全国大学生数学建模2012年A题 附件1-葡萄酒品尝评分表
2012数学建模A葡萄酒地评价与衡量
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如此.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、电子、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如此的, 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X重承诺，严格遵守竞赛规如此，以保证竞赛的公正、公平性。
如有违反竞赛规如此的行为，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展公开展示〔包括进展网上公示，在书籍、期刊和其他媒体进展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展编号〕：编号专用页赛区评阅编号〔由赛区组委会评阅前进展编号〕：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展编号〕：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响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。
根本思路是：对两组评酒员的评价结果进展单因素方差分析，然后再用F检验对得出的结果进展进一步验证，得出两组评酒员的评价结果无显著性差异，通过比拟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，对酿酒葡萄进展分级。
根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，在此根底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，对酿酒葡萄进展排名，用两种排名的名次之和作为对酿酒葡萄分级的主要依据。
2012全国数学建模论文a题(葡萄酒)省一等奖讲述
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)：指导组日期：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）：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）：葡萄酒的评价摘要本文主要根据评酒员对葡萄酒的一系列指标的打分，从而对葡萄酒的质量作出判别。
考虑到酿酒葡萄的好坏、所酿葡萄酒的质量和酿酒工艺、陈酿技术等约束条件，为此我们建立模型来确定影响葡萄酒评价的各种因素。
在这模型中利用excel，spss，matlab等一系列的数学工具对模型进行求解，综合统计分析的应用对所给的结果进行比较，从而得出最终的结果。
首先，对于问题1，分析两组评酒员的评价结果，每个评酒员对外观、口感、香气、平衡/整体四个方面指标得分进行求和，得到其总分，确定葡萄酒的质量。
由于葡萄酒的质量满足正态分布，为了能分辨出两组的差异，所以利用spss进行配对T检验，从而得出两组评酒员有显著的差异。
其次，用excel对两组进行方差分析，根据所得到的P值大小，得出第一组的评价结果更为可信。
对于问题2，在问题1的基础下，根据所给的理化指标和葡萄酒的质量利用spss统计分析软件进行分析，相关性分析对数据进行预备分析，剔除与葡萄酒质量无显著性相关的指标，再利用系统聚类的方法对酿酒葡萄进行分级。
2012CUMCM_A题葡萄酒评价讲评
数据问题：缺失与异常数据处理
• 第一组红葡萄酒20号样本，评酒员4号中缺 色调数据-------取其他评酒员的均值，6； • 第一组白葡萄酒3号样本, 7号评酒员的持久 性超上限------77--7； • 第一组白葡萄酒8样本, 9号评酒员的持久性 超上限，16--6； • 酿酒白葡萄的百粒质量第三组数据太大， 2226.1--226.1。
问题一：建模
• 第一问：两组专家对同一组样本打分，分析两 组数据是否有显著性差异------直观理解：方差 分析，或t检验，F检验，秩和检验，Wilcoxon 符号秩检验，构造一些统计量，计算它们的值， 是否通过检验，给出结果。 • 第二问：确定哪一组专家更可信, 直观理解： 总体方差过小的组别区分度不好, 因此可以通 过比较方差大小来确定，也可以采用Cronbach 可信度系数，比较酒样F值和评酒员F值的相对 大小，Spearman秩相关系数，肯德尔和谐系 数法。
两组专家对红葡萄酒打分统计结果
白葡萄酒品评结果
第一组专家 第二组专家
总均值
73.98214
总均值
76.537037
方差
标准方差 最大
119.329
11.3597 95
方差
标准方差 最大
61.699
7.8548944 91
最小
中位值
40
76
最小
中位值Βιβλιοθήκη 4478初步分析结果
红葡萄酒： 二组均值基本相同，差异性不大 • 第一组方差明显大于第二组，从样本 区分度上说，第一组专家对红葡萄酒 的品评结果更可信 • 白葡萄酒评价结果类似：第一组优于 第二组
• 葡萄酒： 花色苷(mg/L) , 单宁(mmol/L), 总酚(mmol/L), 酒总黄酮(mmol/L), 白藜芦醇(mg/L), DPPH半抑制体积, 色泽； • 酿酒葡萄： 氨基酸总量，蛋白质，VC含量， 花色苷mg/100g鲜重, 酒石酸, 苹果酸, 柠檬酸, 多酚氧化酶活力, 褐变度, DPPH自由基1/IC50, 总酚，单宁，葡萄总黄酮，黄酮醇，白藜芦醇, 总糖，还原糖，可溶性固形物，PH值，可滴定酸， 固酸比，干物质含量，果穗质量，百粒质量， 果梗比，出汁率，果皮质量，果皮颜色
2012 全国大学生数学建模竞赛A
将芳香物质加入自变量进行回归分析，取拟合效果较优者
作为最终结果。
2012高教社杯全国大学生数学建模 竞赛题目
A题 葡萄酒的评价
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。
剔除与之不相关或相性回归关系。性 回归关系。
问题四
本题要求分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质 量的影响，并论证评价模型。 将问题二中降维后酿酒葡萄的理化指标和葡萄酒的理化指 标作为回归自变量，评酒 员对葡萄酒的打分作为回归因 变量进行多元线性回归，得到初步的回归方程后，再考虑
问题三
要求探究酿酒葡萄和葡萄酒的理化指标之间的关系，就是找出它们 各指标之间是否存
在相关性.
