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）：S05004
所属学校（请填写完整的全名）：河南大学
参赛队员(打印并签名) ：1. 张娟
2. 付岩峰
3. 胡奇杰
指导教师或指导教师组负责人(打印并签名)：杨晓艺
日期：2012年 09 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
本文通过对评酒员的评价结果、酿酒葡萄与葡萄酒的理化指标进行综合分析，主要运用统计方法建立了以理化指标衡量葡萄酒质量的数学模型。
对问题一，首先建立成对比较检验模型，通过双侧界限检验方法得出两组评价结果之间存在显著性差异。评分的集中性反映评酒员评价结果的可信程度，本文将可信度定义为各个葡萄酒样品得分的均值与标准差的比值之和，计算结果表明第二组评酒员的评分更加可信。
在问题二中，以第二组评酒员对葡萄酒的分类指标打分为数据来源，运用相关性分析，定义酿酒葡萄的等级判别函数。首先对葡萄的理化指标进行无量纲化处理，然后从葡萄酒的感官指标即外观、香气、口感三方面找到最优和最劣的葡萄酒样品，分别计算它们对应的酿酒葡萄的理化指标与其它酿酒葡萄之间的相关系数，以它的大小将酿酒葡萄分为优、中、劣三个级别，作为外观、香气和口感的等级函数，最后，将这三个函数进行加权平均作为评定酿酒葡萄等级的判别函数，按照既定的等级划分阈值，本文给出酿酒葡萄的等级分为优品、良品、次品三个大的等级，其中优品又分四个小的等级，良品又分两个等级。
对问题三，本文运用灰色系统理论中的灰关联分析法，计算葡萄酒中单个理化指标与酿酒葡萄中所有指标的关联度，筛选出与其关联度最大的三个指标，以此量化葡萄与葡萄酒理化指标之间的联系。我们得到：决定红葡萄酒色泽物质的含量很大程度上取决于葡萄的百粒质量、果皮质量、出汁率和酸的含量；红葡萄酒中白藜芦醇、酒总黄酮、DPPH与葡萄总黄酮关系密切，可见葡萄总黄酮在制酒过程中发挥着重要的作用；白葡萄酒的外观取决于酿酒葡萄的PH值。
在问题四中，按照评酒模式中外观、香气和口感三方面来分析葡萄酒的质量。建立多元线性回归模型，以葡萄酒的质量为因变量、葡萄和葡萄酒的理化指标为自变量，拟合出外观、香气、口感的理化指标函数，通过三个函数综合检验理化指标是否能够评价葡萄酒质量。模型结果表明红葡萄酒的某些理化指标在一定程度上反映葡萄酒的质量，但仍然不能完全替代葡萄酒的质量，而白葡萄酒的口感理化指标因子与葡萄酒的质量没有显著性的线性关系。
关键词：成对比较检验；相关系数；灰关联分析；多元线性回归
一、问题重述
在确定葡萄酒质量时，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。
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。
二、问题分析
问题一，讨论评酒员的评价结果有无显著性差异，并比较哪一组评价结果更可信。对于该问题，由于是对两组评酒员评定结果的综合性判断，我们首先求出各组的评均得分以及10名评酒员评分的方差，采取成对比较检验的方法来进行求解。我们引入可信度的概念来确定哪一组更可信：评酒员给出的评价总分的集中程度，即各酒样的平均分与方差的比值之和；选取可信度数值大的一组更为可信。
问题二，通过附件1我们可以看出，评酒员的感官评定有三个指标：外观指标，香气指标，口感指标（此外还有一个是整体评价）。衡量葡萄酒的质量是依据以上三个指标来量化的，基于此，我们将酿酒葡萄的各个理化指标和上述葡萄酒的三个指标相匹配，这样理化指标就划分成三个与感官评定相对应的分类别：外观，香气，口感。分别计算它们对应的酿酒葡萄的理化指标与其它酿酒葡萄之间的相关性系数，以它的大小将酿酒葡萄分为优、中、劣三个级别，作为外观、香气和口感的等级函数，最后，将这三个函数进行加权平均作为评定酿酒葡萄等级的判别函数，给出等级划分阈值，求出葡萄的等级。
问题三，由于葡萄酒是由酿酒葡萄酿制而成的。所以，酿酒葡萄与葡萄酒的理化指标之间必定存在联系。但由于我们在背景知识、数据量和计算工具上都存在一定程度上的不足，相对于面临一个灰色系统，而这实际上又是一个分析不同事物之间联系的问题，所以适当地运用灰色系统理论中的灰关联分析法可以帮助我们较好地回答第三问所提出的问题。通过计算葡萄酒中单个理化指标与酿酒葡萄中所有指标的关联度，筛选出与其关联度最大的三个指标，以此量化葡萄与葡萄酒理化指标之间的联系。
