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
葡萄酒质量的一般是通过一批有资质的评酒员的品评来确定的。他们对葡萄酒进行品尝后对其分类指标打分，然后求和得到总分，从而确定其质量。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，酿酒葡萄的好坏与所酿葡萄酒的质量有直接关系。
根据所给相关资料，建立数学模型讨论如下的问题：
1：分析附件1中的两组评酒员的评价结果有无显着差异并分析哪组的结果更可靠。 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？
二：模型假设
1. 假设各评酒员进行评分时，公正客观的对各酒样品的进行评分。
2. 假设各评酒员对不同酒样品的评价结果服从正态分布。
3. 假设进行方差分析时，各评酒员对不同酒样品的评价结果互不干扰，相互独立。
4. 假设问题四中，除葡萄和葡萄酒的理化指标外，仅有芳香物质对葡萄酒的质量产生影响。
三：符号说明
w SS …………………………随机误差 t SS …………………………总偏差平方和
b SS ……………………………组间平方和 b df ……………………………组内自由度 i x ………………………………平均数 n ………………………………样本总数 α………………………………显着性水平 m ………………………………组数
i F ………………………………第i 类主成分
w MS b MS ……………………均方根
12x x S -………………………………均数差异标准误差 21S 22S ……………………………样本方差 ij a ………………………………主成分系数
p ………………………………第p 个观测量
A ………………………………主成分系数矩阵 R ………………………………相关系数矩阵
ij x ……………………………第j 个评酒员对第i 种酒样品的评分
0β,1
β,…,p β…………………1+p 个未知参数 ε………………………………不可测随机误差 cov(,)x y ………………………,x y 的协方差 (),()D x D y ……………………,x y 的方差
ρ………………………………相关系数
i a ………………………………红葡萄酒质量相关的各因素的系数 i b ………………………………白葡萄酒质量相关的各因素的系数
四：模型的建立与求解
问题一：两组评酒员评价结果的差异分析——方差分析法
针对问题一，本文首先查阅相关资料，给出关于显着性差异的解释：
显着性差异是一个统计学名词，它是统计学上对数据差异性的评价。当数据之间具有了显着性差异，就说明参与比对的数据是来自于具有差异的两个不同总体，对于显着性差异的检验通常采用方差分析法[1]。
根据附件1所给的葡萄酒品尝评分表，本文采用方差分析法来分析两组评价员评价结果的差异性。方差分析是检验多组样本均值间的差异是否具有统计意义的一种方法[2]，运用方差分析法各样本必须符合以下条件： （1）样本是相互独立的随机样本； （2）各样本来自正态总体；
方差分析认为不同处理组的均值间的差别基本来源有两个：
（1）随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均值与该组内变量值之偏差平方和的总和表示， 记作w SS ，组内自由度w df （2）实验条件，即不同的处理造成的差异，称为组间差异。用变量在各组的均值与总均值之偏差平方和表示，记作b SS ，组间自由度b df （3）总偏差平方和t SS 的公式 其中 所以
上式中，21(...)k
i i n x x =-∑为各处理平均数.i x 与总平均数..x 的离均差平方和与重复数
n 的乘积，反映了重复n 次的组间变异，称为组间平方和，记为b SS ，即
上式中，2.11
()k n
ij i i j x x ==-∑∑为各组内均差平方和之和，反映了各组内的变异即误差，
称为组内平方和或误差平方和，记为w SS ，即
于是有
这个关系式中三种平方和的简便计算公式如下：
组内w SS 、组间b SS 除以各自的自由度(组内w df n m =-，组间1b df m =-，其中n 为样本总数，m 为组数)，得到其均方w MS 和b MS ，一种情况是处理没有作用，即各组样本均来自同一总体，1b w MS MS ≈。另一种情况是处理确实有作用，那么，
b w MS MS ?(远远大于)。b w MS MS 构成F 分布，用F 值与其临界值比较，推断各样本是否来自相同的总体。
（4）方差分析的假设检验：
零假设0H ：m 组样本均值都相同，即12m μμμ===L ，如果经过计算结果组间均方远远大于组内均方（b w MS MS ?），0.05(,)b w df df F F >，0.05α<，拒绝零假设， 说明样
本来自不同的正态总体，说明处理造成均值的显着差异；否则0.05(,)b w df df F F <，
0.05α>，不能拒绝零假设，说明样本来自相同的正态总体，处理间无差异。其中α为
显着性水平。
本文对于不同的酒样本方差检验结果如下：
表2 白葡萄酒各样品的方差分析结果
在显着性水平0.05α>的情况下，两组评酒员的评分结果无显着差异；在显着性水平00.05α<<的情况下，两组评酒员的评分结果存在显着性差异。经方差分析，发现两组评酒员仅红葡萄酒样品20的评分存在显着性差异，其他酒样品的评分结果均无显着性差异，那么，可以认为两组评酒员的评分结果无显着性差异。
由于两组评酒员的评价结果无显着差异，那么这两组评价结果来自于同一个总体，这两组评价结果总的均值可以认为是总体的期望值，可以通过分别计算两组评价结果的相对于总体期望值的方差来进行判断哪一组的评价结果更为可信。 方差计算公式：
对于第i 种酒样品，各评酒员的评价结果的方差2i S 满足： 其中ij x 代表第j 个评酒员对第i 种酒样品的评分，_
i x 代表第i 种酒样品的评分期望值，
n 代表共有n 个评酒员。
各组评酒员对所有酒样品的评价结果的方差2S 满足： 其中m 代表酒样品的总数。
将各组评酒员对各样品就得评分代入方差计算公式，经计算得：
红酒：
第一组评酒员评分的方差和为1843.108，第二组评酒员评分的方差和为1168.786。 白酒：
第一组评酒员评分的方差和为3220.424，第二组评酒员评分的方差和为1659.030。
可以看出不管红酒还是白酒，第二组评酒员评分的方差小于第一组，说明该组的评分数据和第一组相比更加接近于期望值，更稳定，因此本文认为第二组评酒员的评价结果更加可信。
问题二：酿酒葡萄的分级——主成分分析法和相关性分析法
本文先对附件2中的数据进行预处理，多次测量的同一指标数据取其平均值，然后对附件中酿酒葡萄的的理化指标进行分析。
由于酿酒葡萄的理化指标变量较多且各指标之间的存在相关性，势必增加了分析问题的复杂性，因此考虑多个变量综合为少数几个代表性变量，能够代表原始变量的绝大多数信息，并且在新的综合变量基础上，可以进一步的统计分析，本文采用主成分分析法对酿酒葡萄的理化指标进行分析。
1：主成分分析法
对于一个样本资料，观测p 个变量12,,p x x x L ，n 个样品的数据资料阵为：
其中：12,
1,2,j j
j nj x x x j p x ?? ? ?== ? ???
