最终结果。公式为：
n
X
n
X X X X n
i i
n
∑==
++=1
21
6.1.3数据标准化处理
同5.1.3一样，对数据进行标准化处理 6.1.4指标筛选
由于葡萄酒酿酒葡萄涉及的指标过多，而样本量较小，将过多的酿酒葡萄指标纳入考虑范围后可能会产生较大误差，因此考虑先对指标进行筛选。考虑进行因子分析，在进行降维处理时，SPSS 软件提示相关系数矩阵为非正定矩阵，无法给出KMO 值，提示如下所示： Correlation Matrix(a)a. This matrix is not positive definite.而解决方案分别为增加样本或者剔除某些强相关的变量，但是本题因样本已给定，显然无法继续增加样本，因此考虑进行各指标间的相关系数，看是否有强相关的变量存在可以剔除，直至剔除到可以显示KMO 检验为止。考虑相关系数大于0.7的指标，相关系数大于0.7的如下所示：
观察附件二，可以发现，可溶性固物质=固酸比指标*可滴定酸指标，
再观察上表中相关系数大于0.7的指标，把同时与多个相关的指标剔除，直至KMO检验成功为止。剔除了指标a*(+红；-绿)、干物质含量、可溶性固形物、总酚、DPPH自由基1/IC50，得出KMO检验如下表所示：
KMO小于0.5，因此不必继续进行因子分析。白葡萄酒酿酒指标同理可得。相关系数表如下：
表所示：
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .125
Bartlett's Test of Sphericity Approx. Chi-Square 432.617
df 276
Sig. .000
KMO值小于0.5，此时不必进行因子分析。
最后用剔除后的酿酒葡萄指标与葡萄酒指标进行分析。
6.2逐步回归分析
在自变量很多时，其中有的因素可能对因变量的影响不大，而且自变量之间可能不是相互独立，可能有种种关系。在这种情况下，可采用逐步回归分析，进行自变量的筛选，这样建立的多元回归模型预测效果会更好。逐步回归分析，首先要建立因变量Y与自变量X之间的总回归方程，再对总的方程以及每一个自变量进行假设检验。当总的方程不显著时，表明该多元回归方程线性关系不成立；而当某一个自变量对Y影响不显著时，应该把它剔除，重新建立不包含该因子的多元回归方程。筛选出有显著影响的因子作为自变量，并建立“最优回归方程”。
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，它们之间并不是因果关系，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。自变量X为酿酒葡萄理化指标，因变量Y为葡萄酒理化指标。结果如下：
由表可得：224114.21.034x 11-E 080.6x y -+=，且表中最后一列概率小于0.05，即回归性极为显著，同理可得其他指标关系。
11142355.0411
.00.485x 11-577.5x x E y +++-= 2214113232.0214.0526.00.622x 11-530.0x x x E y -+++-= 4114357.00.621x 12-480.5x E y ++-=
125462115283.0348.0971.0012.1111.10.578x 10-696.1x x x x x E y +++--+-= 91116268
.0349.00.704x 11-422.4x x E y +++-= 5132547200.0213.0273.00.706x -11-329.3x x x E y --+-= 4258434.00.680x - 11-E 104.8-x y -=