问题四，我们可以模仿评酒员评酒的模式，结合第二问的相关系数分类方法和第三问的分析结果，对酿酒葡萄和葡萄酒的理化指标进行人工的初步分类，将各理化指标与葡萄酒的气味、色泽和口感联系起来。以附件1中各感观指标的评分为因变量、与之相关的理化指标为自变量，用多元回归分析拟出理化指标——质量函数。
三、 模型假设
1）假设各评酒员的评价不受酒的不同以及其他评酒员的影响，且不考虑个人偏好的差异性。
2）假设只考虑酿酒葡萄的质量对葡萄酒的质量产生影响，不考虑其它工序上的因素。
3）假设所有测量值的记录均真实可靠。
4）假设评酒员的评定不受时间、环境或其他因素的干扰，其评分皆能显示各评酒员的真实水平。
5）假设题目已知的评分最高的葡萄酒的是是用最好的葡萄酿成的。
四、 符号说明
i d ：对于第i 种酒样品，第一组评价总分的均值与第二组评价总分的均值之差
d ：每组差值的均值
2
d
s ：每组差值的方差 i Q ：第i 组的可信度
ij x ：第i 组的评酒员对白葡萄酒第j 种酒样品的评价总分的均值
2
ij
s ：第i 组的评酒员对白葡萄酒第j 种酒样品的评价总分的方差 x ：泛指27种红葡萄酒的各类数据
()D x ：泛指27种红葡萄酒的各类数据的方差
ij r ：指27种红葡萄酒样品之间的相关系数
i T ：表示第i 种等级（1,2,3i =）
五、模型建立与求解
5.1 问题一的模型建立与求解 5.1.1成对比较检验模型的建立
采用成对数据比较法检验两组评酒员的评价结果是否有显著性差异。要判断这两组评酒员所评定的数据之间是否存在统计上的显著性差别 ,可以通过对比数据来实行。（数据见附录表1-1：对比数据）
模型具体计算步骤如下： 1）评定数据差数平均值
11n
i
i d d n ==∑ （1）
2）比对数据差数均方差
222
1
11()1
n
n
i
i i i d d d n s n ==-=-∑∑ （2）
3）统计量
d t =
（3）
自由度为n -1。 5.1.2 可信度
定义 可信度是评酒员给出的评分的集中程度，记为Q 。
1n i j x ij Q s ij ==∑ （4）
5.1.3 模型的求解
假如这两组评酒员的评定结果不存在固定差值,则在有足够多次的评定时,差数平均值d =0。成对数据比较法就可利用少量的数据对该假设进行统计检验。 给出置信度0.05α=，再由附录中表1-1，表1-2，可求得结果如表3所示。
由表3可知，在置信度0.05α=时，两组数据存在显著性差异，也就是说，
第一组与第二组的评分有显著性差异。且第二组的可信度比第一组可信度高41.38%。所以，第二组的评分更可信。 5.2 问题二的模型建立与求解 5.2.1理化指标归类
由于已知的附录二中存在多次试验的结果，为了更为全面地代表实验数据。我们取其平均值。
由于红葡萄与白葡萄划分的依据一样，所以就以红葡萄为例，来说明红葡萄与白葡萄的理化指标的归类。
由附件2和附件3给出的理化指标，根据附件1给出的评分标准，将酿酒葡萄理化指标分为三大类，外观指标，香气指标，口感指标。由于附件给出的数据太多，经我们分析数据和查阅资料后，提取部分理化指标分别作为外观指标，香气指标，口感指标。归类结果如表4。
5.2.2数据分析
（1）外观指标的数据分析
由于要根据酿酒葡萄的理化指标和葡萄酒的质量，来划分葡萄的等级，所以，我们先从酿酒葡萄的理化指标的三大分类入手，先分析三大指标的数据，然后找出三大指标分别与葡萄酒的外观分析，香气分析和口感分析之间的函数关系，最后在对加权加总，得到最终的等级判别函数，具体步骤如下。
第一步，先将理化指标和葡萄酒的外观分析的评价总分进行百分化处理
*max{}x
x x
（5）
以花色苷为例，其结果为表5。
表5：花色苷的理化指标处理前与处理后的数据
第二步，将27种葡萄作为自变量，在外观指标下，再求葡萄之间的相关系数r ，记为等级相关系数。
cov(,),,1,...,27()
i j ij x x r i j D x =
= （6）
第三步，根据葡萄酒的外观分析评价总分的最高分作为第一等级的标准，最低分作为第三等级的标准。
最高分是23号酒样品，最低分11号酒样品
第四步，计算最高分23号和最低分11号分别与其他各样品酒的相关系数。然后对最高分23号和最低分11号的相关系数进行排序，然后按照均分原则进行划分，当这两个标准划分遇到冲突时，则把有冲突的酒样品划为第二等级。其划分结果如表7所示。
表7：外观指标的等级划分
外观指标的等级划分
由此，建立外观等级函数
1 2
3
n 1,()0.7,n n=0.4,n T f n T T ∈??
