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）：
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。
关键词：葡萄酒双重多因素分析01
数据分析 Alpha模型聚类分析及欧式距离
相关性分析多元回归Pearson系数法
1.问题重述
葡萄酒的感官质量是评价葡萄酒质量优劣的重要标志。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，可辅助感官检查。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。试建立数学模型求解下列问题：
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
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，本题要求通过酿酒葡萄的理性指标和酿酒师给予的评分，综合考虑酿酒葡萄的理性指标与葡萄酒的质量的关系。
问题一：
要求对两组评酒员评价结果有无差异性进行分析，并分析得出哪一组的品酒员的结果更具有可信。
通过绘制每个样品酒的均值评分差异图，对每个样品酒的两组评酒员在各个指标的均值进行比较，发现对于红葡萄的评价，两组评酒员还是存在着显著性的差异的，而对于白葡萄酒的评价，两组评酒员的差异性并不是很明显，列举部分红、白葡萄酒评分差异图如下：
图表 1红葡萄酒样品12差异图（左边），系列1为第二组品酒员打分均值，系列2为第一组品酒员打分均值。
图表 2红葡萄酒样品15差异图（右边），横坐标为10个指标变量，包括澄清度、色调、香气纯正度、香气浓度、香气质量、口感纯正度、口感浓度、口感质量以及整体评价。
针对两组评酒员在大量差异图中表现出来对红、白葡萄酒的评价存在差异，对红、白葡萄酒进行分开地显著性检验。
第一步，利用每个样品酒都具有两组评酒员的评价结果，对两组结果进行双因子可重复方差分析，得出题中给出的27种葡萄样品酒各个分析结果。比较27个显著性检验
的结果，若具有显著性差异的样品酒占总样品酒的比例高于 ，有足够的把握认定两组
评酒员的评价结果具有显著性差异。
第二步，对两组评酒员给予红、白葡萄酒的打分进行可信性分析，将红、白葡萄酒分别进行可信度分析，比较两组评酒员对不同种类葡萄酒的评价是否具有各自的优势。
在进行双因子多重分析和可信性分析之前，需要对原先数据进行如下处理：
1.对于附件1给出的数据，先将两组品酒员的评价结果按着样品酒进行统一划分，每一样品酒对应着两种评价结果。将每一样品酒的评价结果组成评价矩阵，矩阵以葡萄酒的评价指标为列项，共10列，以每个评酒员作为横向量，共20行。
2.针对红葡萄酒样品20评酒员4号对色调的评分缺失，利用同组评酒员对红葡萄酒样品20色调评分的平均值作为4号评酒员的评分值。
做可信度分析时，将两组的27种酒样品评价结果组成两组评价总矩阵，以葡萄酒的评价指标为列项，共10列，以每个评酒员作为横向量，共270行，分别用SPSS19.0对两组矩阵进行信度分析，目的是对量表的可靠性与有效性进行检验，判断出哪一组可信度更高。
问题二：
问题二要求对酿酒葡萄进行分级，酿酒葡萄的成分直接影响葡萄酒的质量，选取优质营养成分高的酿酒葡萄酿酒，保证了葡萄酒的营养价值和保健价值。但是葡萄酒质量优劣，不单单从营养成分和养身价值上考虑，一瓶优质的葡萄酒，还得具备着可观赏性，纯正的口感、芬芳的酒香等优点，而这些优点，都得由评酒员来给出评价。
所以，对酿酒葡萄进行分级，不单单从葡萄的成分上考虑，还得结合最终酿成的葡萄酒质量综合考虑。因此将酿酒葡萄的各成分与评价员给予所酿成的葡萄酒的质量打分综合起来，进行聚类分析，将酿酒葡萄依据综合指数进行分类，结合聚类分析的结果以及综合指标的分数将葡萄划分等级。依据：
在进行据聚类分析之前，需要对原始数据进行预先处理
1.分别计算附件一中评酒员各项评分指标的权重并加和，最后求取10位评酒员
的权重平均值作为葡萄酒样品的综合评价指标。
2.用酿酒葡萄各项理化指标（多次测得的取平均值）以及酒样的综合指标形成
一个31列28行的原始资料阵，并用SPSS 的Z标准化将数据标准化。
问题三：
酿酒葡萄和葡萄酒的理化指标都很多，为了找出它们之间的联系，首先将葡萄的成分与葡萄酒的理性指标列成一个大矩阵，分析葡萄成分与葡萄酒理想指标的相关性，找出它们之间相关性大的指标，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。
1.酿酒葡萄的成分和葡萄酒的理化指标列成一个大矩阵。
2.通过SPSS软件做相关性分析，选取与葡萄酒理化指标相关性程度大的葡萄酒成
分n个指标，建立拟合方程。
问题四：
酿酒葡萄的理化指标并不能直接与葡萄酒的质量建立联系，由于在问题3中已经通过相关性分析建立了酿酒葡萄和葡萄酒理化指标之间的关系，因此我们分析葡萄酒的理化指标与葡萄酒质量的相关性，计算相关性系数,通过比较选出系数高的即与葡萄酒质量指标相关性程度大的葡萄酒成分，进而用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关系。