56159352.0369.00.587x 11-175.2x x E y +-+-=
同理可得白葡萄酒的关系，如下所示：
22111391
.00.586x 16-500.3x E y ++= 15122495
.00.709x 15-995.1x E y ++-= 62014123282.0391.0402.00.262x 16-276.2x x x E y +-++-= 315125414.0474.00.605x 15-099.1x x E y +++-= 15216311
.00.533x 14-552.2x E y -+=
2012数学建模优秀论文 葡萄酒
江苏师范大学 第五届（2011）数学建模竞赛 我们选择的题号是： B 我们的参赛队号为：
2012江苏师范大学数学建模竞赛题目 B题研究生录取问题 摘要：根据问题的背景和题目要求，研究在不同条件的研究生录取问题，在对笔试，面试以及导师信息量化，加权平均求解的基础来解决研究生录取的问题。通过构造选择矩阵和满意度矩阵建立导师和学生之间的双向选择矩阵的0-1规划模型。利用测发编程计算求出最优解，从而求得问题的最优方案，同时采用降阶技巧和创建定理，快速的求解出实用的最优解，得到对应的最优方案！ 一问题重述 某学校Ｍ系计划招收10名计划内研究生，依照有关规定由初试上线的前15名学生参加复试，专家组由8位专家组成。在复试过程中，要求每位专家对每个参加复试学生的以上5个方面都给出一个等级评分，从高到低共分为A,B,C,D四个等级，并将其填入面试表内。所有参加复试学生的初试成绩、各位专家对学生的5个方面专长的评分。 该系现有10名导师拟招收研究生，分为四个研究方向。导师的研究方向、专业学术水平（发表论文数、论文检索数、编（译）著作数、科研项目数），以及对学生的期望要求。在这里导师和学生的基本情况都是公开的。要解决的问题是： (1) 首先，请你综合考虑学生的初试成绩、复试成绩等因素，帮助主管部门确定10名研究生的录取名单。然后，要求被录取的10名研究生与10名导师之间做双向选择，即学生可根据自己的专业发展意愿（依次申报2个专业志愿）、导师的基本情况和导师对学生的期望要求来选择导师；导师根据学生所报专业志愿、专家组对学生专长的评价和自己对学生的期望要求等来选择学生。请你给出一种10名研究生和导师之间的最佳双向选择方案（并不要求一名导师只带一名研究生），使师生双方的满意度最大。 (2) 根据上面已录取的10名研究生的专业志愿，如果每一位导师只能带一名研究生，请你给出一种10名导师与10名研究生双向选择的最佳方案，使得师生双方尽量都满意。 (3) 如果由十位导师根据初试的成绩及专家组的面试评价和他们自己对学生的要求条件录取研究生，那么，10名研究生的新录取方案是什么？为简化问题，假设没有申报专业志愿，请你给出这10名研究生各申报一名导师的策略和导师各选择一名研究生的策略。相互选中的即为确定；对于剩下的导师和学生，再按上述办法进行双向选择，直至确定出每一名导师带一名研究生的方案，使师生都尽量满意。 (4) 学校在确定研究生导师的过程中，要充分考虑学生的申报志愿情况。为此，学校要求根据10名导师和15名学生的综合情况选择5名导师招收研究生，再让这5名导师在
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（
葡萄酒鉴赏论文
海南大学课程论文 课程名称：葡萄酒初级知识 题目名称：葡萄酒的历史文化 学院：经济与管理学院 专业班级：2010级金融实验班 姓名：张辰 学号：20100602310061 评阅意见 评阅成绩 评阅教师： 2010年月日