L M
主成分分析就是将p 个观测变量综合成为p 个新的变量（综合变量），即 简写为：
要求模型满足以下条件：
①,i j F F 互不相关（i j ≠，,1,2,,i j p =L ） ②1F 的方差大于2F 的方差大于3F 的方差，依次类推 ③222121
1,2,.k k kp a a a k p +++==L L
于是，称1F 为第一主成分，2F 为第二主成分，依此类推，有第p 个主成分。主成分又叫主分量，这里ij a 我们称为主成分系数。
上述模型可用矩阵表示为： 其中：
A 称为主成分系数矩阵。 假设样本观测数据矩阵为：
首先对原始数据进行标准化处理： 其中： 然后计算样本相关系数矩阵：
为方便，假定原始数据标准化后仍用X 表示，则经标准化处理后的数据的相关系数为:
再用雅克比方法求相关系数矩阵R 的特征值（12,p λλλL ）和相应的特征向量
()12,,,1,2i i i ip a a a a i p ==L L 。
最后选择重要的主成分，并写出主成分表达式[3]。
主成分分析可以得到p 个主成分，但是，由于各个主成分的方差是递减的，包含的信息量也是递减的，所以实际分析时，一般不是选取p 个主成分，而是根据各个主成分累计贡献率的大小选取前k 个主成分，这里贡献率就是指某个主成分的方差占全部方差的比重，实际也就是某个特征值占全部特征值合计的比重。即贡献率q 满足： 贡献率越大，说明该主成分所包含的原始变量的信息越强[4]。主成分个数k 的选取，主要根据主成分的累积贡献率来决定，即一般要求累计贡献率达到80%以上，这样才能保证综合变量能包括原始变量的绝大多数信息。
本文利用SPSS 软件分别对红葡萄和白葡萄的理化指标进行主成分分析，得到以下的结果：
红葡萄理化指标的10种主要成分有：
DPPH 自由基，出汁率，榭皮素，葡萄糖，柠檬酸，褐变度，可滴定酸，百粒质量，丝氨酸，H1
白葡萄理化指标的12种主要成分有：
谷氨酸，葡萄总黄酮，固酸比，缬氨酸，山柰酸，异亮氨酸，苹果酸，甘氨酸，DPPH 自由基，出汁率，VC 含量，多酚氧化酶活力。
得到葡萄的主要理化指标后，再运用相关性分析法分析葡萄的各主要理化指标与葡萄酒质量的相关性。 2：相关性分析法 （1）相关性分析法
相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。 （2）相关系数
简单相关系数：在线性条件下说明两个变量之间相关关系密切程度的统计分析指标，简称相关系数。
其中cov(,)x y 为,x y 的协方差，(),()D x D y 分别为,x y 的方差
令：
因此可得到
当ρ的取值介于-1与1之间，ρ的取值范围是 [-1,1]。当0ρ>时，x 与y 为正相关，当0ρ<时，x 与y 为负相关。 ρ的数值愈接近于1，表示x 与y 直线相关程度愈高；反之， ρ的数值愈接近于0，表示x 与y 直线相关程度愈低。
通常判断的标准是: 0.3ρ<称为微弱相关，0.30.5ρ≤<称为低度相关，
0.50.8ρ≤<称为显着相关 ，0.81ρ≤<称为高度相关或强相关[5]。
运用SPSS 软件分析酿酒葡萄理化指标的主成分数据和葡萄酒质量的相关性，得到以下结果：
表3 红葡萄的理化指标与红葡萄酒质量的相关性
表4 白葡萄的理化指标与红葡萄酒质量的相关性
上述两表结果显示：
红葡萄酒的质量与红葡萄理化指标中的槲皮素，葡萄糖，柠檬酸，褐变度，可滴定酸，百粒质量，丝氨酸，H1微弱相关；与出汁率低度相关；与DPPH 自由基显着相关。
白葡萄酒的质量与白葡萄理化指标之中的葡萄总黄酮，固酸比，缬氨酸，山柰酸，异亮氨酸，苹果酸，甘氨酸，DPPH 自由基，出汁率，VC 含量，多酚氧化酶活力微弱相关；与谷氨酸低度相关。
考虑到葡萄的分级问题，本文将上述相关分析中各指标所得相关系数作为权重，求出各指标权重衡量下的求和函数：
其中，i a 为红葡萄中各理化指标的相关系数；'i a 为白葡萄中各理化指标的相关系数代入红白葡萄样品中相应的理化指标，得到以下值：
表5 红葡萄理化指标加权值
表6 白葡萄理化指标加权值
分析上述两表发现不论红葡萄还是白葡萄，所对应权重求和值分别在-2~3和-3~2之间，由此本文考虑以1为间距分级，分五级，数值越小代表级数越高，葡萄质量越高[6]。
表7 红葡萄各样品的分级情况
表8 白葡萄各样品的分级情况
问题三：酿酒葡萄与葡萄酒理化指标之间的联系—相关性分析法
为了能够得到酿酒葡萄和葡萄酒的理化指标之间的联系，本文依据问题二中所得的关于酿酒葡萄的主要理化指标，仍借助相关性分析法，分析了这些指标与所给葡萄酒的理化指标之间的相关度，所得结果如下表所示：
表9 红葡萄与红葡萄酒的理化指标的相关性分析
分析上表，得到红葡萄酒的理化指标与酿制红葡萄酒的酿酒葡萄的理化指标之间的相关程度如下:
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。