=∈??∈?1,...,27
（7）
（2）香气指标和口感指标的数据分析
同理，可求得香气指标与口感指标的等级划分，其结果如表8，表9。
表8：香气指标的等级划分
香气指标的等级划分
可得，香气等级函数
1 2 3
n 1
()0.8
n n=0.6n T g n T T ∈??=∈??∈?
1,...,27
（8）
表9：口感指标的等级划分 口感指标的等级划分
可得，口感等级函数
1 2 3
n 1()0.9
n n=0.8n T h n T T ∈??=∈??∈?
1,...,27
（9）
5.2.3模型建立与求解
以葡萄酒外观为例，画出模型建立分析图（如图1所示）。
由于外观指标等三大指标都只能代表葡萄酒质量的某一方面，所以，我们对其加权加总，求出总的判别函数来表示葡萄的等级。
等级判别函数为
123()()()()n f n g n h n ?λλλ=++ （10
）
由题目附件1中给出的评价体系，外观：香气：口感=15:30:44,再结合资料
[1]中的葡萄酒的评分细则，我们给出
12320,40,40λλλ===
图1
现假设题目已知的评分最高的葡萄酒的是是用最好的葡萄酿成的，则等级判别标准我们制定为表10。
其评定结果的数据见附录表2-5。
同理，可求得白葡萄的三大类等级划分，及最后判别等级划分的数据，见附录表2-6，表2-7，表2-8，表2-9。
最后判别等级的划分如表11。
表11：葡萄的判别等级分类
5.3 问题三的模型建立与求解 5.3.1关联度模型的建立
葡萄酒是由酿酒葡萄酿制而成，在不考虑酿制工序的差别下，从这方面考虑的话，酿酒葡萄的理化指标与葡萄酒的理化指标是有一定的联系的。因此，可以考虑酿酒葡萄的理化指标与葡萄酒的理化指标之间的关联度。 定义 关联度是两组数据之间的相关系数
以红葡萄中单宁的数据为例。 设红葡萄的单宁数据为
{}00000()|1,2,...,((1),(2),...,())v v k k n v v v n === （11）
其中k 表示各红葡萄的编号，以0v 作为参考数据。
设葡萄酒的各理化指标的数据为
{}()|1,2,...,((1),(2),...,()),1,2,...,i i i i i v v k k n v v v n i m ==== （12）
以i v 作为比较数据，由于要对各理化指标进行比较计算，故现在对各理化指标的数据进行无量纲化操作。
*()
()max()
i i i v n v n v =
（13）
则可以建立关联系数函数：
**
00****0
0min min |()()|max max |()()|()|()()|max max |()()|
s s s
t
s t
i s s
s
t
v t v t v t v t k v k v k v t v t ρξρ-+-=
-+-
（14） ()i k ξ为比较数列*i v 对参考数列*
0v 在k 号酿酒葡萄下的关联系数，其中ρ为分辨
系数取0.5。
由于各中酿酒葡萄和对应数据都有一个关联系数，因此信息显得过于分散，不便于比较，为此求酿酒葡萄的总的关联系数，即为酿酒葡萄的关联度。
其函数为
1
1()n
i i k k n τξ==∑ （15）
i 为*i v 对参考数列*
v 的关联度。 5.3.2关联度模型的求解
以酿酒葡萄与葡萄酒的理化指标之间的关联度详细计算结果见附录表3-1。 由计算结果可知，根据葡萄酒的理化指标，现找出与葡萄酒的理化指标关联度最高的葡萄的三个理化指标，结果如表12。
从上表我们可以轻易地分析出酿酒葡萄的葡萄酒中单宁等物质与酿酒葡萄中对应物质的关联度很高。故我们可以做出以下结论：
（1）酿酒葡萄中单宁、花色苷、总酚、总黄酮和DPPH 半抑制体积的含量可以在
一定程度上反映以其为原料酿出的葡萄酒的相应指标的大小。
（2）葡萄酒中白藜芦醇、酒总黄酮、DPPH 与葡萄总黄酮关系密切。可见葡萄总
黄酮在制酒过程中发挥着重要的作用。
（3）果皮颜色（L*、a*、b*）这些决定外观（色泽）的物质在葡萄酒中的含量
很大程度上取决于“百粒质量”、“果皮质量”、“出汁率”这些物理指标和葡萄中酸的含量。 同理，运用相同的模型也可得出白葡萄与白葡萄酒的理化指标的关联度，其结果见附录表3-2，分析数据得出以下结论： （1）白葡萄中单宁、总酚和DPPH 自由基的含量可以在一定程度上反映以其为原
料酿出的白葡萄酒的相应指标的大小。
（2）果皮颜色（L*、a*、b*）这些决定外观的物质与PH 值的关系密切。 5.4 问题四的模型建立与求解
5.4.1酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响的分析
我们可以模仿评酒员评酒的步骤，以葡萄和葡萄酒的理化指标为依据，对葡
萄酒的质量进行分析，以红葡萄酒为例。具体步骤如下：