1．附表一中列出了十位品酒员对葡萄酒外观、香气和口感分析三者的数据，用Matlab7.6.0b，分别对四项指标求27（28）种红（白）葡萄酒样品权重平均值作为葡萄酒质量的评价指标。
2.通过SPSS软件作因子分析分析两者之间的相关性，选取与葡萄酒质量指标相关性程度大的葡萄酒成分n个指标，建立拟合方程。
3.符号说明
4.模型假设
（1）假设数据来源真实有效
（2）假设各变量的相差微小，各坐标对欧式距离的贡献是同等的且变差大小相同，欧氏距离效果理想。
（3）假设酿酒工艺条件相同，无其他人为因素影响
（4）0.35
Cronbach Alpha
≤≤则尚可，若Cronbach Alpha≤为低信度，0.350.7
Cronbach Alpha≥则属于高信度。假设组一与组二评分分别处于不同信度区间，可
0.7
信度差异明显。
5. 建模过程
5.1. 问题一的建模与求解 模型建立：
利用双因素可重复方差分析结合0-1分析检验两组评酒员的评价结果有无显著性差异
1.双因子可重复方差分析的统计模型[]1。假设在两因子方差分析中，因子A 共有r 个水平，记作12,,...,r A A A ，每个水平下，进行t 次试验，因子B 共有k 个水平。一个典型的双因子方差分析的数据结构如下表所示。
表格 1 双因子可重复方差分析的数据结构
tk x 为因子A 的某个水平下第t 试验所得结果，i A 表示因子A 的第i 个水平，
1,2,...,i r =。第j 列数据为因子
B 的第j 个水平下所考察的变量取值，每一列为一个总
体，j =1,2，…，k 。所以一个两因子方差分析的数据结构表里，共有r t k ?+个总体，在本题中，2,10,10r k t ===。下表给出因子B 所对应的各个指标：
01:H 两组评酒员的评价结果不存在差异.?02:H 两组评酒员的评价结果存在着差异.
11:H 各个指标对评价结果不存在影响.?12:H 各个指标对评价结果存在影响.
当原假设01H 为真时，说明两组评酒员的评价结果不存在显著性差异，反之称两组评酒员的评价结果存在着显著性影响因素。当原假设11H 为真时，说明选取的各个指标对评价结果没有显著性影响，在本题中，显然原假设11H 是不成立的，后续的检验将证明这点。
2.两因子方差分析的方差分解。
(1)误差平方和。每一个观察值ij x 与总平均值x 之间的离差平方和称为误差平方和，记作SST
SST =(
)
2
11
r k
ij i j x x ==-∑∑
其中11
/r k
ij i j x x rkt ===∑∑，称为总均值。
(2)行组间误差。双因子误差平方和分解的第一部分，称为行组间误差，记作SSA
SSA =()
2
.1
r
i i k x x =-∑
(3)列组间误差。双因子误差平方和分解的第二部分，称为列组间误差，记作SSB
SSB =()
2
.1
k
j j r x x =-∑
(4)组内误差。双因子误差平方和分解的第三部分，称为组内误差，记作SSE
SSE =()
2
..11
r k
i j ij i j x x x x
==--+∑∑
行组间误差衡量的是行因子不同水平之间的差异，列组间误差衡量的是列因子不同水平之间的差异。它们的误差值中既包含随即误差也包含了因子影响的系统误差。所以判断行（列）因子是否有显著性影响，主要考察行（列）组间误差和组内误差之间的差异大小。如果行（列）组间误差和组内误差很接近，就认为行（列）因子无显著性影响。反之，认为行（列）因子有显著性影响。 两因子方差分析的检验统计量。
()22
1SST
n χσ
- 其中n r k t =??。
根据单因素方差分析推导，有行组间误差服从自由度为1r -的2χ分布
()22
1SSA
r χσ
-
列组间误差服从自由度为1k -的2χ分布
()22
1SSB
k χσ-
剩余的列组服从自由度为1rkt r k --+的2χ分布
()22
1SSE
rkt r k χσ--+
则两因素方差分析的检验统计量为如下两个： （1） 行检验统计量。
()1,1A MSA F F r rkt r k MSE
=---+
（2） 列检验统计量。
()1,1B MSB F F k rkt r k MSE
=---+
双因子可重复方差分析的结果判定
当显著性水平为α时，如果 ()11,1A F F r rkt r k α->---+，拒绝01H ，说明两组评酒员的评价结果存在显著性差异；等价的P 值检验是，当A P 值<α时，拒绝原假设01H ；综合来讲，当()11,1A F F r rkt r k α->---+，或A P 值< α时，拒绝原假设01H 。 0-1数据分析
在给定*0.05α=条件下，对于有m 个样品酒来说（红葡萄酒27m =，白葡萄酒28m =），定义函数：
1
0.051,2,...,0
0.05
i i i p Y i m p ≤?==?