红葡萄酒中的单宁与酿酒葡萄中的DPPH自由基、槲皮素显着相关，与酿酒葡萄中的出汁率、褐变度、百粒质量低度相关，与其他主要理化指标微弱相关。
红葡萄酒中的总酚与酿酒葡萄中的DPPH自由基高度相关，与酿酒葡萄中的H1显着相关，与酿酒葡萄中出汁率，槲皮素、褐变度低度相关，与其他主要理化指标微弱相关。
红葡萄酒中的酒总黄酮与酿酒葡萄中的DPPH自由基显着相关，与酿酒葡萄中的出汁率、褐变度低度相关，与酿酒葡萄中的其他主要理化指标微弱相关。
红葡萄酒中的白藜芦醇与酿酒葡萄中的DPPH自由基低度相关，与酿酒葡萄中的其他主要理化指标微弱相关。
红葡萄酒中的DPPH半抑制体积与酿酒葡萄中的DPPH自由基显着相关，与酿酒葡萄中的出汁率、榭皮素、褐变度低度相关，与酿酒葡萄中的其他主要理化指标微弱相关。
红葡萄酒中的色泽L*与酿酒葡萄中的DPPH自由基显着相关，与酿酒葡萄中的出汁率、褐变度、百粒质量低度相关，与其他主要理化指标微弱相关。
红葡萄酒中的a*与酿酒葡萄中褐变度低度相关，与酿酒葡萄中的其他主要理化指标微弱相关。
红葡萄酒中的b*与酿酒葡萄中的榭皮素、葡萄糖低度相关，与酿酒葡萄中的其他主要理化指标微弱相关。
分析上表，得到白葡萄酒的理化指标与酿制白葡萄酒的酿酒葡萄的理化指标之间的相关程度如下:
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。
白葡萄酒中的总酚与酿酒葡萄中的葡萄总黄酮显着相关，与酿酒葡萄中的多酚氧化酶活力、DPPH自由基、谷氨酸低度相关，与酿酒葡萄中的其他主要理化指标微弱相关。
白葡萄酒中的酒总黄酮与酿酒葡萄中的葡萄总黄酮显着相关，与酿酒葡萄中的苹果酸低度相关，与其他主要理化指标微弱相关。
白葡萄酒中的白藜芦醇与酿酒葡萄的主要理化指标微弱相关。
白葡萄酒中的DPPH半抑制体积与酿酒葡萄中的多酚氧化酶活力、DPPH自由基、葡萄总黄酮、异亮氨酸低速相关，与其他主要理化指标微弱相关。
白葡萄酒中的L与酿酒葡萄中的出汁率、谷氨酸显着相关，与酿酒葡萄中的固酸比、甘氨酸低度相关，与其他主要理化指标微弱相关。
白葡萄酒中的a*与酿酒葡萄中的苹果酸、葡萄总黄酮、出汁率低度相关，与酿酒葡萄中的其他主要理化指标微弱相关。
白葡萄酒中的b*与酿酒葡萄中的出汁率显着相关，与酿酒葡萄中的固酸比、谷氨酸低度相关，与酿酒葡萄中的其他主要理化指标微弱相关。
问题四：酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响
查阅相关资料，葡萄的质量受到很多因素的影响，如酿酒葡萄的理化指标，芳香物质的多少以及酿酒方法环境等[7]。
为了分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，本文根据问题二和问题三的分析，参考葡萄的理化指标中的主成分，葡萄酒的理化指标，葡萄的芳香物质以及葡萄酒中的芳香物质，欲对葡萄酒的质量进行相关性分析。
葡萄和葡萄酒的芳香物质成分过多，本文再次运用主成分分析法对其进行降维分析。用SPSS软件分析得到芳香物质的主成分如下：
红葡萄：
2-辛酮、1-庚醇、1-壬醇、(E)-3,7-二甲基-2,6-辛二烯-1-醇、乙醛，苯乙醛；
白葡萄：
乙酸己酯、(Z)-乙-庚烯醛、1-壬醇、壬酸乙酯、(Z)-3,7-二甲基-2,6-辛二烯醛、辛酸乙酯、反式-2-壬烯酸、1-庚醇、1-辛醇；
红葡萄酒：
异山梨糖醇、2,5-二（1,1-二甲基乙基）-1,4,-苯二醇、5-甲基糖醛、2-甲基-1-丙醇、乙酸异戊酯、3-甲硫基-1-丙醇、3,7-二甲基-1,5,7-辛三烯-3-醇、香叶基乙醚；
白葡萄酒：
辛酸乙酯、（R）-3,7-二甲基、乳酸乙酯、2-壬醇、丙酸乙酯、苯乙烯、2-己丙烯酸乙酯、乙酸-2-甲基丙基酯、乙酸正丙基、3,7-二甲基-1,6-辛二烯-3-醇。
下面运用相关性分析法对酿酒葡萄和葡萄酒的主要理化指标，葡萄和葡萄酒的芳香物质的主要成分与葡萄酒质量之间的相关性进行分析：
葡萄酒质量与酿酒葡萄的理化指标的相关性分析结果在问题二中已经给出。
为简单起见，对于附件3中的芳香物质用编号来代替，如葡萄酒的芳香物质按附件所给的顺序用酒芳香1~酒芳香73进行编号，葡萄的芳香物质按附件所给顺序用葡萄芳香1~葡萄芳香55进行编号。
下面两表为其余因素的相关性分析结果：
表11 各因素对红葡萄酒质量相关性
表12 各因素对白葡萄酒的相关性
分析上表，为了更合理更清晰的解释酿酒葡萄和葡萄酒的理化指标以及葡萄或葡萄酒中的芳香物质与葡萄酒质量的关联程度，去除与葡萄酒质量相关程度极其微弱（即||0.1ρ<）的因素：例如红葡萄酒质量的相关的因素去除酿酒葡萄中的葡萄糖、褐变度、丝氨酸、H1、红酒芳香39、红酒芳香28、红酒芳香11、葡萄芳香35、葡萄芳香25。
取剩下的因素作为自变量，葡萄酒质量为因变量，运用多元线性回归模型建立相应函数关系。