葡萄酒的历史文化 摘要：本文简要介绍了葡萄酒在世界各国的发源及发展，分析了各国葡萄酒和葡萄酒文化的差异以及葡萄酒能够成为一种文化的原因，帮助更好的了解葡萄酒和品尝葡萄酒。 关键词：葡萄酒，历史，文化 正文： 当今世界，葡萄酒已经成为一种潮流，一种文化，是高雅与品味的代名词，那么葡萄酒究竟是从什么时候开始酿造的呢，它的发展到底有什么故事呢？ 葡萄酒的产生： 据史料记载，在一万年前的新石器时代濒临黑海的外高加索地区，即现在的安纳托利亚(古称小亚细亚)、格鲁吉亚和亚美尼亚，都发现了积存的大量的葡萄种子，说明当时葡萄不仅仅用于吃，更主要的是用来榨汁酿酒。多数史学家认为，葡萄酒的酿造起源于公元前6000年古代的波斯，即现今的伊朗。对于葡萄的最早栽培，大约是在7000年前始于前苏联南高加索、中亚细亚、叙利亚、伊拉克等地区。后来随着古代战争、移民传到其它地区。 古代希腊，罗马是当今西方文明的起源，现在我们来看看葡萄酒在这两个文明的发展。 古希腊的葡萄酒 对于希腊，是欧洲最早开始种植葡萄与酿制葡萄酒的国家，一些航海家从尼罗河三角洲带回葡萄和酿酒的技术。葡萄酒不仅是他们璀璨文化的基石，同时还是日常生活中不可缺少的一部分。在希腊荷马的史诗中就有很多关于葡萄酒的描述，《伊利亚特》中葡萄酒常被描绘成为黑色。而他对人生实质的理解也表现为一个布满黑葡萄的田园风情的葡萄园。据考证，古希腊爱琴海盆地有十分发达的农业，人们以种植小麦、大麦、油橄榄和葡萄为主。大部分葡萄果实用于做酒，剩余的制干。几乎每个希腊人都有饮用葡萄酒的习惯。酿制的葡萄酒被装在一种特殊形状的陶罐里(图3)，用于储存和贸易运输，这些地中海沿岸发掘的大量容器足以说明当时的葡萄酒贸易规模和路线，显示出葡萄酒是当时重要的贸易货品之一。在美锡人时期(公元前 1600-1100年)，希腊的葡萄种植已经很兴盛，葡萄酒的贸易范围到达埃及、叙利亚、黑海地区、西西里和意大利南部地区。葡萄酒不仅是酒和贸易的货物，也是希腊宗教仪式的一部份。 古罗马的葡萄酒 公元前六世纪，希腊人把葡萄通过马赛港传入高卢(现在的法国)，并将葡萄栽培和葡萄酒酿造技术传给了高卢人。高卢人从希腊人那里学会了葡萄栽培和葡萄酒酿造技术后，在意大利半岛全面推广葡萄酒，很快就传到了罗马，并经由罗马人之手传遍了全欧洲。在公元一世纪时葡萄树遍布整个罗纳河谷，二世纪时葡萄树遍布整个勃艮第和波尔多；三世纪时已括抵卢瓦尔河谷；最后在四世纪时出现在香槟区和摩泽尔河谷，原本非常喜爱大麦啤酒和蜂蜜酒的高卢人很快地爱上葡萄酒并且成为杰出的葡萄果农。由于他们所产生的葡萄酒在罗马大受欢迎，使
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
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？
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
全国大学生数学建模全国一等奖 优秀论文 葡萄酒的评价 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 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）：辽宁省大连海事大学 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：年月日赛区评阅编号（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 葡萄酒质量的评定一般是由有资质评酒员在对葡萄酒进行品尝后分类指标打分，然后求和得到其总分而确定，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。