据此本文可建立多个因变量对多个自变量的回归分析模型，采用偏最小二乘法分析指 标之间的关系。
也可建立一元或一个因变量的多元线性回归分析模型，找出各指标的定量关系。 由于理化指标个数偏多，因此 先用相关分析分析自变量中哪些与因变量的相关性强，
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）
2012年数学建模A题
葡萄酒质量评定模型摘要葡萄酒质量的评定长久以来都是采用聘请品酒员，通过品酒员对葡萄酒各项指标打分求和来确定葡萄酒的质量。
葡萄酒的价格因品酒员评分高低的不同有显著的差别。
然而在这样的评定方式中人的主观因素对酒质量的评定占主导地位，葡萄酒质量的评定结果存在较大的不确定性。
随着人们对葡萄酒消费的增加及高质量化的追求，建立合理、规范、客观的葡萄酒质量评定模型显得尤为重要。
根据题中给出的相关数据，通过解决以下问题建立葡萄酒质量评定模型。
对于问题一：首先，将题目附录1中的数据经Excel处理，得到每组评酒员对每种酒样品的总分。
然后，对每一种酒样品运用两配对样本的非参数检验(符号秩和检验)对数据进行显著性差异分析，运用MATLAB软件比较各酒样品的两组数据发现两组结果差异显著。
其次，通过Excel求出每一种酒的品酒员所打总分的方差，得到两组品酒员分别对两类葡萄酒的方差走势图(见图1.1、1.2)，根据总体方差最小，方差波动较小，确定第二组品酒员的评分更可信。
最后，采用SPSS软件作进一步检验，结果相同即模型合理。
对于问题二，选取一级理化指标作为酿酒葡萄分级参考，对理化指标运用主成分分析法降维，通过MATLAB计算得到红葡萄的主成分有8个，白葡萄的主成分有11个。
综合评分得到的葡萄酒质量影响，红葡萄的影响因素有9个，白葡萄的影响因素有12个。
然后，利用折衷型模糊决策模型，考虑到由主成分分析方法得到的酿酒葡萄的的主成分值在反应酿酒葡萄质量好坏问题上会有一定的偏差，利用三角模糊的表达方式对主成分指标值进行表示，分别将红、白两类酿酒葡萄按隶属度大小排序，在运用聚类分析的方法，利用SPSS软件将葡萄划分为五个等级(见表格2.1)。
对于问题三，数据的庞杂是解决该问题的难点。
我们运用问题二中的主成分分析方法将理化指标转化为几个主成分，并运用MATLAB编程求出具体的主成分数值，然后建立线性回归模型，求解出酿酒葡萄与葡萄酒理化指标主成分之间的相关关系，从而反映出酿酒葡萄与葡萄酒理化指标之间的联系。
2012年全国大学生数学建模竞赛A题(葡萄酒理化指标与质量的评鉴分析,获全国二等奖)
葡萄酒理化指标与质量的评鉴分析摘要用好的葡萄也许酿不出好酒，但没人能用劣质葡萄酿出好酒。
巧妇难为无米之炊，再优秀的酿酒师，如果没有优质的葡萄，也很难酿出好酒。
不同葡萄品种酿制出的葡萄酒是不同的，但是，除了品种间的差异，葡萄自身的质量是酿制高品质葡萄酒的关键。
本文通过建立meansK-聚类模型、典型相关分析等模型，逐步探求用葡萄和葡萄酒的理化指标来评鉴葡萄酒质量的方法。
问题一要求我们分析附件1中两组评酒员的评价结果是否存在显著性差异，为此我们依据小概率原理建立模型Ⅰ-显著性检验模型。
首先我们利用F检验求解两组评酒员之间是否存在显著性差异，再利用配对t检验对检验样本做再次检验，以提高研究效率，确保评价结果的准确性。
利用Excel软件处理数据后，进行t、F的联合检验，当联合检验均被接受，得到两组评酒员的评价结果有显著性差异的结论。
同时通过对两组品酒员对55种葡萄酒样品评分的稳定性、统一性分析，确定第二组品酒员的评价结果更可信。
针对问题二本文根据附件2提供的数据，利用模糊数学原理[3]，建立模型ⅢK-聚类模型，对酿酒葡萄进行分类，再以葡萄酒品尝评分作为质量评价依据，means对酿酒葡萄进行分级。
首先，考虑到酿酒葡萄的理化指标过多，不便分类，我们利用多元统计分析原理对红、白酿酒葡萄进行主成分分析，得出红、白酿酒葡萄分别有8个和11个主成分，从而大大减少了分类指标。
再利用meansK-算法求出最佳聚类数k，建立meansK-聚类模型对各种葡萄样品在各个主成分上的得分进行聚类，将红、白葡萄样品分别划分为3类和4类。
最后，根据每个类别中葡萄样品对应的葡萄酒的品尝评分，对各类酿酒葡萄进行分级。