设y 是一个可观测的随机变量，它受到p 个非随机因索12,,,p x x x L 和随机因素ε的影响，y 若与12,,,p x x x L 有如下线性关系：
其中01,,,p βββL 是1p +个未知参数，ε是不可测的随机误差，且通常假定
2~(0,)N εσ.上式为多元线性回归模型[8]。
本文建立以葡萄和葡萄酒的理化特性、葡萄和葡萄酒的芳香物质为自变量，葡萄质量为因变量的函数：
红葡萄 24
1i i i y a x e ==+∑
白葡萄 31
'
''1
i i i y b x e ==+∑
其中，i a 为与红葡萄酒质量相关的各因素的系数；i b 为与白葡萄酒质量相关的各因素的系数；',e e 为常数。
借助MATLAB 软件解得常数e 为184.863，各理化特性的系数为：、
表13 红葡萄酒函数的系数
表14 白葡萄酒函数的系数
综合考虑相关性分析结果与多元线性回归模型的结果，可以看出葡萄酒的质量与酿酒葡萄和葡萄酒的理化指标，酿酒葡萄和葡萄的芳香物质紧密相关，不能单纯的通过酿酒葡萄和葡萄酒的理化指标来评价葡萄酒的质量，还应综合考虑芳香物质等其他因素对其的影响。
事实上，本文查阅相关资料后发现，葡萄酒的质量受也很多外在因素的影响。葡萄酒是人和自然关系的产物，是人在一定的气候、土壤等生态条件下，采用相应的栽培技术，种植一定的葡萄品种，收获其果实，通过相应的工艺进行酿造的结果[9]。因此，原产地的生态条件、葡萄品种以及人所采用的栽培、采收、酿造方式等，决定了葡萄酒的质量和风格。因此，影响葡萄酒质量和风格的因素可分为自然因素和人为因素两大类。自然因素包括气候、地质、土壤等生态条件和与之相适应的品种；人为因素包括与自然因素相适应的栽培管理措施和酿造、贮藏方式等。酿酒时贮藏的温度，湿度，紫外线，震荡，通风情况，摆置角度以及贮藏年份都会造成葡萄酒口感变化。要对葡萄酒质量有一个更加客观与信服的评价，必须综合考虑各方面因素，而不能仅从酿酒葡萄与葡萄酒的理化指标方面得出结论。同时也说明了高品质的葡萄酒的酿造过程是十分精细的，从葡萄的选取到酿造都需要经验与技术的结合。
五：模型评价
模型优点：
本文应用降维的思想用主成分分析法对酿酒葡萄、葡萄酒的理化指标以及芳香物质中的各种成分进行筛选，将多个变量综合为少数几个代表性变量，能够代表原始变量的绝大多数信息。
相关分析法分析了理化指标、芳香物质和葡萄酒的质量之间的定量关系，使得我们可以忽略理化指标中一些对酿酒葡萄分级和葡萄酒质量影响不明显的不相关和微弱相关的因素。
利用多元线性回归模型，综合考虑了与葡萄酒质量紧密相关的各因素，从而更为准确的对葡萄酒的质量进行定量判断。
模型缺点：
由于本文对葡萄和葡萄酒的一级二级理化指标和芳香物质中的各种成分都进行了分析和筛选，使得计算量较大并且比较繁琐。
六：参考文献
[1] 徐洪文，关于“显着性检验”问题的讨论，宁夏大学学报，第28卷：
146-147,2007。
[2] 王国胜，农业科研中显着性检验与显着性水平的讨论，安徽农业科学，第35卷第19期：5676-5677，2007。
[3] 黄长友，中药微量元素的主成分分析，广东微量元素科学，第14卷第4期：
40-41,2007。
[4] 叶晓枫王志良，主成分分析法在水资源评价中的应用，河南大学学报，第37卷第3期：277-279,2007。
[5] 郑德如，回归分析和相关分析，上海：上海人民出版社，52-69,1984。
[6] 张丽芝，贺兰山东麓红葡萄酒等级划分客观标准的初步研究，中国食物与营养，第18卷第3期：30-31,2012。
[7] 林翠香，基于数据挖掘的葡萄酒质量识别，中南大学硕士生论文，2010。
[8] 李继成，数学实验，北京：高等教育出版社，188-194,2009。
[9] 王喜娥，正确储存葡萄酒提高葡萄酒质量，农业科学，第9期：55-57,2011。
七、附录
附录1：
使用spss软件进行方差分析、主成分分析、相关性分析；
使用matlab软件进行多元线性回归分析。
附录2：
问题一的方差分析的源程序见“J0113源程序”文件夹中的“问题一”子文件夹中的“白葡萄酒方差分析数据.sav”和“红酒评分方差分析数据.sav”。
附录3：
问题一的方差分析的原始结果见“J0113源程序”文件夹中的“问题一”子文件夹中的“白葡萄酒方差分析结果.spv”和“红酒评分方差分析结果.spv”。
附录4：
问题二的酿酒葡萄的理化指标的主成分分析的源程序见“J0113源程序”文件夹中的“问题二”字文件夹中的“白酿酒葡萄主成分分析数据.sav”和“红酿酒葡萄主成分分析数据.sav”。
附录5：
问题二的酿酒葡萄的理化指标的主成分分析的原始结果见“J0113源程序”文件夹中的“问题二”字文件夹中的“白酿酒葡萄主成分分析结果.spv”和“红酿酒葡萄主成分分析结果.spv”。
附录6：