第一步，以理化指标为依据对葡萄酒的外观进行分析。
在附件1中，题目给出的葡萄酒的外观分析的标准可知，葡萄的果皮颜色（L*、a*、b*）的含量与葡萄酒的外观有直接的关系。又因为花色苷在酸性条件下呈红色，而根据葡萄酒的各项理化指标可知，所有的葡萄酒都呈酸性。所以我们在考虑葡萄酒的外观与质量关系时也必须将花色苷考虑进去。因此，我们就可以以品酒师给出的葡萄酒色泽的分数为因变量，以果皮颜色（L*、a*、b*）和花色苷为因子。运用多元线性回归的方法拟合出一个外观——理化指标函数。以此来计算葡萄酒成色的优劣。
第二步，对葡萄酒的香气进行分析。
根据网上相关资料显示葡萄酒的气味大多与芳香物质有关。故我们取附件3中的（部分）资料为因子；以评酒员给出的葡萄酒香气分数。建立多元回归模型，拟合出一个气味——理化指标函数。以此来计算葡萄酒香气的优劣。
第三步，对葡萄酒的口感进行分析。
根据问题三的结果，单宁对葡萄酒的口感起决定性作用，白藜芦醇和DPPH 半抑制体在葡萄酒的陈酿过程对酒的味道起着关键的作用。在第三问中，我们发现：单宁、总酚、DPPH 半抑制体呈高相关性。而就总黄铜与白藜芦醇和DPPH 半抑制体的相关性又不容忽视。所以，我们决定以单宁、总酚、酒总黄酮、白藜芦醇、DPPH 为因子，以品酒师给出的口感的分数为因变量。建立多元线性回归模型，拟合出一个口感——理化指数函数。以此来计算葡萄酒口感的优劣。 5.4.2多元线性回归模型的建立
以葡萄酒的外观指标为例，用葡萄酒外观的一系列理化指标拟合一条直线来说明葡萄酒的理化指标和葡萄酒质量的关系。因此，建立多元线性回归模型。 由于一些理化指标的数量级不一样，所以先将数据做均值化变换。
*i
i z z z =
（16）
z 为某一理化指标的均值。
将葡萄酒外观指标的理化指标（花色苷，L*、a*、b*）做为自变量，葡萄酒 的外观分析的总评价分数作为因变量，以此建立模型。
多元线性回归模型：
*01n
i i i y a a z ε
==++∑ （17）
其中，εσ2服从期望为0，方差为的正态分布，并满足基本假定。 5.4.3多元线性回归模型的求解与模型检验
多元线性回归方程为
*01??n
i i i y a
a z ==+∑ （18） 现将27组葡萄酒理化指标的数据作为独立的观测数据。
第一步，运用最小二乘原理，求回归系数a 0,a 1,…, a n 运用最小二乘原理，使得残差平方和
21
n
i i E ε==∑ （19）
最小，从而求出回归系数。
第二步，回归模型的F 检验和拟合优度检验 F 检验
因变量y 与自变量z 是否存在如模型（18）所示的线性是需要检验的。显然，
如果求出的所有回归系数|?i a
|（1,...,i m =）都很小，那么y 与1,...,m z z 之间的线性关系就不明显。所以可令原假设为
0:0(1,...,)i H a i m ==
当0H 成立时，
1
SSR m
F SST n m =
-- （20）
其中，SST SSR SSE =+，SST 是总离差平方和，SSE 是残差差平方和，SSR 是总离差
平方和。在显著性水平α下有上α分为点(,1)F n n m α--，当(,1)F F n n
m α<--时，
则拒绝0H ；否则，接受0H 。
拟合优度R 检验
21SSR SSE
R SST SST
=
=- （21） 当R 越大，说明y 与1,...,m z z 之间的关系越密切。因此，现用spss 中的分析-回归-线性工具，求解出的结果和F 与R 检验的结果如表13所示。
a
由表13可知，只有*1z ，*2z ，*
4z 通过了检验。
因此，外观的多元线性回归方程为
***
124
17.123 1.476 3.735 2.102y z z z =--- （22） 其中，*1z 代表花色苷的理化指标，*2z 代表L*的理化指标，*
3z 代表a*的理化指标，*
4
z 代表b*的理化指标。 *3
z 的系数为0，可说明*
3z 的显著性检验没有通过，也可说明a*的理化指标与葡萄酒外观的质量的联系不那么明显，或是不存在线性相关。*1z ，*2z ， *
4z 的
系数都为负，说明花色苷、L* 、b*的理化指标与葡萄酒质量呈负相关，则有一定的联系。
同理：可得到香气的理化指标函数和口感的理化指标函数。求解的结果见附录表4-1,表4-2。
红葡萄酒的回归方程——
外观的理化指标函数： ***
124
17.123 1.476 3.735 2.102y z z z =--- （23）
香气的理化指标函数： ****
34375256
19.0760.7540.216 1.8770.33y z z z z =+++-（24）
口感的理化指标函数： *
528.961 1.387y z =+ （25）
