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）：云南财经大学
参赛队员(打印并签名) ：1.鲁厚华
2.李雅楠
3.梁丽容
指导教师或指导教师组负责人(打印并签名)：陈龙伟
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）：
题目 A题葡萄酒的评价
摘要：
本文研究的是葡萄酒的评价问题。通过对酿酒葡萄和葡萄酒的理化指标、芳香物质进行分析，统计出两组评酒员的评价结果，计算酿酒葡萄中影响葡萄酒质量重要指标的几个主要成份，建立相应的数学模型，得出最好的评价方法。
问题一，运用SPSS11.5分析两组评酒员的评分结果，分别求出它们的均值、标准差和离散系数，通过这三个系数来评价两组之间的差异性以及哪组结果更可信。
问题二，我们采用多元统计分析方法中的聚类分析对酿酒葡萄的理化指标进行了简化，选出酿酒葡萄中最具代表的几种理化指标，再运用相关系数分析他们对葡萄酒品质的影响程度，从而进一步结合酿酒葡萄的理化指标和酒的质量对葡萄进行分级。
问题三，用葡萄酒质量作为桥梁，采用统计学分析方法中的相关性分析方法分别筛选出与酿酒葡萄与葡萄酒的理化指标中对葡萄酒质量影响比较重要的几个因素，再对选出的两组重要因素进行相关性分析得出的相关系数，通过比较分析它们之间的相关系数做出准确合理的结论。
问题四，利用主成分分析方法，用葡萄酒质量分别对酿酒葡萄和葡萄酒理化指标中显著性较高的几组数据建立多元回归方程，由此可以得出两种理化指标对葡萄酒质量的影响。
糖、酸、单宁、色素和芳香物质是构成酿酒葡萄品质优劣的重要元素[1]，在不考虑
芳香物质的条件下，笼统的论证用酿酒葡萄和葡萄酒的理化指标来评价葡萄酒的质量是不合理的。
关键词：离散系数聚类分析相关性分析
（一）问题的重述
在给出某一年份一些葡萄酒品尝评分表、葡萄和葡萄酒的理化指标的两个表格以及葡萄和葡萄酒的芳香物质的四个表格后，为了简化问题，我们对表中数据的各项指标进行计算，得出其对应的均值与标准差，适当的进行数据筛选，提取出相应的指标进行分析，建立数学模型。
现在我们需要解决以下四个问题：
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
本题为判断葡萄酒的评价标准是否合理可行及酿酒葡萄与葡萄酒两者之间的联系并对酿酒葡萄进行等级划分，同时分析论证葡萄和葡萄酒的理化指标可不可以作为评价葡萄酒质量的依据。
问题1要评价两组评酒员所评结果的显著性差异与可信度。首先要考虑每组所有成员对同一种酒样品的综合评价，考虑独立样本的计算，利用SPSS11.5软件算出其样本的均值和标准差，然后用两组成员的样本均值来判断有无显著性差异，得出结论。若有显著性差异，则在此基础上，用离散系数判断可信度，离散系数越小说明波动程度越小，评价的结果越稳定，可信度就越高。
问题2是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分级，要对酿酒葡萄进行，我们需要考虑两个因素：一是酿酒葡萄的理性指标是如何规定；二是分析葡萄酒的质量，根据葡萄酒质量的不同等级对酿酒葡萄进行不同等级的划分。运用多元统计分析方法对酿酒葡萄的理化指标进行聚类分析，将其理化指标进行简化，其次，进一步对理化指标与酒的质量进行相关系数分析，找出酿酒葡萄对酒质量最具影响的几种理化指标，接着用这些理化指标把葡萄进行等级划分。
问题3要求分析出酿酒葡萄与葡萄酒理化指标的联系，要求分析出酿酒葡萄与葡萄酒理化指标的联系，我们首先运用SPSS11.5进行相关性分析分别选出红、白酿酒葡萄和红、白葡萄酒中与葡萄酒质量密切相关的五个因素，再对得出的两组数据进行一次的相关性分析，便可从得出的相关系数表中得到它们之间的联系。
问题 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，先用主成分分析法，考虑利用葡萄酒质量（评分）对酿酒葡萄和葡萄酒理化指标中显著性较高的几组数据建立多元回归方程，这样可以得出它的影响结果，而要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，需要充分的利用来判断，可以查阅资料，找出影响葡萄酒质量的要素。要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，使用SPSS 11.5软件对葡萄酒的芳香物质各指标和葡萄酒的质量进行相关系数分析，根据相关性分析葡萄的芳香物质以及葡萄酒的芳香物质对酒质量是否有影响。
（三）模型的假设
（1）不考虑两种酿酒葡萄本身的品种
（2）两组葡萄出自相同的地方
（3）两组葡萄酒都是有同样的酿酒师酿造出来的，且排除他们的非系统性误差
（4）橡木桶的陈化程度没有差别
（5）酿酒葡萄和葡萄酒的贮存方式、条件都是一样的
（6）排除评酒员在评价过程中视觉、嗅觉、味觉等产生的误差
（四）符号说明
1.
x i表示红葡萄酒中第i组的样本均值
1.
S i表示红葡萄酒中第i组的样本标准差
1.
V i表示红葡萄酒中第i组的离散系数
2.
x i表示白葡萄酒中第i组的样本均值
2.
S i表示白葡萄酒中第i组的样本标准差
2.