问题二的葡萄酒质量与酿酒葡萄的主要理化指标的相关性分析源程序见“J0113源程序”文件夹中的“问题二”字文件夹中的“白酒相关分析数据.sav”和“红酒相关分析数据.sav”。
附录7：
问题二的葡萄酒质量与酿酒葡萄的主要理化指标的相关性分析原始结果见“J0113源程序”文件夹中的“问题二”字文件夹中的“白酒相关分析结果.spv”和“红酒相关分析结果.spv”。
附录8：
问题三的葡萄酒的理化指标与酿酒葡萄的理化指标的相关性分析源程序见“J0113源程序”文件夹中的“问题三”子文件夹中的“白酒相关分析数据.sav”和“红酒相关分析数据.sav”。
附录9：
问题三的葡萄酒的理化指标与酿酒葡萄的理化指标的相关性分析原始结果见
“J0113源程序”文件夹中的“问题三”子文件夹中的“白酒相关分析结果.spv”和“红酒相关分析结果.spv”。
附录10：
问题四的葡萄和葡萄酒中芳香物质的主成分分析的源程序见“J0113源程序”文件夹中的“问题四”子文件夹中的“白酒芳香物质主成分分析数据.sav”、“红酒芳香物质主成分分析数据.sav”、“白葡萄芳香物质主成分数据.sav”和“红葡萄芳香物质主成分数据.sav”。
附录11：
问题四的葡萄和葡萄酒中芳香物质的主成分分析的原始结果见“J0113源程序”文件夹中的“问题四”子文件夹中的“白酒芳香物质主成分分析结果.spv”、“红酒芳香物质主成分分析结果.spv”、“白葡萄芳香物质主成分结果.spv”和“红葡萄芳香物质主成分结果.spv”。
附录12：
问题四的葡萄和葡萄酒的理化指标、葡萄和葡萄酒中芳香物质与葡萄酒质量的相关性分析源程序见“J0113源程序”文件夹中的“问题四”子文件夹中的“白酒相关分析数据.sav”和“红酒相关分析数据.sav”。
附录13：
问题四的葡萄和葡萄酒的理化指标、葡萄和葡萄酒中芳香物质与葡萄酒质量的相关性分析原始结果见“J0113源程序”文件夹中的“问题四”子文件夹中的“白酒相关分析结果.spv”和“红酒相关分析结果.spv”。
附录14：
问题四的多元线性回归分析的源程序见“J0113源程序”文件夹中的“问题四”子文件夹中的“HongPuTao.m”和“BaiPuTao.m”。
葡萄酒行业市场分析报 告 LEKIBM standardization office【IBM5AB- LEKIBMK08- LEKIBM2C】
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 1989
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
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）： 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01 -数据分析，发现对于红葡酒有70.3%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α系数衡量，并结合F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，能有效地反映出两者间的联系，取与葡萄各成分相关性显著的葡萄酒理化指标，与葡萄成分做多元线性回归得出葡萄酒理化指标与酿酒葡萄的拟合方程，从而反映酿酒葡萄与葡萄酒理化指标之间的联系。 由于已经通过回归分析建立了酿酒葡萄和葡萄酒理化指标之间的关系，因此从酿酒葡萄成分对葡萄酒的理化指标的影响，再研究出葡萄酒理化指标与葡萄酒质量的联系，便可作为一个桥梁，反映出葡萄与葡萄酒理化指标对葡萄酒的质量的作用。研究葡萄酒理化指标与葡萄酒质量的联系，需要运用变量间的相关性及Pearson系数法分析葡萄酒的理化指标与葡萄酒质量评价指标的相关性，通过比较选出与葡萄酒评价的一级指标相关性程度大的葡萄酒成分，进行回归分析法，建立酿酒葡萄的理化指标与葡萄酒质量之间的拟合方程，结合各个质量一级指标的权重，从而完成了从葡萄酒成分对葡萄酒质量的客观评价。综合计算结果，与酿酒葡萄分级的结果吻合，所以分析结果较客观。
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
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
(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
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
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）：长江师范学院 参赛队员(打印并签名) ：1. 李蓉 2. 马艳 3. 周成楷 指导教师或指导教师组负责人(打印并签名)：廖江东 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