由此可以说明葡萄酒的某些理化指标能在一定程度上反映葡萄酒的质量，但还是不能完全替代葡萄酒的质量。因此，我们可以得到以下结论，葡萄酒的外观，香气，口感分开来看，都能在一定程度上说明葡萄酒的质量的优劣，但是他们并不能完全说明葡萄酒的质量的优劣。
白葡萄酒的回归方程—— 外观的理化指标函数：*
3
9.011 1.167y z =+ 香气的理化指标函数： ***
243360
22.964 1.146 1.3220.066y z z =-++
结果表明口感理化指标的因子与葡萄酒的质量没有显著性的联系。
六、模型的优缺点分析
6.1模型的优点
1）本论文思路层层递进，后一问题所建立模型需要先前所得到的结论，使得论文虽然是应题目要求解决多个问题，但仍具统一性。
2）问题二中我们将酿酒葡萄的理化指标分为了三个类别，将冗杂的数据分门别类，使无序的指标有序化；再对指标进行相关系数分析和归一化处理，这样各指标就更显准确且便于实施。
3）针对问题三，我们采用了灰关联分析排除葡萄和葡萄酒的理化指标之间的不确定性。 6.2模型的缺点
问题四中指标函数的自变量较少，可能会对结果产生一定的影响。
七、参考文献
[1] GBT 15038-2006 葡萄酒、果酒通用分析方法
[2]邓集贤杨维权司徒荣邓永录，概率论集数理统计（第四版），高等教育出版社，2009
[3]姜启源等，数学模型（第三版），北京：高等教育出版社，2003
[4]萧树铁等，数学实验（第二版），北京：高等教育出版社，2005
[5]苏金明张莲花刘波等，MATLAB工具箱应用，北京：电子工业出版社，2004
[6]贾丽艳，spss统计分析标准教程，北京：人民邮电出版社，2010
附录
1．源程序代码：
（1）问题二的源程序代码
function [y,z]=model2(wine,m,n)
%wine:代表红白葡萄外观、香气、口感的数据（放在文件夹"程序代码和数据\问题二的程序与数据\问题二的数据"中）
%m:代表最优葡萄酒对应的酿酒葡萄的编号
%（红葡萄酒的外观、香气、口感依次取为23,9,20;白葡萄酒的外观、香气、口感依次取为26,9,17）
%n:代表最劣葡萄酒对应的酿酒葡萄的编号
%（红葡萄酒的外观、香气、口感依次取为11,18,11;白葡萄酒的外观、香气、口感依次取为16,16,12）
%y,z代表最优最劣酿酒葡萄与其他酿酒葡萄的相关系数向量
A=importdata(wine);
Am=A(:,m);
An=A(:,n);
for i=1:27
x=A(:,i);
B=corrcoef(Am,x);
y(i)=B(1,2);
C=corrcoef(An,x);
z(i)=C(1,2);
end
y=y';
z=z';
（2）问题3的源程序代码
function model3
x=importdata('data38.txt');
x=x';
[m,n]=size(x);
for i=1:m
%x(i,:)=x(i,:)/(sum(x(i,:))/n);
x(i,:)=x(i,:)/max(x(i,:));
end
data=x;
n=size(data,1);
ck=data(1,:);m1=size(ck,1);
bj=data(2:n,:);m2=size(bj,1);
for i=1:m1
for j=1:m2
t(j,:)=bj(j,:)-ck(i,:);
end
jc1=min(min(abs(t')));jc2=max(max(abs(t'))); rho=0.5;
ksi=(jc1+rho*jc2)./(abs(t)+rho*jc2);
rt=sum(ksi')/size(ksi,2);
r(i,:)=rt;
end
r;
[rs,rind]=sort(r,'descend')
2．数据表
表2-1：理化指标分为三大类酿酒葡萄的理化指标
红酒怎么喝详解红酒的四种错误饮法 红酒开瓶以后，看酒的类型、品质，以及成熟程度，先静放15分钟至1个小时，让它与空气“呼吸”进行化学作用。本文是小编精心收集的红酒怎么喝详解，仅供参考！ 红酒怎么喝 如何准备喝红酒? 红酒平放着储放，软木塞浸泡日久会分解、产生木屑。饮用前一天要直立，让木屑沉淀到瓶底。注意看，红酒的瓶底向中间凸起，这设计不是为了好拿酒瓶，而是要让木屑沈淀到凹沟。 如何试酒? 先看酒的成色。为了正确观察，把杯子放在白色背景的前方，微微向外倾斜酒杯。注意看是否有木屑或杂质，同时观察酒的颜色。咖啡色，坏了;紫红色，酒的年纪很轻;暗红，外围带褐黄色，好酒。 再就是闻酒的味道。将杯口整个罩住鼻孔深呼吸。高级的红酒闻起来味道很“厚”，让人感觉它很浓很复杂，由于鼻子的灵敏度远远超过舌头，因此有时候一杯酒慢慢品了一个小时，还是感觉香味越来越浓，浓到后来让人有点舍不得喝。 闻完了，觉得味道很厚，接著试饮，浅浅一口，含在口中，用舌尖将酒液推向口腔的四周尽可能让所有味觉细胞都感受一下。 如何倒酒?