V i表示白葡萄酒中第i组的离散系数
0.05
α=表示显著性水平为0.05
（五）模型建立与解答
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？
题目其实需要我们分两步去解决，首先，先利用独立样本均值判断两组评酒员的评价结果有无显著性差异，在此基础上，再利用离散系数考虑哪组结果更可信。
顺着这种思路，我们从10种小项目中利用SPSS11.5软件分别对两组评酒员的评价结果中的红葡萄酒和白葡萄酒计算其样本均值和标准差，得出了如下的表1.1、表1.2。
表1.1 红葡萄酒
澄清度色调纯正度浓度质量纯正度浓度持久性质量平衡/整体评价
1. x i
3.58 7.13
4.47
5.09 12.13 4.72 5.81 5.99 15.10 8.76 第二组 3.48
6.35 4.13 5.64 11.72 3.94 5.50 5.81 14.90 8.74
2. S i
0.81 1.59 1.02 1.17 1.656 1.02 1.34 0.89 2.35 0.89
第二组0.62 1.37 0.67 1.07 1.311 0.63 1.14 0.76 1.84 0.63
表1.2 白葡萄酒
澄清度色调纯正度浓度质量纯正度浓度持久性质量平衡/整体评价
2. x i 第一组
3.39 6.65
4.59 6.3612.65 4.09
5.91
6.6415.38.96第二组 3.41 6.77 4.51 6.2912.59 4.50 6.15 6.3916.79.25
2. S i 0.89 1.850.94 1.07 1.177 1.07 1.34 1.73 2.98 1.00
0.69 1.310.70 1.06 1.410.690.020.73 2.120.72
在显著性差异的，在此条件下，对第一组和第二组的标准差系数进行比较。
利用标准差系数数学模型：
[2]
S
V
x
=
对红葡萄酒进行分析，得出如下的表1.3、表1.4
表1.3 红葡萄酒
澄清度色调纯正度浓度质量纯正度浓度持久性质量平衡/整体评价
1. V i 第一组0.220.220.230.230.140.220.230.150.160.10
第二组0.190.220.10.190.110.160.210.130.120.07
表1.4 白葡萄酒
澄清度色调纯正度浓度质量纯正度浓度持久性质量平衡/整体评价
2. V i 第一组0.260.280.200.170.090.260.230.260.190.11
0.200.190.160.170.110.150.010.120.130.09
从两表中，可得出，红葡萄酒中，十个项目的 1.1 1.2
V V
，可以认为红葡萄酒中第
二组更加可信；白葡萄酒中，虽然存在质量的离散系数中第二组大于第一组，但从整体
来看，第二组的离散系数还是小于第一组。
综上所述，无论是红葡萄酒还是白葡萄酒，两组评酒员的评价结果有显著性差异，
第二组的结果更加可信。
问题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。
本题附件2中测定了28个白葡萄样的59个理化指标，其中有30个一级指标，29
个二级指标。为了找出影响葡萄品质的主要指标，我们采用SPSS 11.5软件，运用聚类
分析法[3]和相关系数分析法对30个一级指标数据进行分析。
首先，对白葡萄的30个一级指标进行R型聚类分析[4]，具体做法为打开附录1中
数据文件“白葡萄.sav”,选择Analyze → Classify → Hierarchical Cluster →把要进行聚类的指标选入Variable(s) →把样品编号选入Label Cases by→选择
Cluster栏的Variable →选择Plots窗体中的Dendrogram → OK 输出结果得到指标
的聚类谱系图（图2.1），同时根据分析将30项指标聚成5类，从谱系图的聚类距离和
聚类的先后步骤可以看出，DPPH自由基、果皮质量、白藜芦醇、花色苷、柠檬酸、PH
值、果梗比、单宁、葡萄总黄酮、果酸、可滴定酸、酒石酸、总酚、果皮颜色a*、黄酮
醇、干物质含量、果皮颜色b*、果皮颜色L*、多酚氧化酶活力、出汁率这20项先聚为
一类，再与固酸比聚类，说明21个指标间的相关性较高，即这21项指标为相似水平类；
同样的，总糖、可溶性固行物、还原糖、果穗质量、百粒质量、VC含量这6项指标为相
似水平类；褐变度、蛋白质、氨基酸分别单独为一类。
图2.1 白葡萄一级指标的聚类图
再把第一类的21项指标与白酒的评分（酒的质量好坏）进行相关性分析（相关系数见表2.1），具体做法为打开数据文件“白葡萄.sav”,选择Analyze → Correlate →Bivariat →把要分析的变量名导入Variables → OK。得出结果表明果皮颜色b*与酒的质量呈极显著的正相关，酒石酸与酒的质量呈显著的正相关，由此，我们可以用果皮颜色b*来代表这一水平类的其他性状。同样的，把第二类的6项指标与白葡萄酒的评分进行相关性分析（表2.2），得到果穗质量与酒的质量呈显著的负相关，总糖、可溶性固行物与酒的评分呈显著的正相关。
虽然氨基酸、蛋白质、褐变度分别单独为一类，但它们与酒的质量间的相关性不显著，所以，我们不采用其进行对葡萄的分级。综上，我们就得到了5项影响葡萄质量的理化指标，分别为果穗质量、可溶性固行物、总糖、果皮颜色b*、酒石酸，用这5项指标来对葡萄进行分级。
表2.1 第一类指标的相关系数
DPPH自由基1/IC50(g/l) 酒石酸果皮颜色b*
···白酒分数
DPPH自由基1/IC50(g/l) Pearson Correlation 1 -.150 .364 .294 Sig. (2-tailed) . .447 .057 .129
N 28 28 28 28 PH值Pearson Correlation -.027 .414(*) -.014 .145 Sig. (2-tailed) .893 .029 .943 .462
N 28 28 28 28 果梗比Pearson Correlation -.229 .411(*) .093 .117 Sig. (2-tailed) .240 .030 .639 .552
N 28 28 28 28 单宁Pearson Correlation .395(*) .001 .065 .171 Sig. (2-tailed) .038 .994 .743 .383
N 28 28 28 28 酒石酸Pearson Correlation -.150 1 .191 .392(*) Sig. (2-tailed) .447 . .331 .039
N 28 28 28 28 总酚Pearson Correlation .324 -.242 -.116 -.069 Sig. (2-tailed) .093 .214 .555 .727
N 28 28 28 28 果皮颜色a* Pearson Correlation -.453(*) .113 -.692(**) -.130 Sig. (2-tailed) .015 .568 .000 .508
N 28 28 28 28 干物质含量g/100g Pearson Correlation .215 .277 .392(*) .358 Sig. (2-tailed) .271 .154 .039 .062
N 28 28 28 28 果皮颜色b* Pearson Correlation .364 .191 1 .523(**) Sig. (2-tailed) .057 .331 . .004
N 28 28 28 28 果皮颜色L* Pearson Correlation .418(*) .049 .858(**) .347 Sig. (2-tailed) .027 .803 .000 .071
N 28 28 28 28 多酚氧化酶活力Pearson Correlation -.428(*) -.022 -.282 -.235 Sig. (2-tailed) .023 .910 .146 .229
N 28 28 28 28 白酒分数Pearson Correlation .294 .392(*) .523(**) 1 Sig. (2-tailed) .129 .039 .004 .