葡萄酒质量的评价模型 摘要 本文围绕葡萄酒的质量评价问题进行讨论，主要应用数据的统计原理以及数据的处理方法对酿酒葡萄的分级、葡萄酒和葡萄的理化指标的联系、以及葡萄酒质量评价问题建立了模型，并对模型做了较详细的模型检验，客观地实现了问题的解决。 问题（1），是一个数据统计问题，首先对红、白葡萄酒每类酒的样本数据建立了两独立样本的T检验模型，通过对比T统计量t值与T分布表给出的相伴概率值之间的大小，得出两组数据样本具有显著性差异。对于两数据样本的可信度问题，本文巧妙通过对每类的两个数据样本的均值方差的图像分析和对客观的评价准则考虑，得出结果：第二组评酒员给出的分数更具有可信性。 问题（2），属于多方案排序问题，首先利用问题（1）中的结果得到两组样品的有效性较高的评分数据样本，并借以建立了排序模型。同时本文还应用逼近理想解排序法（TOPSIS法），得出了两类葡萄酒质量的排序，然后通过权重法筛选出氨基酸、糖、蛋白质作为核心理化指标。最后基于“层次分析法”评价模型建立分级评价模型，通过权重算法得到以核心量化指标的贴近度作为分级的标准，确定出了对酿酒葡萄的四个等级：（见表4-15、4-16）。 问题(3)，对附件2中一级指标下的多重数据进行求平均值处理获得该级指标的最优值，建立了多元线性回归模型，首先对酿酒红、白葡萄的30种一级指标进行筛选，筛选出众多核心理化指标的最优值,并采用“逐步回归”的方法，针对多重数据下的多种指标进行分别拟合，从中抽出拟合最好的一组数据和结果进行图像分析，得出整体的酿酒葡萄与葡萄酒的理化指标成正相关的关系。 问题（4），本文基于问题（1）、问题(2)和问题（3）的研究结果，首先针对酿酒葡萄和葡萄酒的理化指标对葡萄酒质量影响问题，建立了多元回归分析模型，并运用逐步回归方法对这里的最优值进行有效而合理的筛选，之后将筛选得到的多个理化指标给与拟合，并对其进行图像分析，得出筛选出来的5个一级指标就可以反映出整体的关系，最后应用这个结果论证出：用葡萄和葡萄酒的理化指标来判断葡萄酒的质量是不全面的。 关键词：葡萄酒的评价 T检验层次分析法多元线性回归分析逐步回归法
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。
Advances in Applied Mathematics 应用数学进展, 2015, 4(4), 376-384 Published Online November 2015 in Hans. https://www.doczj.com/doc/186074954.html,/journal/aam https://www.doczj.com/doc/186074954.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.doczj.com/doc/186074954.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。
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
数学建模A葡萄酒的评 价 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】
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 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）：
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 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着性差异，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着的线性相关性，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 1．问题的重述 确定葡萄酒质量时一般是通过聘请一批有资质的的评酒员进行品评。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给出了某一年分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又无明显差异，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关系。
中国葡萄酒市场 分析