>? （1）
其中i p 为每个样品酒的A P 值。 给定置信度：
i
Y m
β=∑
（2）
对m 个样品酒的双因子可重复方差检验后，得出β值，则认为在置信水平β下，两组评酒员的评价结果存在着显著性差异。
Alpha 模型进行可靠性分析
克伦巴赫α系数:测度内部一致性的一个指标, α与皮尔逊r 系数都是一样的范
围在0—1 之间，如果为负值则表明表中某些项目的内容是其他一些项目的反面；α越接近于1，则量表中项目的内部一致性越是高，可信度越大。根据量表中的项目数k 和各项之间的相关系数r 计算得出
1(1)kr
k r
α=
+-
当量表中项目k 增加时，α值也会增大；同时，项目之间的相关系数r 较高时，α也会比较大。这里的r 是指各项与其他各项之和计算相关系数的平均值。 模型求解：
双因子可重复方差分析模型检验
利用Matlab7.6.0的anova21函数对已经预处理的数据进行双因子可重复方差分析，可以得到每个样品酒的检验结果，列举两个检验结果如下所示：
提取每个样品酒的Rows 所对应p 值，然后结合公式（1）、公式（2）进行0-1分析，得到红、白葡萄酒的各个样品酒的i p 如下：
图表 3模型检验结果
模型结果分析
分析图标3的结果，可以知道，对于红葡萄酒来说，对27个葡萄酒样品评分检验中，有70.3%的评价结果中，两组评酒员的评价结果存在着显著性差异（置信水平
为95%）。对于白葡萄酒的28个葡萄样品评分的检验，只有53%的评价结果中，两组评酒员的评价结果存在显著性检验（置信水平为95%）。这样的结果，符合之前问题分析中，各个组队样品酒的评分均值差异图。即：两组评酒员对红葡萄的评分结果更具有显著性差异，而对于白葡萄酒的评分，两组评酒员的评价差异性较不明显。
Alpha 模型的可靠性分析
1. 利用SPSS19.0进行可靠性统计量对红葡萄酒的两组品酒员评分的分析
若将某一项目从量表中剔除，则量表的平均得分、方差（每个项目得分与剩余各项目得分间的相关系数、以该项目为自变量所有其他项目为应变量建立回归方程的2R 值以及Cronbach α值将会改变。有表知第一组数据中剔除了两项，1α增加到0.874，第一组评酒员红葡萄酒的12Cronbach 0.874Cronbach 0.750αα=>=，组2尚有35%的内容未曾涉及，故信度不高。
表格 2第一组红葡萄酒
表格 3第二组红葡萄酒
分析比较两者的F 检验表明, 1F =516.417<2F =3293.639,组2的显著性更强， 而1p 、
2p 均小于0.01，表示两组该量表的重复度量效果良好。综合分析结果表明，组一的评
酒员可信度更高。
（2）可靠性统计量对白葡萄酒的两组品酒员评分进行分析
同样利用SPSS 可靠性分析，建立Alpha 模型对白葡萄酒的品酒员评分数据进行检
验，发现不同种类的酒，因其酿造，成分的不同，品酒员对葡萄口感，质量的分析评价上有差异，得出第一组品酒员白葡萄酒的120.7630.838Cronbach Cronbach αα=<=
127.437.63S S =<=、121270.3614891.463F F =<=,组2的显著性更强，1p 、2p 均小于
0.01 表示两组该量表的重复度量效果良好。综合分析结果表明，白葡萄酒组二的品酒员可信度更高。
5.2. 问题二的建模与求解 模型建立：聚类分析及欧式距离
对样品和指标（变量）进行分类主要采用聚类分析法[]2
，而求取样品以及类之间的
距离有多种方法，其中主要使用欧式距离和最短距离法。
（1） 数据标准化
由于所选数据的量纲和数值大小都不一致，数值的变化范围也不同，因此必须首先对所选数据进行标准化处理，如果有n 个样本，个样本有m 个指标，则每个变量可表示为ij x ，
均值
1
1n
j ij i x x n ==∑
标准方差
j s =
则标准化后
()*0ij j
ij j
j
x x x s
s -=
≠
（2）聚类
距离：对样品进行聚类时，“靠近”往往由某种距离来刻画。若每个样品有p 个指标，故每个样品可以看成p 维空间中的一个点， n 个样品就组成p 维空间中的n 个点，样品与指标构成一个矩阵，此时就可以用距离来度量样品之间的接近程度。
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 =??=-??
??
∑
当1q =时，
()1
1p
ij ik jk k d x x ==-∑ 即为绝对距离
当2q =时，
()()1/2
212p
ij ik jk k d x x =??=-????