N 28 28 28 28 * Correlation is significant at the 0.05 level (2-tailed).
** Correlation is significant at the 0.01 level (2-tailed).
表2.2 第二类指标的相关系数
总糖可溶性固行物g/L 还原糖果穗质量百粒质量VC含量白酒分数总糖Pearson Correlation 1 .846(**) .554(**) -.540(**) -.304 .104 .407(*) Sig. (2-tailed) . .000 .002 .003 .116 .599 .032
N 28 28 28 28 28 28 28 可溶性固行物Pearson Correlation .846(**) 1 .591(**) -.665(**) -.425(*) -.044 .429(*) Sig. (2-tailed) .000 . .001 .000 .024 .824 .023
N 28 28 28 28 28 28 28 还原糖Pearson Correlation .554(**) .591(**) 1 -.408(*) -.262 .030 .235 Sig. (2-tailed) .002 .001 . .031 .178 .878 .228
N 28 28 28 28 28 28 28 果穗质量Pearson Correlation -.540(**) -.665(**) -.408(*) 1 .712(**) .190 -.456(*) Sig. (2-tailed) .003 .000 .031 . .000 .333 .015
N 28 28 28 28 28 28 28 百粒质量Pearson Correlation -.304 -.425(*) -.262 .712(**) 1 .288 -.261 Sig. (2-tailed) .116 .024 .178 .000 . .138 .181
N 28 28 28 28 28 28 28 VC含量Pearson Correlation .104 -.044 .030 .190 .288 1 -.062 Sig. (2-tailed) .599 .824 .878 .333 .138 . .753
N 28 28 28 28 28 28 28 白酒分数Pearson Correlation .407(*) .429(*) .235 -.456(*) -.261 -.062 1 Sig. (2-tailed) .032 .023 .228 .015 .181 .753 .
N 28 28 28 28 28 28 28
关，我们可以通过对白葡萄中果穗质量的含量从小到大进行排序，把白葡萄分为优、良、中、差四个等级，同样的，分别用葡萄中的总糖、果皮颜色b*、酒石酸的含量来把白葡萄分级。分级如表2.4所示：
表2.4 白葡萄的分级
分级
标准
果穗质量可溶性固行物总糖果皮颜色b*酒石酸
优22、21、2、26、
28、4、17
24、9、28、26、25、
23、20
24、26、25、28、
20、10、9
28、21、5、4、23、
14、20
3、20、9、17、19、
5、22
良5、10、9、25、14、
19、27
5、10、3、27、21、
12、2
12、21、2、4、5、
23、19
26、17、11、2、7、
9、18
28、21、6、27、
23、8、10
中23、24、20、3、7、
16、1
22、4、19、14、1、
6、17
17、27、6、18、3、
14、1
3、6、27、10、2
4、
1、12
11、24、25、4、
26、1、16
差
8、12、13、18、6、
11、15
16、11、13、18、8、
7、15
16、15、11、22、7、
8、13
22、25、13、15、
8、19、16
15、2、13、12、7、
18、14
综上，经分析可以得出这些白葡萄样品的总分级：
优：葡萄品种28、20、26、9、2、10、5
良：葡萄品种21、23、27、19、4、25、24
中：葡萄品种1、3、6、22、17、14
差：葡萄品种13、15、8、16、18、7、11
用同样的方法可以对红葡萄进行分级，首先，同样把红葡萄的30个一级指标进行R
型聚类分析，得到指标的聚类谱系图（图2.2），同时根据分析将30项指标聚成5类：第一类：总酚、葡萄总黄酮、DPPH自由基、单宁、蛋白质、出汁率、白藜芦醇、黄酮醇、果梗比、花色苷、褐变度、果酸、多酚氧化酶活力、PH值、固酸比第二类：总糖、可溶性固行物、干物质含量、还原糖、氨基酸总类、可滴定酸
第三类：果皮颜色a*、果皮颜色b*、酒石酸、柠檬酸
第四类：白粒质量、果皮质量、果穗质量、果皮颜色L*
第五类：VC含量
由于第二类、第四类和第五类中的指标对红葡萄酒的质量的相关性不显著，所以我们选择了与葡萄酒比较显著的5个指标来对葡萄进行分级，这些指标分别是总酚、葡萄总黄酮、DPPH自由基、果皮颜色a*、果皮颜色b*。得到红葡萄按各指标的分级如表2.5所示。
图2.2 红葡萄一级指标聚类图
表2.5 红葡萄的分级
分
级
标
准