高级红酒的酒瓶都有人搜集，因为有的酒标简直就是一幅艺术品。为了避免酒液“流花”酒标，正确倒酒方法是让酒标的正面朝上此外。年代老的酒(超过8-10年)，瓶底一定有木屑，即使三五年，有的也有木屑。因此倒酒时要小心，除了不可晃动酒瓶，倒到最后，还要留一点在瓶的肩部。把酒瓶整个倒翻过来试图倒尽最后一滴酒，是不正确的。 如何醒酒? 红酒开瓶以后，看酒的类型、品质，以及成熟程度，先静放15分钟至1个小时，让它与空气“呼吸”进行化学作用。假如没有耐性，可以直接倒进酒杯(依国际标准，不要超过杯子容量的三分之一，甚至晃动酒杯，加速酒与空气接触的机率。 晃动酒杯的方法有两种，一是拿起酒杯向内摇晃，这种方法杯子悬空，要晃动得均匀，得有点技术;另一种方法，是用食指中指夹住杯脚，整个手掌平贴杯底，将杯底压在桌面如同磨墨般地旋转，要小力一点，不要让酒洒出杯口。 如何品酒? 昂贵的、好的红酒是艺术品，不要“喝”，而是“品”。每次品之前，先晃动酒杯，再用鼻子深吸一下，然后浅尝一口，让酒液在口腔保留一段时间，之后才咽下去。 红酒的四种错误饮法 不利于健康的错误饮法一：葡萄酒加雪碧 【危害】很多葡萄酒爱好者因不习惯葡萄酒酸涩的口感，所以通
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
红葡萄酒的特性 红葡萄酒的特性1)酸度：葡萄酒酸度的高低决定了其酸味的浓淡。低酸度的葡萄酒喝起来会显得柔弱无力，而过高酸度的葡萄酒又会显得尖酸刺激。酸会给味蕾带来很大的冲击。好的红葡萄酒的酸度应该与其甜度、单宁和风味物质达成平衡。 (2)酒体：对于干红葡萄酒来说，影响酒体的最重要因素就是酒精度，其他因素还有风味物质、单宁、甘油和酸等。酒体丰满的葡萄酒一般余味比较绵长。 (3)单宁：如果红葡萄酒的单宁比较重，它就会带有比较明显的苦味和涩感。单宁主要来源于葡萄籽、皮和梗，以及橡木桶，是组成葡萄酒结构的关键性成分。 (4)香气：香气可以告诉你关于一款葡萄酒的很多信息，只要简单地摇一下杯，你就可以闻到各种香气，包括果香、花香、泥土香和核果香等。如果你没法一一分辨出这些香气，那也无伤大局，只要能识别出香气是否健康，有没有受到污染就行。 (5)风味：风味是指由口腔后鼻咽上的嗅觉细胞来感知到的香气特征，跟单单由鼻腔感受的香气有些许差别。葡萄酒在口腔里面时，由于温度升高，会释放出更多更浓的风味。风味是否复杂可以在一定程度上反应出葡萄酒的质量水平。 葡萄酒基本特征一、甜 人类感知甜味的部位位于舌尖。葡萄酒一入口，甜或不甜立
马便知。因此，要品尝葡萄酒的甜味，就得把注意力集中在舌尖的味蕾上。味蕾感觉到发麻了吗?其实，这就是甜味给你的感受。许多干型葡萄酒为了达到酒体给人以厚重的效果，往往带有少量的残余糖分，也就是葡萄酒甜味的来源。中国人向来对甜情有独钟，因此味觉上能感到甜的葡萄酒在中国大受欢迎，莫斯卡托葡萄酒(moscato)就是明证。 甜味的表现形式： 1、舌尖上的发麻感; 2、徘徊在舌头中部的一丝油腻感; 3、高粘稠度，挂杯时间长(酒精含量高); 4、干型葡萄酒，如赤霞珠葡萄酒的剩余糖分往往也会达到0.9克/升(廉价酒亦然); 5、极干型葡萄酒往往单宁含量也高。 葡萄酒基本特征须知 葡萄酒挂杯时间的长短既可以说明其剩余糖分也能表明其酒体 二、酸 食物和饮品中的酸既清爽又活跃。葡萄酒的酸味往往给人一种酒精度偏高的错觉。因为高酸的葡萄酒喝起来让人觉得酒体轻盈，像起泡酒一样，在舌尖上跳跃，但会带有辣口感，这种感觉恰与高酒精度所带来的感觉相似。一般来说，气候凉爽的年份出产的葡萄酒酸度较高。要是你偏爱一些酒体饱满圆润的酒，那高酸的葡萄酒应该不符合你的口味。 酸味的表现形式：
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。