我们将本题归为对大量数据分析整理的统计问题，采用方差检验、灰色关联、数据样本统计分析、二元线性回归模型等数学方法进行分析得到预期结果。 对于问题一，我们将两组评酒员对酒的评价结果有无显着性差异的问题，转化为两组评酒员这一因素对酒的评分的影响是否显着的问题，若影响不显着则说明两组评酒员的评分实质上无显着性差异，据此建立方差检验模型，构造一个F变量，通过假设检验来确定两组评酒员对酒的评价结果有无显着性差异，由于酒的选取是随机的，所以可以用标准差这一统计数值表来表示两组评酒员评分的波动性，波动性越小，评分结果越可靠。 对于问题二，首先选出与评价方面最为相关的理化指标，用变异系数法计算出每一种理化指标的权重，再用均值化无差异法对理化指标进行处理，得出各种葡萄理化指标的综合评分，并再次将其与葡萄酒的评分均值化无差异化处理，将结果求和得到每一种葡萄质量的评分，重新排序后，用Excel模拟出序号与葡萄质量评分的曲线图，将位于同一高度的序号划分为一级，由此得出葡萄的分类级别。 对于问题三，对酿酒葡萄与葡萄酒的理化指标的关系这一问题，我们分类讨论，对于葡萄酒色泽理化指标，我们查得其实质是与葡萄样品花色苷和单宁两个理化指标有关的，因此运用灰色关联分析法分析每一个因素对葡萄酒色泽的影响，并采用优势比较法，分析出哪一因素对葡萄酒色泽这一理化指标更有影响。关于葡萄酒样品中除色泽以外的其它理化指标，都可以在葡萄样品中找到相应的理化指标与之一一对应，因此算出葡萄酒样品与酿酒葡萄样品理化指标之间的相关系数，从而说明它们之间的联系。 对于问题四，由于在问题二中已对酿酒葡萄的理化指标进行了综合分析并给出了一个质量分数，所以酿酒葡萄可用问题二中给出的质量分数来分析。对于葡萄酒的理化指标的分析，我们采用问题二中提出的综合评分法，基于葡萄酒的理化指标对其样品给出一个分数，作为另一个影响葡萄酒质量的因素，从而变成二元线性回归模型。建立二元线性回归模型，用matlab软件将得到的评酒员对葡萄酒的评分、葡萄样品的评分、葡萄酒样品评分三者带入方程中，确定回归系数并进行检验，从而分析出葡萄酒的质量是否可以用酿酒葡萄与葡萄酒的理化指标来衡量。 关键词 方差检验模型灰色关联分析法多元数据的相关性分析二元线性回归模型变异系数法均值化无差异法
葡萄酒制作论文
烟台大学文经学院 论文设计 系别：中文与法律系 专业：汉语言文学 班级：文中141-1 姓名：赵丽娜 学号：201490501168 2016年6月 烟台大学文经学院 葡萄酒的制备 [摘要］：采用红葡萄作为原料，经过粉碎，加入白糖(糖和葡萄的比例为一比五)。置于棕色玻璃瓶中（目的是遮光）。经过一段时间的发酵，压榨、过滤，而后分离残渣，经过沉化得到紫红色葡萄酒。 [关键词］：葡萄发酵 1、前言 1.1葡萄酒的历史 葡萄酒是最古老的饮料之一,约6000年前就有葡萄酒.最早酿造地可能为波斯, 即今天的伊朗。有记载的最早的起源：公元前3000年的埃及人已经知道酿造及饮用葡萄酒,从埃及传到以色列、叙利亚、小亚西亚及里海沿岸。 世界许多国家都产葡萄酒，它在许多著名产地的历史也不尽相同。 法国：公元前1600年开始，希腊将葡萄种植技术以及葡萄酒的酿制工艺出口到了欧洲其他国家，尤其是在法国南部，建立了以生产葡萄和酿制葡萄酒为主业的马赛城，这被认为是法国葡萄酒的启蒙。法国人开始研究优良的葡萄品种，学会了用尝土壤的方法来辨别土质，并通过不断的实践，改进种植技术和藏酿技术。大约在公元1世纪时，法国历史上最好的一款酒诞生了。