总酚果皮颜色a*果皮颜色b*葡萄总黄酮DPPH
优9、23、2、1、3、5、
19、22、21
11、18、27、10、
7、12、15、20、4
11、1、18、12、21、
15、22、6、17
23、9、2、3、5、
1、19、16、17
9、23、2、13、1、
8、3、5、19
良17、8、14、13、20、
12、15、25、16
6、22、25、9、23、
16、21、14、17
24、5、16、4、9、7、
23、20、8
8、24、20、22、
14、21、13、6、
15
21、14、17、25、
10、26、22、24、
20
差4、6、10、7、27、
24、18、26、11
26、3、13、24、5、
8、19、1、2
14、3、26、25、10、
27、2、19、13
25、18、27、10、
4、12、7、26、11
11、6、4、27、16、
18、15、12、7
综上，经分析可以得出这些红葡萄样品的总分级为：
优：葡萄品种1、9、23、5、22、21、2、3、19
良：葡萄品种20、25、17、24、14、16、8、15、13
差：葡萄品种27、26、18、4、7、10、6、11、12
问题3：分析酿酒葡萄与葡萄酒的理化指标之间的联系。
在此问中，我们明确要用到酿酒葡萄中和葡萄酒中几个与葡萄酒质量十分密切的变量，通过对问题2的求解，我们已经得出酿酒葡萄中白葡萄的果穗质量、果皮颜色b*、酒石酸、可溶性固形物、总糖与葡萄酒的质量息息相关；红葡萄中的总酚、葡萄总黄酮、DPPH半抑制体积、果皮颜色a、果皮颜色b与葡萄酒的质量密切相关。现在我们只需求出葡萄酒中哪些成分对葡萄酒的质量影响比较明显，我们通过以下步骤求出葡萄酒中与质量相关的成分：打开附录2中的“白葡萄酒指标与质量.sav”选择Analyze →Correlate → Bivariate，将左窗口中的所有选项全部选入Variable(s)中点击ok得到指标的相关系数表（表3.1）。经分析得出白葡萄酒中的酒总黄酮、顺式白藜芦醇苷、PDDH 半抑制体积、C(D65)、b*(D65)五种成分对葡萄酒质量的影响较大，使用同样的方法对附录2中的“红葡萄酒指标与质量.sav”进行同样的操作，可以得出红葡萄酒中的总酚、酒总黄酮、反式白藜芦醇苷、白藜芦醇、PDDH半抑制体积五种成分对葡萄酒的质量影响较大。同理，对附件2中的“红酿酒葡萄与红葡萄酒两个理化指标的联系”与“白酿酒葡萄与白葡萄酒两个理化指标的联系”进行上述同样的操作，分别得出以下表3.2、表3.3；其他相关系数见附录2中“问题3数据表.doc”中的表3_1、表3_2、表3_3、表3_4。
表 3.1 白葡萄酒指标与白葡萄酒质量系数
表 3.2 红酿酒葡萄与红葡萄酒两个理化指标系数
表 3.3 白酿酒葡萄与白葡萄酒理化指标系数
对于红酿酒葡萄与红葡萄酒之间的联系可通过分析图3.2得出，由图可知葡萄酒中的总酚含量与葡萄中的葡萄总黄酮、DPPH半抑制体积相关性比较显著；葡萄酒中的酒总黄酮与葡萄中的总酚、葡萄黄酮DPPH半抑制体积相关性显著；葡萄酒中的反式白藜芦醇
苷与葡萄中的总酚、葡萄总黄酮、DPPH半抑制体积有明显相关性；葡萄酒中的DPPH半抑制体积与葡萄中的总酚、葡萄总黄酮DPPH半抑制相关性明显；其中这五个成分都与葡萄中的果皮颜色呈负相关性。而葡萄中的总酚含量与葡萄酒中的总酚、酒总黄酮、反式白藜芦醇苷、DPPH半抑制体积呈显著相关性；葡萄中的葡萄总黄酮与葡萄酒中的总酚、酒总黄酮、反式白藜芦醇苷、DPPH半抑制体积相关性显著、葡萄中的DPPH半抑制体积与葡萄酒中的总酚、酒总黄酮、DPPH半抑制相关性显著；而葡萄中的果皮颜色a、b与葡萄酒中的五个成分都成负相关性。
同理，通过分析图3.3可知白酿酒葡萄与白葡萄酒之间的联系，葡萄酒中的酒总黄酮、顺式白藜芦醇苷、DPPH半抑制体积都与葡萄中上述的五种成分无相关性；葡萄酒中的b*(D65)、C(D65)与葡萄中的果穗质量、可溶性固形物、总糖相关性显著。而葡萄中的果穗质量、可溶性固形物也与葡萄酒中的b*(D65)、C(D65)显著相关；葡萄中的总糖与葡萄酒中的、顺式白藜芦醇苷、b*(D65)、C(D65)相关性显著；而葡萄中的果皮颜色b*、酒石酸与葡萄酒中的上述五种成分无相关性。
综上所述，得出不管是酿酒葡萄与葡萄酒之间的关系是十分密切的，虽不能说是每一个成分都起着关键作用，但是缺少了其中的一些主要成分将无法酿成高质量的葡萄酒，要想酿成高质量的优质葡萄酒必须要具有高质量的葡萄
。
问题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？
根据2、3问中的数据，利用主成分分析法，得到酿酒葡萄和葡萄酒理化指标中显著性较高的几组数据，分别与葡萄酒质量（即评分）建立多元回归方程。
分析白葡萄酒的理化指标对白葡萄酒质量的影响，可以从回归估计结果表 4.1（Model Summary），方差分析结果表4.2（ANOVA（b））回归系数估计表4.3（Coefficients （a））
a Predictors: (Constant), 色泽C(D65), PDDH半抑制体积, 顺式白藜芦醇苷(mg/L), 酒总黄酮, 色泽b*(D65)