针对问题三建立模型Ⅳ-典型相关分析模型，定量分析酿酒葡萄与葡萄酒的理化指标之间的联系。
我们首先选取酿酒葡萄与葡萄酒皆含有的花色苷、单宁等成分作为理化指标，然后构建典型相关分析模型，研究酿酒葡萄与葡萄酒两组样品的理化指标之间的相关性。
2012年数学建模大赛A题解题思路
2012年数学建模大赛A题解题思路首先纠正一下对于数学建模的看法，数学建模重要的是一种数学思想，即使是没有牢固的数学根底，一样可以在建模的赛场上大放异彩。
下面先把试题读一下，个人认为的重点词汇已经标出出来。
（不要盲目听从任何人所谓的专家建议）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）解题思路：1、众所周知，对于同一事物的评价，如果大家的意见越一致，那么评价的可信度就越高。
所以对于问题1的解题思路也就清晰明了了。
我们可以通过离散度（所谓离散程度，即观测变量各个取值之间的差异程度。
它是用以衡量风险大小的指标。
）这一概念来对每一组评酒员作出的评估作出风险分析。
显而易见的是若风险评估的值越高，这组评酒员的评价就存在问题了。
若风险评估值大小相当，这说明这两组评酒员是没有明显差异的。
2、题目中要求对葡萄作出评级。
看起来似乎没有思路，那么我们可以动一下我们的小脑筋。
既然对于评级我们没有参考标准，那么我们可以参考评酒员的评价。
即使用逆向思维，从评酒员的评分发出，那么大体上葡萄的分级基本上就能确定下来，根据确定先来的葡萄分级进行逆推，就可以得出结论。
2012全国数学建模论文a题(葡萄酒)省一等奖范文
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)：指导组日期：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）：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）：2葡萄酒的评价摘要本文主要根据评酒员对葡萄酒的一系列指标的打分，从而对葡萄酒的质量作出判别。
考虑到酿酒葡萄的好坏、所酿葡萄酒的质量和酿酒工艺、陈酿技术等约束条件，为此我们建立模型来确定影响葡萄酒评价的各种因素。
在这模型中利用excel，spss，matlab等一系列的数学工具对模型进行求解，综合统计分析的应用对所给的结果进行比较，从而得出最终的结果。
首先，对于问题1，分析两组评酒员的评价结果，每个评酒员对外观、口感、香气、平衡/整体四个方面指标得分进行求和，得到其总分，确定葡萄酒的质量。
由于葡萄酒的质量满足正态分布，为了能分辨出两组的差异，所以利用spss进行配对T检验，从而得出两组评酒员有显著的差异。
其次，用excel对两组进行方差分析，根据所得到的P值大小，得出第一组的评价结果更为可信。
对于问题2，在问题1的基础下，根据所给的理化指标和葡萄酒的质量利用spss统计分析软件进行分析，相关性分析对数据进行预备分析，剔除与葡萄酒质量无显著性相关的指标，再利用系统聚类的方法对酿酒葡萄进行分级。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
83
品酒员2号 分数 3 8 4 4 12 5 7 7 19 10 79 品酒员2号 分数 2 6 5 6 14 3 4 5 13 8 66 品酒员2号 分数 2 6 4 7 14 5 7 7
72
品酒员3号 分数 4 8 5 7 14 6 7 8 22 10 91 品酒员3号 分数 3 8 2 2 8 3 2 4 10 7 49 品酒员3号 分数 3 8 6 7 14 5 7 7
品酒员2号 分数 4 8 5 6 14 5 7 7 19 10 85 品酒员2号 分数 4 8 5 6 14 4 7 7 19 10 84 品酒员2号 分数 2 6 4 6 12 3 6 5 13 8
80
品酒员3号 分数 4 8 5 7 14 5 7 7 22 11 90 品酒员3号 分数 4 8 4 6 12 5 8 8 19 10 84 品酒员3号 分数 2 4 2 4 8 2 4 5 13 7
82