∑ 即为欧氏距离
当q =∞时
()1max ||ij ik jk k p
d x x ≤≤∞=- 称为切比雪夫距离。
当各变量的测量值相差悬殊时，为了计算的准确性，需先将数据标准化，然后用标
准化后的数据进行计算。
系统聚类;，将n 个样品各自看成一类，然后规定样品之间的距离和类与类之间的距离。开始，因每个样品自成一类，类与类之间的距离与样品之间的距离是相等的，选择距离最小的一对并成一个新类，计算新类与其他类的距离，再将距离最近的两类合并，这样每次少一类，直至所有的样品都成一类为止，最终完成养分的分类。计算类与类之
间的距离主要有： （1）最短距离法：
设p G 、q G 、r G 分别为一类，则最短距离的计算公式为：
(,)min{,}k jl p q D p q d j G l G =∈∈
此时将类p G 与类q G 合并为类r G ，则任意的类k G 和r G 的距离公式为
2,,,min
min{
min
,
min
}min{,}i k j r
i k j p
i k j q
kr ij ij ij kp kq X G X G X G X G X G X G D d d d D D ∈∈∈∈∈∈=
==
依次下去，最终完成对样品的分类。
(2)最长距离法
(,)max{,}k jl p q D p q d j G l G =∈∈
将类p G 与类q G 合并为类r G ，则任意的类k G 和r G 的距离公式为
2,,,max
max{max
,
max
}max{,}i k j r
i k j p
i k j q
kr ij ij ij kp kq X G X G X G X G X G X G D d d d D D ∈∈∈∈∈∈=
==
（3）类平均法
1
(,)p
q
G ij
i G j G G p q d
LK ∈∈=
∑∑
将类p G 与类q G 合并为类r G ，则任意的类k G 和r G 的距离公式为
2
222
221
1()i k j r
i k j p i k j p
p q kr ij ij ij kp kq X G X G X G X G X G X G k r
k r r r n n D d d d D D n n n n n n ∈∈∈∈∈∈=
=
+=+∑∑
∑∑∑∑ （4）重心法
(,)q q c X X D p q d =
将类p G 与类q G 合并为类r G ，则任意的类k G 和r G 的距离公式为
22222,
p q p q kr
kp
kq
pq r
r
r
n n n n D D D D n n n
=
+
-
模型求解：根据欧式距离对酿酒葡萄分类
（1）对红葡萄酒进行分类
将附件中的组一评酒员评价标准，算出各项所占权重并加和，最终求得十位品酒员对每个葡萄酒样品的平均值，作为27种酒样品的综合评价指标，并用葡萄酒的综合指标以及酿酒葡萄的理化指标形成一个31列28行的原始资料阵，将其数据标准化，通过spss 进行聚类分析，得到酒样品的八个类别，并列出每个酒样品所对应的综合指标，得出下表以及聚类分析树状图
表格 4 葡萄酒的分类与综合评价指标
观察表中数据，不难发现红葡萄酒样品1、10、11、25单独化为一类，而不与综合指标相近的酒品类为一组，根据这四种葡萄酒的理化指标以及酿酒葡萄的成分对综合指标相近的组类进行分析比较，得出酒品1的花色苷含量高达408.028 mg/100g鲜重，单
宁22.019 mol/kg、总酚23.604、总黄酮9.480mmol/kg、顺式白藜芦醇3.195mg/kg均高
于第一类酒样品理化指标的数据。红葡萄酒样品10、11、花色苷含量较低，白藜芦醇含量较高，样品25氨基酸含量较低，果穗质量含量较高，均与指标相近的类别的理化指标数据有较大差异。据资料[3][4]分析得，新酒主要以花色苷为主色调，陈酒种单宁起主导作用。有单宁存在，花色苷将减少。氨基酸的含量与人体血液中的氨基酸有着密切联系，与脯氨酸成负相关，但与缬氨酸成正相关。这些含量的高低会影响葡萄酒口感、色泽、纯正度，从而评酒员对酒的分数存在差异。因此，聚类分析结果在对各项理化指标进行数据处理时，达不到组间距离。
结合综合指标的高低以及聚类分析的结果，以及每一种酿酒葡萄所对应的红葡萄酒样品，将酿酒葡萄分为A 、B 、C 、D 。分别代表优质、良好、中等、差四个等级：如下表
表格 5 酿酒葡萄（红）的等级划分
由问题一知，第二组评酒员对白葡萄酒评价可信度更高，用聚类分析的欧式距离可
分出不同组类，根据综合指标的高低划分出A 、B 、C 、D （分别代表优质、良好、中等、差）四个等级：其中葡萄样品*3氨基酸总量5022.14mg/100g 、酒石酸11.790g/L 、不含柠檬酸、葡萄*25花色苷含量较低、葡萄*27褐变度、黄酮醇含量均远远高于同组水平、因此这3种酿酒葡萄的理化指标与其综合指标相近的组类有一定的差异而达不到组间距离，单独分为一组。
表格 6 酿酒葡萄（白）的等级划分
5.3. 问题三的建模与求解 模型建立
相关性分析