这款名为北罗讷的酒，成了当时全欧洲价格最高的酒。 德国：素有"啤酒王国"之称的德国，其葡萄酒虽然没有啤酒那么大的名声，但也有着悠久的酿造历史。德国种植葡萄的历史可追溯到公元前一世纪。那时，罗马帝国占领了日耳曼领土的一部分，就是现代德国的西南部。罗马殖民者从意大利输入了葡萄树以及葡萄栽培和酿酒工艺。中世纪的时候，葡萄和葡萄酒主要是由修道院和修道士发展起来的。此后德国的葡萄酒文化同基督教有密切的关系，至今有些种植区还在主教的所有权之下或者留下了主教教区的名称。 中国：汉代――"将军百战竟不侯，伯良一斛得凉州"。据考证我国在汉代，汉武帝派遣张骞出使西域，将西域的葡萄及酿造葡萄酒的技术引进中原，促进了中原地区葡萄栽培和葡萄酒酿造技术的发展。葡萄酒成为当时皇亲国戚、达官贵人享用的珍品。相传在汉朝，陕
葡萄酒鉴赏论文
葡萄酒欣赏课程报告 一、选择本课程的动机 之所以选择《葡萄酒欣赏》这门课程，主要有下列几个动机：第一、出于对葡萄酒的喜欢；第二、想要更深的了解葡萄酒文化；第三、想要学习怎样选择葡萄酒；第四、想要知道怎样品尝葡萄酒；第五、想要学习一下葡萄酒的礼仪、第六、想知道葡萄酒与食物怎样搭配。 二、主要收获 通过本学期的学习，我学习到了很多关于葡萄酒方面的知识。 “葡萄美酒夜光杯，欲饮琵琶马上催。醉卧沙场君莫笑，古来征战几人回”，中国的葡萄酒历史可以追溯到2000年前，不管是古时候，还是在现代，葡萄酒都深受人们的喜爱。结合本课程以及课外知识，我了解到了中国葡萄酒的历史。司马迁《史记》中记载有葡萄酒，这一史料充分说明我国在西汉时期，已经开始种植葡萄和酿造葡萄酒了。也说明了葡萄酒不光是西方国家的专利，中国同样也是葡萄酒的祖先。明朝的李时珍在《本草纲目》中，多处提到葡萄酒的酿造方法和药用价值。 实验证明，葡萄酒中含有200多种营养成分，其中糖、有机酸、氨基酸、维生素、多酚、无机盐等都是人体所必需的。葡萄酒是含有酒精饮料中惟一的碱性饮料，可平衡饮食结构，被世界卫生组织认定为最健康、最卫生的十大食品之一。法国波尔多大学的研究人员1993年进行的一项研究发现：葡萄多酚的抗氧化能力是维生素C的20倍、维生素E的50倍，能够促进肌肤的新陈代谢，防止皱纹形成、皮肤松弛、脂肪积累等，让肌肤更具有弹性，所以说爱美的女性同志们葡萄酒是一种不错的选择呦！葡萄酒中的白藜芦醇可以降低胆固醇，预防动脉硬化和心血管病。有资料显示，每天适量饮用葡萄酒者的心脏病死亡率是不饮酒者的30%，患痴呆症的概率是不饮酒者的25%，可降低25%-45%的心肌梗死发病率。葡萄酒虽然说对人的身体有诸多好处，但也不可饮酒过量，俗话说得好是药三分毒，酒喝多了对人身也会造成伤害。 葡萄酒的分类：按葡萄酒的颜色分类可分为白葡萄酒、红葡萄酒和玫瑰红葡萄酒；按葡萄酒中的糖量可分为干葡萄酒、半干葡萄酒、半甜葡萄酒和甜葡萄酒；按葡萄酒中的二氧化碳含量可分为静态酒和气泡酒。不同的葡萄酒有不同的酿造方法与工艺，也有不同的饮食搭配。了解葡萄酒的分类可以更好地选择葡萄酒。 葡萄酒的品尝方法：一般品尝葡萄酒都会采取感官评价的方法。感官评价可分为：视觉、嗅觉、味觉等。视觉主要是看葡萄酒的颜色、澄清度、浓稠度和起泡性。嗅觉主要是感觉葡萄酒的香气。味觉主要是葡萄酒进入口中后味蕾的感受。 面对琳琅满目的葡萄酒，应该怎样选择一款真正适合自己的葡萄酒呢？在选购时，价格、品牌、年份、产地、葡萄品种乃至购买地等，都是应考虑的重要因素。不管是红葡萄酒还是白葡萄酒，年份越好的葡萄酒，其寿命越长，具有越陈越香的潜力。 在选择了一款不错的葡萄酒后应该怎样储存葡萄酒呢？首先是正确的摆放，按照传统摆放酒的方式，习惯将葡萄酒平放，使葡萄酒和软木塞接触，
数学建模-2012年葡萄酒的评价.