a Predictors: (Constant), 色泽C(D65), PDDH半抑制体积, 顺式白藜芦醇苷(mg/L), 酒总黄酮, 色泽(D65)
b Dependent Variable: 白葡萄酒质量（评分）
a Dependent Variable: 白葡萄酒质量（评分）
中得出估计的多元线性回归方程：
112345?74.7070.479 2.22930.3138.1348.58Y X X X X X =--+-+ 2R = 0.162,拟合优度一般
t = （1.105）（0.899） （1.320） (0.330) (0.343)<0.052
(22) 2.0739t =,所以这五
种指标对葡萄酒质量影响不明显。
同理，根据附录3中表4.4，表4.5，表4.6的数据，
得出白葡萄理化指标对白葡萄酒质量影响的多元线性回归方程：
212345
?69.5770.3610.0240.0140.0050.227Y R R R R R =++--+ 2R =0.4,拟合优度一般
t = （1.301）（0.535）（0.209） （0.712） （1.97）<0.052
(22) 2.0739t =，所以这
五种指标对葡萄酒质量影响不明显。
根据附录3中表4.7，表4.8，表4.9的数据，
得出红葡萄理化指标对红葡萄酒质量影响的多元线性回归方程：
312345
?69.950 1.2520.0040.4710.113 1.205Y S S S S S =+++-- 2R =0.599，拟合优度较好
t = （0.117）（0.019）（1.777）（0.191）（0.987）<0.052
(21) 2.0796t =，所以这
五种指标对葡萄酒质量影响不明显。
根据附录3中表4.10，表4.11，表4.12的数据，
得出红葡萄酒理化指标对红葡萄酒质量影响的多元线性回归方程：
41234
?67.5790.5670.2860.654 2.58615.594Y T T T T T =-++++ 2R =0.443，拟合优度一般
t = （0.655）（0.48）（1.663）（1.188）（0.737）<0.052
(21) 2.0796t =，所以这五
种指标对葡萄酒质量影响不明显。
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，运用SPSS 11.5软件对葡萄酒的芳香物质各指标和葡萄酒的质量进行相关系数分析，得出这些芳香物质对酒质量的影响程度。首先对白葡萄酒的芳香物质与酒质量进行相关系数分析（相关数据见表5.1），得出丁二酸二乙酯与酒的质量呈显著的正相关，香叶基乙醚、辛酸丙酯、2-苯乙基乙酸酯、苯乙醇等也与酒质量呈显著的正相关，正十一烷与酒质量呈极强的负相关。由此可说明，白葡萄酒的芳香物质对酒的质量有很大的影响作用。
表5.1. 白酒芳香物质与酒质量的相关系数
白酒分
数
正十一烷 3甲基-1-丁醇-乙酸酯 3甲基1-乙醇 乙酸庚酯 香叶基乙醚 辛酸丙酯 辛酸3-甲基丁酯 丁二酸
二乙酯
2-苯乙
基乙酸酯
苯乙醇 pearson
correlation -0.999* 0.384* 0.64* 0.398* 0.509* 0.451* 0.439* 0.484** 0.402* 0.431*
Sig
（2-tailed ）
0.27
0.44 0.1 0.4 0.011 0.018 0.022 0.009 0.038 0.022
N
3
28 15 27 24 27 27 28 27 28
用同样的方法分析红葡萄酒的芳香物质与酒质量的相关系数，得出1-丙醇、正十一烷、丁二酸二乙酯与酒的质量呈极显著的负相关，2-乙基-1-己醇、3,7－二甲基－1,5,7－辛三烯－3－醇、柠檬烯、乙酸乙酯等与红葡萄酒的质量呈显著的正相关（相关数据见表5.2），由此说明红葡萄酒的芳香物质对酒的质量有很大的影响作用。同理，经过分析白葡萄的芳香物质，得到乙酸乙酯、乙酸-2-甲基丙基酯、3-甲基-1-丁醇-乙酸酯等与酒的质量有极显著的相关性（相关数据见表5.3）。分析红葡萄的芳香物质同样得到3-甲基-1-丁醇、2-乙基-1-己醇、苯乙醇等与酒质量有极显著相关性（相关数据见表5.4）。也就是说，无论是葡萄还是葡萄酒的芳香物质，都对酒的质量有很大的影响力。而由问题三我们可以得出葡萄和酒的一些理化指标与酒的质量也有一定的相关性，所以，在评价酒的质量时，我们不能简单的只用葡萄和葡萄酒的理化指标来进行评价，而必须把葡萄和葡萄酒的芳香物质也考虑进去。
表5.2 白葡萄芳香物质与酒质量的相关系数
白酒分数
乙酸乙
酯
乙酸-2-甲基丙
基酯
3-甲基1-
丁醇-乙酸
酯
邻二甲苯乙酸戊酯
3-甲基
-1-丁醇
乙酸己
酯
2-以及-1-
己醇
2-苯乙基
乙酸酯pearson
correlatio
n
0.758**0.87**0.988**0.991**0.837**0.903**0.801**0.812**0.994**
Sig
（2-tailed
）
0.000.000.000.000.000.000.000.000.00 N28191313172620286表5.3红葡萄酒的芳香物质与酒质量的相关系数
红酒分数
乙酸乙
酯
1-丙醇
正十一