相关分析是描述两个变量间关系的密切程度，主要由相关系数值表示，当相关系数r 的绝对值越接近于1，则表示两个变量间的相关性越显著。双变量系数测量的主要指标有卡方类测量、Spearman 相关系数、pearson 相关系数等，由于酿酒葡萄和葡萄酒的数据为定距数据，则在进行两者间的相关性检验时用pearson 相关系数来判断，其公式为：
()()x x y y r --=
Pearson 简单相关系数检验统计量为：
t =其中t 统计量服从2n -个自由度的t 分布。
回归分析
多元回归分析是研究多个变量之间关系的回归分析方法，确定变量之间数量的可能形式，并用数学模型表示如下：
01k
i i i Y X ββε
==++∑
其中
0β为截距项，i β为偏回归系数，ε为残差项。
多元回归方程及其显著性检验
建立模型，要对模型进行拟合度检验，回归方程的显著性检验就是检验样本回归方程的变量的线性关系是否显著，即能否根据样本来推断总体回归方程中的多个回归系数中至少有一个不等于0，主要是说明样本回归方程2
r 的显著性。检验的方法用方差分析，这时因变量Y 的总体变异系本分解为回归平方和与误差平方和，即表示为：
yy L Q U
=+
其中
2
2
211
11()()i N
N
N
yy i i i i i L y y y y n ====-=-∑∑∑
()2
1?N
i i Q y y
==-∑ 21
?()N
i i U y
y ==-∑ 此外可以用F 检验对整个回归进行显著性检验，即Y 与所考虑的k 个变量自变量是否有
显著性线性关系，即公式为：
//(1)
U k
F Q n k =
--
检验的时候分别与F 的临界值进行比较，若()0.01,1F F k n k ≥--，认为回归高度显著 或称在0.01水平上显著；
()()0.050.01,1,1F k n k F F k n k --≤≤--。认为回归在0.05水平上显著； ()()0.10.05,1,1F k n k F F k n k --≤≤--则称回归在0.01水平上显著。
若()0.1,1F F k n k <--，则回归不显著，此时Y 与这k 个自变量的线性关系就不确切。
表格 7 多元线性回归方差分析表
模型求解
质量评价指标体系 华北水利水电大学图书馆查新质量评价指标体系 一、查新质量评价指标 《科技查新规范》对查新工作质量提出了明确的要求。查新工作质量可以通过以下“查新质量评价指标体系”进行评价。该指标体系是根据查新程序和工作内容而建立的，对查新人员自我评价查新质量和主管部门监督检查有一定的指导和参考作用。评价指标见下图： 查新质量评价指标体系图 从查新质量评价指标体系可以看出查新质量主要表现在文献检索质量和查新报告质量两方面。 二、文献检索质量
文献检索质量是整个查新质量的基础，检索质量的好坏直接影响到查新报告结论的准确性，即直接影响到查新报告的质量。检索质量可以从检索的全面性和准确性两个方面进行评价。 (一）检索全面性 “查全”与“查准”是用于判定情报检索系统检索性能的两个标准。查新检索是对项目内容新颖性的检索，具有较高的查全要求，需要相当数量的文献，在查全的基础上追求查准率。检索的全面性主要受查新点分析、检索标识、检索范围、检索年限、检索途径、检索策略、检索结果的检验与调整等因素的影响。 1．查新点分析 查新点分析是指查新人员在对查新项目内容全面了解的基础上，根据查新委托人对查新项目的科学技术要点等新颖性的查询要求和管理部门的查新规定，将需要查新的内容（一般为多主题）用一条条查新要点（单主题）清楚地表示出来，即分解开来，以便于找准查新点，选择相关文献，并进行比较，最终得出针对性强的公正、客观结论。该指标反映了查新人员对查新项目的实质内容的掌握程度，是检索的前提，是对比分析与论述的依据，是查新质量一个较为重要的影响因素。要求全面准确地理解查新内容，找准查新点。 2．检索标识 如果说“查新点分析”是概念分析整理的过程，那么检索标识的确定便是概念的转换。检索标识是指通过对查新项目的主题分析将自然语言转换成规范化语言，即确定检索入口的问题，包括分类号标
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。
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。
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
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
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