要回答这个问题是很复杂的，一般要长篇大论一番才可能说清楚。简单点说是没有正规的分级制度。但有质量保证体系。 讨论稿中等级制的标准大致参照法国的分级标准（AOC、VDP、VDT），即特优级、优质级、佐餐级三大等级。通过酿酒葡萄品种、酿酒葡萄产量、葡萄含糖量、葡萄酒陈酿期、理化指标、感官鉴定6项指标，对葡萄酒质量进行综合评价并分级。 近年来，我国葡萄酒业有了长足的进步，葡萄酒的产量在2008年已达到69.83万千升，工业总产值达191.68亿元。葡萄酒产品的种类日益丰富，产品质量也有了很大的提升。在东部地区和中西部的大中型城市，饮用葡萄酒已经成为一种时尚。葡萄酒等级制 对于葡萄酒产品的质量管理，许多从事葡萄栽培和葡萄酿酒工作的专家学者，都提出要求制定《中国葡萄酒质量等级管理办法》，推行产品分级管理制。 中国葡萄酒质量等级制度多年前就已经提上日程。1999年，郭其昌和郭松泉在中国酿酒工业协会主办的北戴河年会上提出了要建立中国的葡萄酒质量等级制度，并草拟了《中国葡萄酒质量分级管理（讨论稿）》。 其后，在2000年的烟台年会、2001年的合肥年会以及2004年的蓬莱年会，中国酿酒工业协会前后三次组织了会议对该《草案》进行讨论修改。 此讨论稿包括以往讨论过的质量分级内容、分级认定原则、认定顺序、监督管理等。 讨论稿中等级制的标准大致参照法国的分级标准（AOC、VDP、VDT），即特优级、优质级、佐餐级三大等级。通过酿酒葡萄品种、酿酒葡萄产量、葡萄含糖量、葡萄酒陈酿期、理化指标、感官鉴定6项指标，对葡萄酒质量进行综合评价并分级。 2005年，时任中国酿酒工业协会葡萄酒分会主任的高美书表示，在中国酿酒工业协会2004年8月的蓬莱会议上，已经完成了《葡萄酒等级制》的最后修订。并于当年10月，将《葡萄酒等级制》（送审稿）上报国家质检总局。
干红葡萄酒如何喝才正确 干红葡萄酒是一种口感非常好喝的红酒，干红是用新鲜的葡萄酿制而成。干红葡萄酒的制作工艺是非常值得考究的，不会加水和其他的香料以及究竟，也就是自然发酵的葡萄汁，所以喝这种葡萄酒可以起到活血和美容的作用，那么干红葡萄酒如何喝才正确？ 法国波尔多Bordeau地区的干红酒在世界富有盛名，英国人称其为Claret，最著名的为用解百纳葡萄制造的解百纳干红葡 萄酒，干红酒味道醇厚，适合为肉类菜和深色禽类如野鸡、火鸡佐餐。 ★ （一）喝干红葡萄酒有以下步骤 步骤一：千万不要添加碳酸饮料或冰块 在干红酒中加入碳酸类饮料，会破环葡萄酒原有的纯正风味，
因大量糖分和汽体的加入，葡萄酒的营养和功效也将受到影响。而加冰块之后葡萄酒被稀释，不太适合胃酸过多和患溃疡病的消费者饮用。 步骤二：无须冰镇 一般的干红葡萄酒在室温(20℃左右)下饮用即可，不须冰镇，最好在开启后倒入酒杯放一会儿，待酒液呼吸空气后再用;干白 葡萄则冰镇(8~12℃)后再饮用口味更佳。 步骤三：拿酒 干红的味道很受温度影响，因此要尽量减少手部与酒瓶的接触。拿酒时要用拇指顶着瓶底，四指指尖轻压瓶身使之平衡，这样可以让温度最高的手心远离酒瓶。
步骤四：倒酒 干红放置久了总会有一些沉淀在瓶底，这些沉淀会影响酒的口感，因此倒酒时要均匀用力，让酒柔和地倒出，不要摇起瓶底的沉淀，一般倒完后，瓶底要留下大概两厘米高的酒不喝。 步骤五：摇酒 摇酒可以把干红未完全“醒”来的酒味充分散发，让酒更醇厚，同时也可以把红酒的香味最大限度地挥洒出来，香气四溢。 步骤六：酒具 古诗有云：“葡萄美酒夜光杯，欲饮琵琶马上催。”所以说喝红酒一定要用高脚酒杯，水晶杯最好，每次倒酒1/4杯，一口饮尽，然后慢慢回味。
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（
(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
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
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
葡萄酒评分详解 什么是葡萄酒评分？关于葡萄酒评分网不多，乐美尚品特撰写此篇文章，供大家分享。 有些人热衷于葡萄酒投资，所以进行葡萄酒评分： 因为新酒刚上市时的价格比完全熟化低很多，作投资为日后饮用。 完全是为了投资，现在买进葡萄酒是为了以后在卖出赚取利润。正国外拥有私人酒窖的人居多。以上两种因素都会影响葡萄酒的投资。全世界对于产量有限的优质葡萄酒的需求，在过去20年间有了巨大的增长。投资葡萄酒的收益可以并且经常超过美国道琼斯和英国金融时报100指数，葡萄酒的回报巨大但又不像股市那样波动剧烈。 给葡萄酒评分对于葡萄酒市场的影响很大。葡萄酒的分数让葡萄酒的知识不多的潜在投资者进入葡萄酒市场，同时也增强了购买者的决策信心。 学习相关葡萄酒评分系统，对葡萄酒鉴别有益无害。谁来为葡萄酒评分?知名的葡萄酒作家和葡萄酒专家为葡萄酒打分。最开始为葡萄酒打分的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。 