烷
柠檬酸
2-乙基
-1-己醇
辛酸丙
酯
3,7-二甲
基-1,6辛
烯-3-醇
丁二酸二
乙酯
十二酸乙酯
pearson
correlation
0.431*-1.00**-1.00**0.507*0.704**0.427*0.471*-0.403*0.404*
Sig
（2-tailed）
0.0250.000.000.0230.0020.0260.0150.0370.037
N2722201627262727表5.4红葡萄的芳香物质与酒质量的相关系数
红酒分数
3-甲基-1-丁醇2-乙基-1-己醇3,7-二甲基-2,6-辛二烯酸甲酯苯乙醇pearson correlation-0.895*-0.782*0.893*0.522** Sig（2-tailed）0.0160.0380.0410.005 N67527
（六）模型的分析与评价
在本模型中，仅用它们的均值、标准差和离散系数来评价两组评酒员的结果哪个更合理可信是不精确的，均值只是体现了葡萄酒酒本身的一个质量区间，标准差体现的是葡萄酒在这个质量区间的波动程度，是一个区间上的问题，无法精确到点上，因此不够合理。
此外，模型中主要使用的是聚类分析法和相关分析法，聚类分析的方法还是比较粗
糙，理论上也不算完善[5]，聚类分析有分定量的，定性的，如要想得到比较精确的结果，
需要严格的划分指标类型，但在本题中并没有明确的区分定量指标与定性指标的界限，故得到的结论也并不严格。在进行相关性分析是有些指标无法得到明确的分配，也影响了模型的精确度。
参考文献
[1]xionghong，如何判断葡萄酒的品质的好坏，https://www.doczj.com/doc/d611579138.html,/news/gongsi
/68348.html，2012年9月8号
[2]贾俊平编著，描述统计，北京：中国人民大学出版社，2003年版，第98页
[3]谢辉樊丁宇张雯郭春苗周晓明闫鹏卢春生，统计方法在葡萄理化指标简化中的应用，《新疆农业科学》， 08期：2-4，2011年出版
[4] 王力宾主编，多元统计分析：模型、案例及SPSS应用，北京：经济科学出版社，2010年3月第一版，132-159
[5] 何晓群编著, 多元统计分析,北京：中国人民大学出版社，2012年1月第三版，42-43
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
江苏师范大学 第五届（2011）数学建模竞赛 我们选择的题号是： B 我们的参赛队号为：
2012江苏师范大学数学建模竞赛题目 B题研究生录取问题 摘要：根据问题的背景和题目要求，研究在不同条件的研究生录取问题，在对笔试，面试以及导师信息量化，加权平均求解的基础来解决研究生录取的问题。通过构造选择矩阵和满意度矩阵建立导师和学生之间的双向选择矩阵的0-1规划模型。利用测发编程计算求出最优解，从而求得问题的最优方案，同时采用降阶技巧和创建定理，快速的求解出实用的最优解，得到对应的最优方案！ 一问题重述 某学校Ｍ系计划招收10名计划内研究生，依照有关规定由初试上线的前15名学生参加复试，专家组由8位专家组成。在复试过程中，要求每位专家对每个参加复试学生的以上5个方面都给出一个等级评分，从高到低共分为A,B,C,D四个等级，并将其填入面试表内。所有参加复试学生的初试成绩、各位专家对学生的5个方面专长的评分。 该系现有10名导师拟招收研究生，分为四个研究方向。导师的研究方向、专业学术水平（发表论文数、论文检索数、编（译）著作数、科研项目数），以及对学生的期望要求。在这里导师和学生的基本情况都是公开的。要解决的问题是： (1) 首先，请你综合考虑学生的初试成绩、复试成绩等因素，帮助主管部门确定10名研究生的录取名单。然后，要求被录取的10名研究生与10名导师之间做双向选择，即学生可根据自己的专业发展意愿（依次申报2个专业志愿）、导师的基本情况和导师对学生的期望要求来选择导师；导师根据学生所报专业志愿、专家组对学生专长的评价和自己对学生的期望要求等来选择学生。请你给出一种10名研究生和导师之间的最佳双向选择方案（并不要求一名导师只带一名研究生），使师生双方的满意度最大。 (2) 根据上面已录取的10名研究生的专业志愿，如果每一位导师只能带一名研究生，请你给出一种10名导师与10名研究生双向选择的最佳方案，使得师生双方尽量都满意。 (3) 如果由十位导师根据初试的成绩及专家组的面试评价和他们自己对学生的要求条件录取研究生，那么，10名研究生的新录取方案是什么？为简化问题，假设没有申报专业志愿，请你给出这10名研究生各申报一名导师的策略和导师各选择一名研究生的策略。相互选中的即为确定；对于剩下的导师和学生，再按上述办法进行双向选择，直至确定出每一名导师带一名研究生的方案，使师生都尽量满意。 (4) 学校在确定研究生导师的过程中，要充分考虑学生的申报志愿情况。为此，学校要求根据10名导师和15名学生的综合情况选择5名导师招收研究生，再让这5名导师在
葡萄酒的评价 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。
(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