质量管理体系的评价 质量管理体系建立并实施后，可能会发现不完善或不适应环境变化的情况。所以需要对它的适宜性、充分性和有效性进行系统的、定期的评价。对质量管理体系的评价包括以下四个方面。 1．质量管理体系过程的评价 由于体系是由许多相互关联和相互作用的过程构成的，所以对各个过程的评价是体系评价的基础。在评价质量管理体系时，应对每一个被评价的过程，提出如下四个基本问题： 1）过程是否已被识别并确定相互关系？ 2）职责是否已被分配？ 3）程序足否得到实施和保持？ 4）在实现所要求的结果方面，过程是否有效？ 前两个问题，一般可以通过文件审核得到答案，而后两个问题则必须通过现场审核和综合评价才能得出结论。对上述四个问题的综合回答可以确定评价的结果。 2．质量管理体系审核 所谓审核就是“为获得审核证据并对其进行客观的评价，以确定满足审核准则的程度所进行的系统的、独立的并形成文件的过程”。 质量管理体系审核时，“审核准则”一般是指质量标准、质量手册、程序以及适用的法规等。体系审核用于确定符合质量管理体系要求的程度。审核的结果可用于评定质量管理体系的有效性和识别改进的机会。体系审核有第一方审核（内审）、第一和第二方审核以及第三方审核三种类别。 3.质量管理体系评审 最高管理者的一项重要任务就是要主持、组织质量管理体系评审，就质量方针和质量目标对质量管理体系的适宜性、充分性、有效性和效率进行定期的（按计划的时间间隔）和系统的评价。这种评审可包括是否需要修改质量方针和质量目标，以响应相关方需求和期望的变化。从这个意义上来说，管理体系评审的依
据是相关方的需求和期望。管理体系评审也是一个有输人和输出的过程。其中，审核报告与其他信息（如顾客需求、产品质量、预防/纠正措施等）可作为输入；而评审结论，即确定需采取的措施则是评审的输出。 质量管理体系评审是一种第一方的自我评价，又称自我评定。组织的自我评定是一种参照质量管理体系或优秀馍式（如评质量奖）对组织的活动和结果所进行的全面和系统的评审。自我评定的结果可分为5个级别：没有正式方法（没有采用系统方法的证据；没有结果；不好的结果或非预期的结果）；反应式方法（基于问题或纠正的系统方法，改进记过的数量很少）；稳定的正式的系统方法（系统基于过程的方法处于系统改进的初期阶段，可获得符合目标的数据或存在改进的趋势）；重视持续改进（采用了改进过程，结果良好且保持改进趋势）；最好的运作级别（最强的综合改进过程，证实了达到了对比水平的最好结果）。与健全的质量体系可获得的重要收益） 自我评定结果可以对组织业绩及体系成熟程度提供一个总的看法，它还有助于识别需改进的领域及需优先开展的活动。
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/6114592327.html,/journal/aam https://www.doczj.com/doc/6114592327.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/6114592327.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。
质量管理体系评价 (1)质量管理体系过程的评价由于质量管理体系是由许多相互关联和相互作用的过程构成的，所以对各个过程的评价是体系评价的基础。在评价质量管理体系时，应对每一个被评价的过程，提出如下四个基本问题：①过程是否已被识别并确定相互关系?②职责是否已被分配? ③程序是否得到实施和保持?④在实现所要求的结果方面，过程是否有效? 前两个问题，一般可以通过文件审核得到答案，而后两个问题则必须通过现场审核和综合评价才能得到结论。对上述四个问题的综合回答可以确定评价的结果。 (2)质量管理体系审核审核用于评价对质量管理体系要求的符合性和满足质量方针和目标方面的有效性。审查的结果可用于识别改进的机会。 第一方审核用于内部目的，由组织自己或以组织的名义进行，可作为组织自我合格声明的基础。 第二方审核由组织的顾客或由其他人以顾客的名义进行。 第三方审核由外部独立的审核服务组织进行。这类组织通常是经认可的提供符合(如IS09001)要求的认证或注册。 ISO19011提供了审核指南。 (3)质量管理体系评审管理者的一项任务是对质量管理体系关于质量方针和目标的适宜性、充分性、有效性和效率进行定期的、系统的评价。这种评审可包括考虑修改质量方针和目标的需求以响应相关方需求和期望的变化。评审包括确定采取措施的需求。 在各种信息源中，审核报告用于质量管理体系的评审。 (4)自我评定组织的自我评定是一种参照质量管理体系或优秀模式对组织的活动和结果所进行的全面、系统和定期的评审。 使用自我评定方法可提供一种对组织业绩和质量管理体系的成熟程度总的看法，它还能帮助组织识别需要改进的领域并确定优先开展的事项。 [例题]：在GB/T19000--2000标准的"质量管理体系基础"中将由组织的顾客或由其他人以顾客的名义对质量管理体系所进行的审核称为( 第二方 )审核。
江苏省烟草专卖局文 件 苏专销〔2006〕32号 江苏省烟草专卖局关于下发江苏省烟草商 业 系统服务质量评价体系（试行）的通知 各市局（公司），东渡公司： 现将《江苏省烟草商业系统服务质量评价体系（试行）》下发给你们，请贯彻执行。 附件：《江苏省烟草商业系统服务质量评价体系（试行）》主题词: 服务评价体系通知 分送：省局（公司）各领导，省局（公司）机关各处室（部门）、公司 江苏省烟草专卖局办公2006年3月27日印发