306 第二十一篇 葡萄酒质量的影响因素分析 2012年A 题 葡萄酒的评价 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？ 附件1：葡萄酒品尝评分表（含4个表格）； 附件2：葡萄和葡萄酒的理化指标（含2个表格）； 附件3：葡萄和葡萄酒的芳香物质（含4个表格）； 原题详见2012年全国大学生数学建模竞赛A 题。 葡萄酒质量的影响因素分析* 摘要：本文针对葡萄酒和葡萄质量的评价问题，通过t 检验、模糊聚类分析、相关性分析等多种方法，综合分析了评酒员葡萄酒品尝评分结果、葡萄和葡萄酒的理化指标以及葡萄和葡萄酒的芳香物质数据，建立了葡萄和葡萄酒的理化指标对葡萄以及葡萄酒质量的影响关系多元线性回归数学模型，运用EXCEL 、Matlab 软件得出了酿酒葡萄和葡萄酒之间的理化关系。最后，将模型结果和实际酿酒过程相结合，做出了根据酿酒葡萄和葡萄酒理化指标对葡萄酒质量进行评价的模型，对如何固化葡萄酒质量评判标准提出了相关可行性方案。 针对问题一，根据评酒员对葡萄酒品尝评分结果数据，分别对红葡萄和白葡萄，首先运用t 检验分析建立了显著性差异的成对数据t 检验模型，分析出两组评酒员的评酒结果具有显著性差异；再运用方差分析建立了方差分析模型，分析出第二组评酒员的评价结果更为可信。 针对问题二，首先运用相关性分析，确认出葡萄酒与酿酒葡萄之间的一一对应关系。再结合问 * 本文获2012年全国一等奖。队员：苏钰，胡金晶，陈成，指导教师：李勇。
葡萄酒论文
湖南农业大学课程论文 学院：理学院班级：10级应用化学2班姓名：韩跃学号：201040205231 课程论文题目：小谈生活中该懂的葡萄酒知识 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
小谈生活中该懂的葡萄酒知识 学生：韩跃 (理学院10级应用化学2班，学号：201040205231) 摘要：随着时代的迅猛发展，我们逐步走向小康，小资。人类更加注重生活的质量和品位。酒文化在中国源远流长，不少文人学士留下了斗酒、写诗、作画、养生、宴会、饯行等酒神佳话。酒作为一种特殊的文化载体，在人类交往中占有独特的地位。而今葡萄酒的发展前景越来越好，它不仅是餐桌上的浪漫点缀，也是生活中不可缺少的健康饮品。 关键词：葡萄酒、基础知识、发展史、 导入语：葡萄酒是国际上仅次于啤酒的第二大饮料酒，是发展潜力相当大的一个酒种, 仔细地了解葡萄酒及其发展历程会扩大我们的知识面，帮助我们提高鉴赏水平。 一、走进葡萄酒——葡萄酒小常识 现在葡萄酒在世界各地都十分畅销，人们慢慢的接受喜爱上了葡萄酒，便深入地了解葡萄酒，以下是葡萄酒的一些基础知识。 （一）、葡萄酒定义 按酿酒方法分类可将酒分为：1，酿造2，蒸馏3，配制 酿造酒：是原料经发酵酿制而成，但未经过深加工的酒，也称原汁酒，一般酒精含量不高。 葡萄酒：是以葡萄为原料，经榨汁发酵酿制而成的原汁酒，酒精含量大约在9.5°-13°之间。 葡萄酒是经过发酵的葡萄汁 （二）、葡萄酒的种类：（按照生产工艺） 1-无汽酒（餐酒）Still Wine 1〉红酒Red Wine 2〉白葡萄酒White Wine 3〉玫瑰红葡萄酒Rose Win e 1〉红葡萄酒：红葡萄酒是红皮或紫皮葡萄连皮带籽一块发酵并压榨成汁，使果实中的色素染入酒液中间再去皮渣酿造而得出的葡萄酒，酒液呈紫红色，鲜红色
数学建模论文---葡萄酒的评价
数学建模论文---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）：4198 所属学校（请填写完整的全名）：广东医学院（东莞校区） 参赛队员(打印并签名) ：1. 黄洁 2. 顾家荣 3. 陈婉君 指导教师或指导教师组负责人(打印并签名)：唐国平 日期：2013年9月 9日
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）：