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（
海南大学课程论文 课程名称：葡萄酒初级知识 题目名称：葡萄酒的历史文化 学院：经济与管理学院 专业班级：2010级金融实验班 姓名：张辰 学号：20100602310061 评阅意见 评阅成绩 评阅教师： 2010年月日
葡萄酒的历史文化 摘要：本文简要介绍了葡萄酒在世界各国的发源及发展，分析了各国葡萄酒和葡萄酒文化的差异以及葡萄酒能够成为一种文化的原因，帮助更好的了解葡萄酒和品尝葡萄酒。 关键词：葡萄酒，历史，文化 正文： 当今世界，葡萄酒已经成为一种潮流，一种文化，是高雅与品味的代名词，那么葡萄酒究竟是从什么时候开始酿造的呢，它的发展到底有什么故事呢？ 葡萄酒的产生： 据史料记载，在一万年前的新石器时代濒临黑海的外高加索地区，即现在的安纳托利亚(古称小亚细亚)、格鲁吉亚和亚美尼亚，都发现了积存的大量的葡萄种子，说明当时葡萄不仅仅用于吃，更主要的是用来榨汁酿酒。多数史学家认为，葡萄酒的酿造起源于公元前6000年古代的波斯，即现今的伊朗。对于葡萄的最早栽培，大约是在7000年前始于前苏联南高加索、中亚细亚、叙利亚、伊拉克等地区。后来随着古代战争、移民传到其它地区。 古代希腊，罗马是当今西方文明的起源，现在我们来看看葡萄酒在这两个文明的发展。 古希腊的葡萄酒 对于希腊，是欧洲最早开始种植葡萄与酿制葡萄酒的国家，一些航海家从尼罗河三角洲带回葡萄和酿酒的技术。葡萄酒不仅是他们璀璨文化的基石，同时还是日常生活中不可缺少的一部分。在希腊荷马的史诗中就有很多关于葡萄酒的描述，《伊利亚特》中葡萄酒常被描绘成为黑色。而他对人生实质的理解也表现为一个布满黑葡萄的田园风情的葡萄园。据考证，古希腊爱琴海盆地有十分发达的农业，人们以种植小麦、大麦、油橄榄和葡萄为主。大部分葡萄果实用于做酒，剩余的制干。几乎每个希腊人都有饮用葡萄酒的习惯。酿制的葡萄酒被装在一种特殊形状的陶罐里(图3)，用于储存和贸易运输，这些地中海沿岸发掘的大量容器足以说明当时的葡萄酒贸易规模和路线，显示出葡萄酒是当时重要的贸易货品之一。在美锡人时期(公元前 1600-1100年)，希腊的葡萄种植已经很兴盛，葡萄酒的贸易范围到达埃及、叙利亚、黑海地区、西西里和意大利南部地区。葡萄酒不仅是酒和贸易的货物，也是希腊宗教仪式的一部份。 古罗马的葡萄酒 公元前六世纪，希腊人把葡萄通过马赛港传入高卢(现在的法国)，并将葡萄栽培和葡萄酒酿造技术传给了高卢人。高卢人从希腊人那里学会了葡萄栽培和葡萄酒酿造技术后，在意大利半岛全面推广葡萄酒，很快就传到了罗马，并经由罗马人之手传遍了全欧洲。在公元一世纪时葡萄树遍布整个罗纳河谷，二世纪时葡萄树遍布整个勃艮第和波尔多；三世纪时已括抵卢瓦尔河谷；最后在四世纪时出现在香槟区和摩泽尔河谷，原本非常喜爱大麦啤酒和蜂蜜酒的高卢人很快地爱上葡萄酒并且成为杰出的葡萄果农。由于他们所产生的葡萄酒在罗马大受欢迎，使
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
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
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
湖南农业大学课程论文 学院：食品科学与技术学院班级:食质二班 姓名：刘晓鸣学号：201440718212 课程论文题目：浅谈葡萄酒鉴赏 课程名称：葡萄与葡萄酒文化 评阅成绩： 评阅意见： 成绩评定教师签名： 日期：年月日
浅谈葡萄酒鉴赏 学生：刘晓鸣 (食品科技学院14食质二班，学号201440718212) 摘要：文中主要介绍了葡萄酒的鉴赏方法及饮用储藏等 关键词：葡萄酒、饮用、礼仪、品尝、风味、存放 葡萄酒是大地的儿子。在人类悉心的照料下茁壮成长。从采摘、酿造、陈年到装瓶，就像一个人从出生、成长到成熟的过程。各个地域的葡萄酒跟人一样，有不同的个性和特色，有不同的生涯和成就。不过，他们都拥有一个共同的特点：给人们带来健康、快乐和享受！ 一、葡萄酒的饮用 葡萄酒是世界上最古老的饮料之一，几个世纪以来一直被用于各种庆典宴会，它可以在饭桌上给人们带来很多乐趣。通常使用开瓶器开葡萄酒瓶，先初去瓶口封盖，再将起子钻入葡萄酒瓶的软木塞中，最后将软木塞慢慢拉出酒瓶。几乎所有的感官都可用来享受葡萄酒的乐趣。首先用眼看葡萄酒以判断其清澈度和颜色；然后用鼻子闻葡萄酒的香气；最后将葡萄酒送入口中，滑过舌头，充满口腔，咽入腹中，感觉其中。 干白酒口感清爽，酸度高，最常用来当餐前酒，或搭配前菜中的生蚝等蚌壳类的海鲜。主菜方面以清淡的蒸、烤鱼类，或水煮海鲜最对味，味道浓一点的酒，可以配简单的鸡肉或猪肉。乳酪方面则可以试试酸度高的羊奶乳酪。 大部分的玫瑰红酒都属清淡型，以新鲜果香为主，以配简单的菜肴为主。最适合搭配夏季清淡的食物，生菜沙拉、凉菜类和白肉等。此外地中海区用橄榄油和蒜头调味的菜也很适合。玫瑰红酒的口感比较没有特性，经常用来配比较难配的菜，如醋、蒜头加得很多的食物，即使不是特别好的组合，但也不会大离谱。 二、葡萄酒的礼仪 1、倒酒 倒酒时最多将酒倒至杯中三分之一处，即约在杯身直径最大处就足矣。气泡