室 打字：陈冰校对：王红(共印2份) 附件： 江苏省烟草商业系统服务质量评价体系（试行） 为进一步深化和落实“与客户共创成功”的服务理念，不断拓展“客户至上，服务为本，诚实守信，共同发展”的服务内涵，精心打造“中国烟草·江苏”的品牌形象，全面、客观、公正、持续了解和掌握全系统各单位的服务质量和服务水平，以推动全省服务质量的改进，服务水平的提高，特制定本评价体系。 一、服务质量评价体系的构成 服务质量评价体系主要包括四个方面内容： 1、客户关系管理水平：各单位客户关系管理水平是服务质量评价的重要内容，其外在的表现之一反映在客户的投诉之中。包括客户向省局（公司）“客户投诉中心”反映的投诉、建议、咨询及投诉回访满意度等情况； 2、客户满意度调查情况：包括省局（公司）“客户投诉中心”定期随机通过电话向零售客户进行满意度调查情况，适时委托第三方进行的客户满意度调查结果； 3、工业客户方面：包括工业客户向省局（公司）“客户
＋工业客户方面得分×0.2＋客户满意度调查得分×0.4 三、服务质量评价工作的实施 1、定期评价：“客户投诉中心”每两个月随机抽取零售客户总数2%的客户样本，通过电话向零售客户进行满意度调查。结合“客户投诉中心”和“局长信箱”等渠道获取的零售（工业）客户投诉、建议、咨询等情况进行综合评价。 2、通报信息：“客户投诉中心”定期在客户投诉通报中进行信息反馈，包括各单位综合评价结果及各项目得分情况，以激励先进，鞭策后进，促进全系统服务质量的全面提升。 3、系统改进：各单位要对公布的评价结果进行连续、系统分析，找出客户服务方面存在的问题和薄弱环节，不断研究并持续改进公司业务流程、经营行为、服务方式，以不断提高服务质量和服务水平，提高客户满意度。
葡萄酒品质分析方法 摘要：实验建立了以多壁碳纳米管为填料，基于核熔融技术的在线固相萃取-高效液相色谱-串联质谱联用系统来测定葡萄酒中白藜芦醇的含量。实验中，葡萄酒样品经稀释、过膜后直接进样，经在线固相萃取净化后经熔融核色谱柱分离，串联质谱多反应监测模式下定性与定量分析。实验测定了来自中国七个地区八个品种的葡萄酒，通过实验，测得顺式白藜芦醇与反式白藜芦醇的定量限分别为0.06和0.05 ng/mL；低、中、高3个添加水平的平均回收率为76.9% ~108.3%；日内精密度均小于6.81%，日间精密度均小于7.69%。。结果表明，本方法快速，准确，灵敏度高，可用于实际检测工作。 关键词：葡萄酒；白藜芦醇；在线固相萃取；高效液相色谱-串联质谱 A method of wine quality analyzes Abstract: The experiment was established with multi walled carbon nanotubes as filler, the content of online SPE, fused-core technology and HPLC-MS/MS based on the coupled system to the determination of resveratrol in Wine. In the experiment, Wine samples diluted, after filtration, direct injection, by on-line solid phase extraction purification by column chromatography and nuclear fusion, a series of qualitative and quantitative analysis of mass spectrometry under multiple reaction monitoring mode. The experiment of eight varieties from seven areas of Chinese wine, through the experiment, the measured CIS resveratrol and trans resveratrol detection limit were 0.06 and 0.05 ng/mL; low, medium and high average recovery of the 3 level of adding rate of ~108.3% was 76.9%. Intra-day and Inter-day precision were less than 6.81% and 7.69% respectively. The results show that this method is rapid, accurate and high sensitivity, which can be used in practical detection work. Keywords: Wine; Resveratrol; Online SPE; HPLC-MS/MS 1. 引言 1.1. 葡萄酒概况 1.1.1. 葡萄酒的定义与分类 葡萄酒，是以新鲜葡萄或葡萄汁为原料，经全部或部分发酵酿制而成的，酒精度等于或大于7.0％（V ol）的发酵酒[1]。按色泽分，葡萄酒可分为白葡萄酒、