目录 前言 (3) 一、中国葡萄酒产业发展历程 (3) 第一阶段(1978-1992)：启蒙阶段——半汁葡萄酒的黄金时期 (3) 第二阶段(1992-2002)：调整阶段——量降质升，行业规范奠定后续发展基础 (4) 第三阶段(2002-至今)：快速增长阶段——质量、品牌和产量的全面提升 (4) 二、中国葡萄酒近10年产量变化和主要品牌 (6) 三、中国未来十年葡萄酒产量预测 (7) 四、中国人均葡萄酒消费量水平 (9) 五、欧盟前十大葡萄酒出口目的国及离岸价格 (10) 六、中国葡萄酒消费市场现状 (11) 6.1葡萄酒的流通环节 (11) 6.2葡萄酒各销售渠道占比 (11) 6.3中国不同酒种消费情况（按消费额） (12) 6.4我国消费者选择葡萄酒的动机 (13) 6.5我国葡萄酒饮用场合 (13) 七、进口葡萄酒的现状与未来 (14) 7.1进口葡萄酒正处于导入期，未来2-3年将进入蓬勃发展期 (14) 7.2品牌力成为进口葡萄酒最大软肋，其根源在于厂商合作不足 (14) 7.3进口葡萄酒市场由小众转变为大众，选对合作伙伴、规范操作才是制胜之道.. 14 7.4价格理性回归、“专业化、规模化和品牌化”才是进口葡萄酒的未来。 (15)
前言 葡萄酒的历史相当久远，大约起源于波斯，据说葡萄酒的酿成始于一个美丽的误会。有一位古波斯国王，把吃不完的葡萄藏在密封的瓶中。并写上“毒药”字眼。以防他人偷吃.国王日理万机，很快便把这收藏给忘记了。这时有位妃子被打入冷宫,生不如死，凑巧看到这“毒药”的瓶子，便有轻生之念。打开后，里面颜色古怪的液体也很像毒药，她就喝了几口，在等死的当儿发觉不单不痛苦，反而有种舒恬陶醉的飘飘欲仙感。于是她将这事呈报国王，国王有为惊奇，一试之下果不其然，结果王妃再度获得宠爱。 这当然仅是个美丽的传说。 我国酿造葡萄酒最早的地区是今新疆地区的各族人民。《史记--大宛列传》载：“宛左右以葡萄为酒，富人藏酒至万余石，久者数十岁不败。”内地直到公元前139年，张骞奉汉武帝之命出使西域，带回了龙珠、马乳、水晶和紫葡萄等优良的葡萄品种，才酿造出了葡萄酒。不过那时的葡萄并未得到推广扩种，葡萄酒一直是“珍异之物”，不是普通百姓所能享用的，只是皇宫和少数的富贵人家才能享用。我国葡萄酒酿造兴旺起来是在唐太宗破高昌（今吐鲁番）之后。据《唐书》记载：640年，唐太宗命交河道行军大总管侯君集平定高昌，得到了马奶葡萄种子，“将马乳葡萄实于苑中种之，并得其酒法”。千古绝唱“葡萄美酒夜光杯”就是唐代诗人王翰所作的《凉州词》中的诗句。 一、中国葡萄酒产业发展历程 虽然葡萄酒产业在中国起步已有百年的历程，但他真正的起步、发展、超越还是近三十年的事情，从政策到体制，从法规到市场，从酿造设备到技术，从文化到教育，从科研到人才，中国葡萄酒业发展经历了三个阶段 第一阶段(1978-1992)：启蒙阶段——半汁葡萄酒的黄金时期 1978年，中国轻工业部食品局对葡萄酒工业做了八年发展规划及二十三年设想,国家唯一从事酒类研究工作的机构——中国发酵食品工业研究所于是在1978年开始在做《干白葡萄酒新工艺的研究》工作，这一时期，长城（华夏、沙城）、王朝、华东、丰收、威龙、西夏、龙徽等一批企业纷纷成立，但基本上以生产全汁的干酒、半干酒为主。当时的消费者，长期以来一直喝带甜味的半汁酒，对于酸而涩的真正葡萄酒很难接受。所以这些企业生产的
葡萄酒质量的综合评价分析模型 专家点评： 本文问题一方法合理，结论正确。问题二对葡萄理化指标进行聚类，然后根据葡萄酒质量进行分级，思路简明正确。问题三进行多元线性回归，尚可，但如果能进行相关性分析会更好。问题四用逐步回归的方法，适当，加入芳香类物质，使结论更加合理。如果问题二和问题三也能将附件三考虑入内会使结论更加有力。 【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。本文主要研究了葡萄酒的品质与葡萄酒自身以及酿酒葡萄的理化指标的关系，给出了基于葡萄酒自身的理化指标以及酿酒葡萄的理化指标与芳香物质的定量综合评价模型。 首先基于两组评酒员对同一批葡萄酒的评价分数数据，采用假设检验中的t检验法建立评估两组数据差异的模型，得到了两组评酒员的评分存在显著差异的结论，并通过对两组数据进行方差分析，以判别结果具有的稳定性作为标准，得到第二组比较可靠。 接下来我们结合酿酒葡萄的理化指标和可信组评酒员的打分所刻画的葡萄酒的质量对酿酒葡萄进行分级，用聚类分析的方法将红，白葡萄酒和酿酒葡萄各分成了5类，然后对分好的葡萄类所酿造的葡萄酒进行统计，得到各类葡萄所对应的级别。 更进一步，我们分析了酿酒葡萄和葡萄酒的理化指标之间的联系，运用主成分分析的方法，从酿酒葡萄的30个指标中提取出了12个主要成分，进而通过逐步回归的方法建立起酿酒葡萄和葡萄酒的理化指标联系的模型。 最后我们将提取葡萄及葡萄酒的理化指标与芳香物质中的主成分，利用逐步回归的方法考察理化指标与芳香物质对葡萄酒质量的影响程度，通过对芳香物质对葡萄酒质量影响比重得到芳香物质对葡萄酒的质量有30%以上的影响比重（白葡萄的芳香物质对白葡萄酒的质量影响相对更大），故而不能完全用酿酒葡萄和葡萄酒的理化指标评价葡萄酒的质量。 关键词：假设检验聚类分析主成分分析逐步回归