品酒员6号 分数 4 8 4 4 12 5 6 6 19 9 77 品酒员6号 分数 4 8 3
酒样品22 外观分析 15 香气分析 30 澄清度 5 色调 10 纯正度 6
香气分析 30
浓度 8 质量 16 纯正度 6 浓度 8 口感分析 44 持久性 8 质量 22 平衡/整体评价 11
7 14 4 4 5 13 9
63
65
49
55
52
57
酒样品6 澄清度 5 色调 10 纯正度 6 香气分析 浓度 8 30 质量 16 纯正度 6 浓度 8 口感分析 44 持久性 8 质量 22 平衡/整体评价 11 外观分析 15
品酒员1号 分数 4 6 4 6 12 4 6 6 16 8 72 品酒员1号 分数 4 8 2 2 8 2 2 4 13 7
65
品酒员3号 分数 3 8 4 4 12 5 7 7 19 10 79 品酒员3号 分数 4 8 3
66
品酒员4号 分数 2 4 4 4 10 3 6 6 13 7 59 品酒员4号 分数 4 6 3
58
品酒员5号 分数 1 10 6 7 14 4 4 6 13 8 73 品酒员5号 分数 4 10 6
72
品酒员3号 分数 3 4 6 8 14 4 6 6 16 9
63
63
71
品酒员4号 品酒员5号 品酒员6号 分数 分数 分数 5 3 4 6 6 5 5 5 7 7 7 14 14 14 4 5 5 6 7 7 5 6 7 13 19 16 9 10 8
78
酒样品16 外观分析 15 香气分析 30 澄清度 5 色调 10 纯正度 6 浓度 8 质量 16 纯正度 6 品酒员1号 分数 4 8 4 7 12 4
52
酒样品13 澄清度 5 色调 10 纯正度 6 香气分析 浓度 8 30 质量 16 纯正度 6 浓度 8 口感分析 44 持久性 8 质量 22 平衡/整体评价 11 外观分析 15 品酒员1号 分数 3 8 4 6 12 4 6 5 13 8 69 品酒员1号 分数 4 8 5
64
品酒员2号 分数 3 8 5 7 14 5 7 6 19 10 84 品酒员2号 分数 4 8 5
72
品酒员6号 分数 4 8 5 6 12 5 7 7 19 9 82 品酒员6号 分数 3 6 5 7 14 2 2 5 10 7 61 品酒员6号 分数 4 6 4 6 12 5 7 7
酒样品1 澄清度 5 色调 10 纯正度 6 香气分析 浓度 8 30 质量 16 纯正度 6 浓度 8 口感分析 44 持久性 8 质量 22 平衡/整体评价 11 外观分析 15
酒样品19 澄清度 5 色调 10 纯正度 6 香气分析 浓度 8 30 质量 16 纯正度 6 浓度 8 口感分析 44 持久性 8 质量 22 平衡/整体评价 11 外观分析 15
酒样品18 澄清度 5 色调 10 纯正度 6 香气分析 浓度 8 30 质量 16 纯正度 6 浓度 8 口感分析 44 持久性 8 质量 22 平衡/整体评价 11 外观分析 15
77
品酒员2号 分数 4 6 3 6 10 4 6 6 16 9
63
品酒员3号 分数 4 6 4 6 12 5 7 7 16 9
64
品酒员4号 分数 5 4 4 4 10 4 6 6 13 8
80
品酒员5号 分数 4 4 3 4 10 4 4 5 13 8
76
品酒员6号 分数 4 6 5 6 14 5 7 8 19 10
6 5 13 9
7 7 19 10
7 7 19 10
6 6 13 9
4 5 13 8
7 6 16 8
72
品酒员1号 分数 4 8 4 7 12 3 6 5 13 8 70 品酒员1号 分数 4 8 4 7 12 4 6 6 16 9 76 品酒员1号 分数 3 6 2 4 8 4 6 6 16 8
80
品酒员2号 分数 4 8 3 6 10 3 4 6 16 9 69 品酒员2号 分数 4 8 2 4 10 3 6 5 13 9
品酒员3号 分数 4 8 4 6 12 3 4 6 16 8 71 品酒员3号 分数 4 8 2 2 8 4 6 6 16 9
品酒员4号 分数 5 4 3 6 10 3 4 5 13 8 61 品酒员4号 分数 5 6 3 4 12 3 6 6 13 8