葡萄酒质量的评价模型 摘要 本文主要讨论了关于葡萄酒与葡萄之间关系的研究，主要分析了附件1中两组 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；还根据酿酒葡萄的 理化指标和葡萄酒的质量把这些酿酒葡萄分为3个等级；分析了酿酒葡萄与葡萄酒 的理化指标之间的联系和酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并论 证用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。通过这些分析有益于对葡萄酒 行业的发展有一定的贡献。 对于问题一，用10个品酒员对每种酒样品的总评分的来代表这种酒样品的质量，建立单因子数学模型，分别对两个水平进方差分析，由U检验，取置信区间为95%，最终得出两组品酒员对红葡萄酒的评分有显著性差异，对白葡萄酒的评分没有显著性差异。并通过对两组品酒员对两种葡萄酒评分的方差分析可得知第二组品酒员的结果更可信。 对于问题二，，我们考虑将众多指标数据经过转换，统一成与感官排序一样的排序类型数据，并把转换后的指标即可直接用来对葡萄进行分级。对所考虑的众多变量用数学统计方法，经过正交化处理，变成一些相互独立、为数较少的综合指标（即主导因子)后根据酿酒葡萄的理化指标和葡萄酒的质量用聚类分析- K-均值法（快速聚类法）对酿酒葡萄分为三类。 对于问题三，我们对附件二的数据用EXCEL处理并查阅资料可以得出红葡萄酒的理化指标主要影响因素有花色苷、单宁、总酚、酒总黄酮，白葡萄酒的理化指标的主要影响因素有单宁、总酚、酒总黄酮。在此基础上利用matlab软件分析酿酒葡萄与葡萄酒的理化指标之间的偏相关系数从而得出酿酒葡萄与葡萄酒的理化指标之间的联系。 对于问题四，我们利用SPSS双变量相关性分析法分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的相关关系，可知酿酒葡萄和葡萄酒的理化指标与葡萄酒质量相关显著，从而得出能用葡萄和萄酒的理化指标来评价葡萄酒的质量的结论。 关键词葡萄酒单因子方差分析 U检验法聚类分析- K-均值法（快速聚类法） SPSS双变量相关分析线性回归分析
葡萄酒评价的优秀论文
葡萄酒的评价模型 摘要：本文主要针对葡萄酒的评价问题建立了相关数学模型。在对两组评酒员的评价是否存在显著性差异的问题中，首先验证了两组评酒员的评价结果服从正态分布，并通过方差分析法对两组评酒员的评价结果进行了分析，发现两组评酒员对于红葡萄酒和白葡萄酒的评价结果均存在显著性差异，由于第二组评酒员的评分方差更小，故评价结果均衡度更好,其结果可信度更大。 在对酿酒葡萄进行分级的问题中，首先以相关系数衡量葡萄理化指标与葡萄酒质量的相似性程度，然后筛选出与葡萄酒质量相关性较大的理化指标与葡萄酒质量一起作为评估葡萄质量的评价指标，利用筛选出的评价指标对酿酒葡萄进行聚类分析，将红葡萄和白葡萄均分成了四类。最后以每类中对应葡萄酒质量评分的均值作为该类葡萄的分数，从而定出四类的级别，以对应国家葡萄酒的四级分类标准。 在分析酿酒葡萄与葡萄酒的理化指标间的联系问题中，本文采用偏最小二乘回归分析法对指标间的联系进行了分析计算，发现葡萄酒中的某些理化指标与葡萄的某些理化指标存在较强的相关性，比如白葡萄中的总糖和还原糖对白葡萄酒中顺式白藜芦醇苷和顺式白藜芦醇以及反式白藜芦醇的影响较大。 在判断葡萄与葡萄酒的理化指标与葡萄酒的质量间关系的问题中，首先对葡萄和葡萄酒的理化指标与葡萄酒的质量进行了相关性分析，发现某些理化指标与葡萄酒的质量相关性很大。然后筛选出这些相关性较大的指标，用偏最小二乘回归分析法进一步定量分析了这些指标与葡萄酒质量的关系，建立了葡萄酒质量的评价模型，经过检验，利用建立的评价模型对葡萄酒评价结果与专家组的评价结果误差普遍小于5%，这同时论证了用葡萄和葡萄酒的理化指标对葡萄酒进行评价是基本可行的。 关键字：显著性检验；聚类分析；偏最小二乘回归分析法