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
评判葡萄酒品质的五项指标 由于从事WSET高级品酒师的教学工作，最经常被学生和爱好者问到的问题，莫过于怎样评价葡萄酒的品质。大家之所以对这个问题特别关心，可能是因为判断葡萄酒品质对学员的工作关系特别密切。葡萄酒行业的从业人员，免不了频繁的选酒和荐酒，如果判断品质的基本功掌握不好，自然无法胜任工作。对于葡萄酒爱好者而言，判断葡萄酒品质直接决定他们的购买行为，也会给葡萄酒的合理价格提供一个参考。 我个人觉得，葡萄酒和任何的食品与饮料一样，都存在“萝卜白菜，各有所爱”的情况。但是，从葡萄酒品评的角度上来讲，就像艺术品的品鉴一样，有着它规范的一面。在我们判断葡萄酒的品质之前，首先需要判断的是葡萄酒是不是存在劣化的问题。葡萄酒的劣化会以带有不愉悦的气味为标志，在技术上我们认为这些不愉悦的气味是葡萄酒的缺陷。酒庄的卫生问题、酿造和陈年过程中氧气参与多少、存储不当或加入二氧化硫过多，都有可能会产生带有缺陷的气味。在葡萄酒竞赛中，会有专职的裁判来判断劣化问题，任何有缺陷气味的葡萄酒都被一票否决，不会进入到竞赛的下一轮环节。 当一款葡萄酒不存在气味缺陷的时候，我们就可以对它的品质来进行判断了。有一些葡萄酒从业人员，单纯地通过某种气味、酒体（口感）、果味、单宁或者酸甜度来判断和介绍葡萄酒的品质，这是不专业的做法。我们通常是从葡萄酒的浓郁度、复杂度、平衡性、回味和典型性这几个角度来对品质进行评价。
浓郁度是葡萄酒爱好者最容易识别的。很多朋友在品尝完葡萄酒后，都会指出这款葡萄酒品味是浓还是淡。其实浓郁度是分为嗅觉的浓度和味觉的浓度，这两部分浓度之间没有必然的关联。有时我们闻起来很酒香很深沉，但品尝起来，却发现浓郁度一般；也会有时发现闻到的气息比较微弱，但是味蕾对觉得味道很厚重。毋庸置疑，浓郁度越高，葡萄酒品质越好。 相比浓郁度来讲，复杂度要难得多。对复杂度的判断需要专业的葡萄酒气味训练，从而具备区分葡萄酒气味的能力。葡萄酒是一种果酒，它主要的味道，肯定是果味，这种果味，是来自葡萄本身的气味，我们称之为第一类气味。但是随着葡萄酒的桶中和瓶中陈年，会演变出香草、雪茄盒、烟草、烟薰、咖啡、焦糖、皮革、泥土、蘑茹等等气味。 如果这款葡萄酒只有果味，同时，如果它不具备能够陈年，香气能够演变的特征，这款葡萄酒注定就是一款果味为主的，适合立即饮用的葡萄酒。一款葡萄酒，只要能有三四种味道，就认为具备良好品质。但一款出色品质的葡萄酒，可能会有十几种以上的味道。 平衡性是一个让葡萄酒爱好者头痛的问题，因为它相对比较感性，不像浓郁度和复杂度这么容易量化。葡萄酒的平衡，最简单的理解就是，果味与甜度和酸度与单宁之间的逻辑关系。打个比方，对于一款干型白葡萄酒，它的甜度和单宁可能都不能被味觉识别，所以往往需要对等的果味和酸度来进行平衡。酸度太低，酒会给人以庸肿、笨拙的感觉，而果味太低，酒显得空洞、平坦。平衡性更深层研究的问题
葡萄酒的评价 摘要 葡萄拥有很高的营养价值，本文通过对葡萄酒的评价，以及酿酒葡萄和葡萄酒的理化指标之间的关系进行讨论分析，对不同的酿酒葡萄进行了分类，并更深入讨论两者的理化指标是否影响葡萄酒质量。 针对问题一，我们首先分别计算每类葡萄酒样品在两组组评酒师评价下的综合得分，以此作为每组评酒师的最终评价结果。再运用统计学中的T 检验进行假设与检验，得出两组评价结果具有显著性差异。最后通过计算各组评价员的评价结果的标准差，以此推算稳定性指标值P ，P 值较大的可信度较高，得出2p p <红1红与2P P <白1白，进而得出第二组的评价结果更加可信。 针对问题二，我们分别对两组葡萄进行分类。在这里我们采用聚类分析法和主成分分析法，在matlab 中实现对酿酒葡萄的分类。 针对问题三，根据σ μ -= x Z 对附件2中的数据进行标准化处理，排除单位不同的影响。以酿 酒葡萄的30个一级理化指标作为自变量X ，葡萄酒9个一级的理化指标作为因变量y,建立多元线性回归模型εβ+=X y ,得出酿酒葡萄的理化指标与葡萄酒的理化指标之间的联系即回归系数矩阵 β。 针对问题四，用灰色关联度分析对两者的关系进行度量，求得理化指标对样品酒的的关联系数。然后根据葡萄酒综合得分及指标的相关系数得出样品酒的综合指标，通过MATLAB 软件对综合指标与第二问中葡萄酒的分数进行指数拟合，拟合效果不佳，因此不能定量的用葡萄和葡萄酒的理化指标来评价葡萄酒的质量，只能根据图像大致猜测综合指标与葡萄酒的质量负相关。 关键词：T 检验 聚类分析法 主成分分析法 Z 分数 多元线性回归 一、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
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