品酒员5号 分数 4 8 6 7 14 5 6 6 16 10 82 品酒员5号 分数 5 10 2 2 8 2 4 5 13 7
品酒员6号 分数 4 6 5 6 12 3 6 6 13 8 69 品酒员6号 分数 5 8 6 7 14 5 6 7 16 8
酒样品4 澄清度 5 色调 10 纯正度 6 香气分析 浓度 8 30 质量 16 纯正度 6 浓度 8 口感分析 44 持久性 8 质量 22 平衡/整体评价 11 外观分析 15
81
品酒员3号 分数 4 6 3 4 10 4 6 5 13 8
62
品酒员4号 ห้องสมุดไป่ตู้数 5 2 3 4 10 5 6 5 16 8
70
品酒员5号 分数 3 4 5 7 14 5 7 6 19 10
67
品酒员6号 分数 4 8 3 4 10 4 7 7 19 10
70
酒样品7 澄清度 5 色调 10 纯正度 6 香气分析 浓度 8 30 质量 16 纯正度 6 浓度 8 口感分析 44 持久性 8 质量 22 平衡/整体评价 11 外观分析 15 品酒员1号 分数 4 6 4 4 10 4 4 6 13 8
63
酒样品10 外观分析 15 澄清度 5
70
76
64
59
84
品酒员1号 品酒员2号 品酒员3号 品酒员4号 品酒员5号 品酒员6号 分数 分数 分数 分数 分数 分数 4 4 4 5 4 4
外观分析 15
色调 10 纯正度 6 香气分析 浓度 8 30 质量 16 纯正度 6 浓度 8 口感分析 44 持久性 8 质量 22 平衡/整体评价 11
68
品酒员4号 分数 5 6 5 4 12 3 6 6 13 8 68 品酒员4号 分数 2 6 3 4 10 2 4 5 10 8 54 品酒员4号 分数 3 6 4 6 12 4 7 7
93
品酒员5号 分数 4 10 6 8 16 6 8 6 22 11 97 品酒员5号 分数 4 10 5 7 14 4 6 6 13 8 77 品酒员5号 分数 4 10 6 8 16 5 7 6
84
品酒员2号 分数 4 8 4 4 12 5
76
品酒员3号 分数 2 8 4 6 12 5
68
品酒员4号 分数 5 6 5 6 12 3
82
品酒员5号 分数 3 10 4 6 12 4
79
品酒员6号 分数 1 4 5 6 14 4
口感分析 44
口感分析 44
浓度 8 持久性 8 质量 22 平衡/整体评价 11 酒样品24
82
品酒员2号 分数 4 2 3 6 12 3 4 5 13 8
83
品酒员3号 分数 3 2 4 7 12 5 7 7 16 9
68
品酒员4号 分数 5 2 4 7 12 3 4 5 13 8
75
品酒员5号 分数 4 2 4 4 10 4 6 5 16 8
73
品酒员6号 分数 4 6 5 7 14 3 6 6 13 7
6 4 6 10 4 6 6 13 8
8 4 7 12 5 6 7 19 10
6 5 7 14 5 7 7 19 9
4 5 6 12 3 6 6 13 8
8 5 7 14 4 6 5 13 9
8 5 6 14 3 6 6 13 8
67
酒样品11 澄清度 5 色调 10 纯正度 6 香气分析 浓度 8 30 质量 16 纯正度 6 浓度 8 口感分析 44 持久性 8 质量 22 平衡/整体评价 11 外观分析 15 品酒员1号 分数 4 6 5 7 14 4 6 6 13 8
60
酒样品27 澄清度 5 色调 10 纯正度 6 香气分析 浓度 8 30 质量 16 纯正度 6 浓度 8 口感分析 44 持久性 8 质量 22 平衡/整体评价 11 外观分析 15 品酒员1号 分数 4 6 4 7 12 4 6 6 13 8
78
品酒员2号 分数 4 8 4 6 12 4 6 7 16 10
酒样品2 外观分析 15 香气分析 30 澄清度 5 色调 10 纯正度 6 浓度 8 质量 16 纯正度 6 浓度 8 持久性 8
口感分析 44
口感分析 44 质量 22 平衡/整体评价 11 19 9 19 10 19 10 16 9 19 10 19 10