２０１８年葡萄酒行业深度研究报告
进口葡萄酒高速增长，市场仍显碎片化 我国的零关税政策促进了葡萄酒进口量及进口额2015年以来的约20%的年增速。我们认为进口葡萄酒对葡萄酒行业整体的冲击仍然存在，但葡萄酒行业整体探底过程已经逐步完成，进入弱复苏阶段。虽然进口葡萄酒保持高速增长，但目前国内进口葡萄酒市场呈现高度碎片化的混战格局，国内龙头公司较有可能成为改变进口葡萄酒碎片化格局。虽然葡萄酒行业景气度向上拐点仍不明朗，但建议积极关注龙头公司，静待布局时点的到来。葡萄酒进口量进口额增长势头迅猛，散装酒进口额Q3猛增 2017年前三季度葡萄酒进口量同比增长24.38%，进口额同比增长19.20%，我们预计未来进口酒占中国葡萄酒消费总量的比重将继续提高。2017Q3散装葡萄酒进口量同比增长95.78%，进口价格同比增长6.97%，进口额同比增长109.43%；相比之下，2017Q3瓶装葡萄酒进口量同比增长16.43%，进口价格同比增长8.11%，进口额同比增长25.87%。散装葡萄酒进口价格增速稍低于瓶装葡萄酒，但进口量增速大幅领先。一方面原因是散装酒基数小，2016年进口量不到瓶装酒的三分之一；另一方面原因是三四线城市及乡镇市场对进口散酒、国内灌装低价爆款产品的需求。 进口葡萄酒市场高度碎片化，国产品牌商引进海外资源模式更为可行 进口葡萄酒虽然保持高速增长，但目前国内进口葡萄酒市场呈现高度碎片化的混战格局。国际品牌向我国引进进口葡萄酒的渠道模式众多，我们认为由国产品牌商引进海外资源的模式结合了国产龙头拥有的强大渠道网络、贴近国内消费者的营销方式以及海外品牌资源，相比之下更为可行。市场迈向成熟，国产葡萄酒利用渠道优势嫁接海外资源 葡萄酒行业的消费趋势有低龄化、理性化的特点，年轻消费者以及中产阶级的消费偏好健康化，同时更加理性、关注性价比，加之近年来厂商代理商对于消费者葡萄酒教育的倾注越来越多，我国葡萄酒行业正在快速走向成熟。在葡萄酒行业整体迈向成熟的同时，由于三四线城市及乡镇市场的消费占比在逐年提高，进口葡萄酒向三四线渗透使得电商渠道的低价爆款进口酒尤其受到欢迎。基于目前葡萄酒行业现状，国内行业龙头若在自有进口酒业务上持续加强品牌建设，并利用已有的营销网络与渠道优势，将有望借助进口酒东风，在竞争中脱颖而出。 重点关注国内葡萄酒龙头张裕 张裕作为我国葡萄酒行业的领军龙头，加上张裕品牌在国内的高认可度，以及领先的渠道优势及营销经验，较有可能成为改变进口葡萄酒碎片化格局的大商。经历2012年至2014年的业绩调整，渠道库存清理的结束，张裕开始恢复性增长，我们坚定看好张裕的长期发展前景。 风险提示：国产及进口葡萄酒需求不及预期；宏观经济影响葡萄酒消费；食品安全问题。
葡萄酒评语 篇一：葡萄酒评价 葡萄酒的评价 摘要 对于解决葡萄酒的评价问题及其之间的联系，需要运用到统计学中不同的分析方法，同时建立模型，再利用相应的软件进行求解。 针对问题一，通过分析十位评酒员对不同葡萄酒的打分进行统计整理，得到每位评酒员对所有酒样品的总得分，利用个spss软件，通过对总得分进行T检验分析得到均值，标准差，误差等相应的数据，可以得出两组评酒员的评价结果存在的差异性，根据数值比较可知，第二组评酒员评价结果之间的浮动较小，因此确定第二组的评价结果比较可信。 针对问题二，采用主成分分析和聚类分析对酿酒葡萄进行分级，首先通过spss软件对酿酒葡萄的理化指标进行主成分分析，对主成分累计贡献率进行归一化分析得出其权重和酿酒葡萄中的主要物质的相关系数矩阵。再通过相关数据利用maTLaB得出聚类图。因为酿酒葡萄的组数较多，可将其分为4类，以便聚类图能清晰表明酿酒葡萄的等级。 针对问题三，运用spss软件及问题二的模型对酿酒葡萄和葡萄酒理化指标分析，从红葡萄和红葡萄就中提取9中主要物质（见表三1），
白葡萄与白葡萄酒中提取8中主要物质（见表四1）。再对酿酒葡萄和葡萄酒理化指标进行通过典型相关分析。更加准确的反应出酿酒葡萄与葡萄酒理化指标之间联系。 针对问题四，建立多元线性回归模型分析葡萄和葡萄酒的理化指标及芳香物质对葡萄酒的影响，利用spss软件得出图四和图六，由图中数值分析得出拟合线性回归的残差浮动区间为[-1,1],因此葡萄酒的质量可以由酿酒葡萄和葡萄酒的理化指标以及芳香物质共同反应。 关键字：T检验、主成分分析、聚类分析、典型相关分析、多元线性回归分析 一问题重述 1.1问题背景与条件 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。 1.2预解决的问题 1、问题一分析附件1中两组评酒员的评价结果有无显著性差异，哪一组结信？ 2、问题二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、问题三分析酿酒葡萄与葡萄酒的理化指标