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。每瓶葡萄酒最低都能得到50分。 5 points Colour and appearance颜色和外观 15 points Aroma and bouquet香气 20 points Flavour and finish风味和回味 10 points Overall quality level orpotential总体品质或潜力 美国的葡萄酒商展示葡萄酒时会配上带有帕克评分的卡片，从这点可以看出他对葡萄酒消费者、收藏者和投资者的影响程度。当然，他意识到评分系统的局限性，因此坚持认为品尝纪录和评分一起才能对葡萄酒有更精淮的评价。帕克说：“品尝葡萄酒最重要的是自己的味蕾，没有什么比自己品尝更好的培训。”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： 分数解释 96-100 Extraordinary极佳 90-95 Outstanding优秀 80-89 Above average优良 70-79 Average一般 60-69 Below average低于一般 50-59 Unacceptable次品 帕克对葡萄酒的影响是不容忽视的，如果帕克给出超过90的分数，那么葡萄酒的价格会急剧上涨。毫不夸张的讲，很多波尔多酒商在帕没有打分之前不知道怎么给自己经销的酒定价。 此外，还有《葡萄酒观察家》杂志的评分体系(100分制)。《葡萄酒观察家》杂志一直是100分制葡萄酒评分标准的提倡者。该杂志是这样解释它的评分体系的：“葡萄酒通常是盲品，酒瓶被包起来并编号，品尝人员只知道葡萄酒的大致风格和年份。价格对评分不产生影响” 分数解释 90-95 优秀的，有个性，有风格 80-89 品质优，有特点
常喝红葡萄酒对健康有什么好处 以前对葡萄酒很缺乏认识，认为那是女士喝的带些酒精的饮料，可能和当时国内葡萄酒的酿造有关，酒的糖分很高。记得90年代，国内流行的葡萄酒品种很少，好象只有青岛烟台的张裕，通化的一种和河北张家口的一种，具体的牌子忘了。 后来到了法国，深刻体会了葡萄酒的魅力，喝着5年，10年的红酒，一种难以言语的舒畅的感觉。法国人爱酒，红酒在超市里象水一样的卖，那个时候喜欢上了这个鲜红的东西。喝葡萄酒，先闻，再品一口，在口里象漱口一样让酒充满自己的口腔，这个时候基本可以品出来你是否喜欢。法国人一般每年买很多，然后存在自己的酒柜甚至是酒窖里，然后取最老的酒喝，这样每年都喝数年前的陈酿。葡萄酒是很有讲究的，根据葡萄品种不同，红酒都在商品名字下标上葡萄的品种，例如Cabernet, Merlot, Pinot。电影“Sideways”有很精彩的描述。法国人爱喝葡萄酒，因为每天大量的饮用，很多同样也吃很多脂肪的人，高血压，冠心病的发病率并不高，这个称之为“French Paradox”。现在发现，红酒里含有大量的“多酚”，这是一种有很强的抗氧化作用的化合物，在绿茶里含量也很高。可能是因为酒精的共同作用，红酒的多酚更容易吸收，目前人们的研究发现，常喝红酒可以预防癌症，老年痴呆，糖尿病，冠心病等等，欧洲地中海地区常喝红酒的人就是一个很好的明证。具体到红酒，作用明确的物质是Resveratrol。 但一种单一的化合物并不能完全替代红酒的全部作用，看来混合是有其独特魅力的。显然红酒不仅有其健康上的功效，还包含着情感，文化，人们的痴迷与梦想，象电影里所说，每一瓶酒都是有生命的，是活着的浪漫。 --来源网络整理，仅供学习参考
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
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/4310471683.html,/journal/aam https://www.doczj.com/doc/4310471683.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/4310471683.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 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？