葡萄酒的评价 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？
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/d611579138.html,/journal/aam https://www.doczj.com/doc/d611579138.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/d611579138.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。
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。
葡萄酒的分析及等级划分 [摘要]由于经济全球化越来越广泛，西方文化的逐渐渗入中国的东方文化，葡萄酒越来越被大众接受，其营养价值和保健价值也逐渐受到人们重视，葡萄酒认证和质量评价逐渐得到关注，因此我们想要对其进行研究。我们寻找到两组各10个评酒员对红白葡萄酒的评分数据以及葡萄酒和酿酒葡萄的理化指标来对葡萄酒进行分析及等级划分。首先先验证各组评分数据是否满足正态分布，再对红白葡萄酒的两组数据分别采用配对T检验检验两组数据是否有显著性差异，再根据方差判断哪组数据较为可靠。由于同一等级物品，其特性相近，因此用可靠的那组评分数据综合酿酒葡萄的理化指标采用聚类分析，对酿酒葡萄进行等级划分，各分为四个等级，用每个等级的中所有葡萄酒平均得分作为该等级的酿酒葡萄分数。查阅资料，分析可知酿酒葡萄的理化指标影响了葡萄酒的理化指标，因此考虑建立模型，描述一个葡萄酒的理化指标与酿酒葡萄的多个指标之间的关系，通过这种联系分析酿酒葡萄指标对葡萄酒理化指标的影响。最后用葡萄酒的得分作为葡萄酒的质量标准，综合剔除指标后的酿酒葡萄和葡萄酒的理化指标进行回归分析，并观察回归性是否显著。以此判断葡萄酒质量是否可以运用这两种指标来评价。 【关键词】正态检验；配对T检验；聚类分析；逐步回归分析 1．引言 葡萄酒中含有丰富的营养物质,至今多达 600 种以上的物质被测定出来。葡萄具有的营养和医疗作用很早就被认识, 葡萄酒因其特殊的营养价值和较好的保健效果，越来越受到广大消费者的欢迎。在此形势下，葡萄酒认证和质量评价得到关注。葡萄酒的质量，即葡萄酒优秀的程度, 它是产品的一种特性,且决定购买者的可接受性。因此,葡萄酒能够满足人类需求的各种特性的总和即构成了它的质量。葡萄酒认证保证了市场中酒的质量，同时保护了消费者的利益。葡萄酒的认证包括理化性质分析、感官评价、物理化学指标、卫生指标等手段。质量评价是认证中的重要阶段，它有益于提高葡萄酒的酿造工艺，同时为市场定位提供决策信息。酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系。葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒的质量。葡萄酒的每一项理化指标是其质量的单一体现,而感官指标则是葡萄酒质量的综合概括,换句话说,一个理化指标、卫生指标都合格的葡萄酒未必是高质量的葡萄酒。在今后的一个时期，我们需要做的是从葡萄酒的特点出发，围绕葡萄和葡萄酒理化指标、感官指标等众多因素对葡萄酒质量的联系进行研究，尽可能确定较为合理的葡萄酒质量评价标准，既保证市场中酒的质量，保护消费者利益，又能为市场定位提供决策信息，达到经济效益的目的，从而实现双赢。 2．模型假设 2.1假设品酒员给出的评价能够真实客观地反应葡萄酒的情况 2.2葡萄酒的质量只与酿酒葡萄有关，忽略人为干扰、酿造过程中的环境差别,如温度、湿度等因素 2.3每个评酒员对不同葡萄酒样品的评分是不受主观因素影响的，即各评分结果相互独立 2.4假设数据来源真实有效，数据的误差皆在可接受范围之内
浅谈葡萄酒的知识与制作工艺 成绩评定教师签名： 日期：年月日 小谈生活中该懂的葡萄酒知识 学生：韩跃 (理学院10级应用化学2班，学号：201040205231) 摘要：随着时代的迅猛发展，我们逐步走向小康，小资。人类更加注重生活的质量和品位。酒文化在中国源远流长，不少文人学士留下了斗酒、写诗、作画、养生、宴会、饯行等酒神佳话。酒作为一种特殊的文化载体，在人类交往中占有独特的地位。而今葡萄酒的发展前景越来越好，它不仅是餐桌上的浪漫点缀，也是生活中不可缺少的健康饮品。
关键词：葡萄酒、基础知识、发展史、 导入语：葡萄酒是国际上仅次于啤酒的第二大饮料酒，是发展潜力相当大的一个酒种, 仔细地了解葡萄酒及其发展历程会扩大我们的知识面，帮助我们提高鉴赏水平。 一、走进葡萄酒——葡萄酒小常识 现在葡萄酒在世界各地都十分畅销，人们慢慢的接受喜爱上了葡萄酒，便深入地了解葡萄酒，以下是葡萄酒的一些基础知识。 （一）、葡萄酒定义 按酿酒方法分类可将酒分为：1，酿造2，蒸馏3，配制 酿造酒：是原料经发酵酿制而成，但未经过深加工的酒，也称原汁酒，一般酒精含量不高。 葡萄酒：是以葡萄为原料，经榨汁发酵酿制而成的原汁酒，酒精含量大约在9.5°-13°之间。 葡萄酒是经过发酵的葡萄汁 （二）、葡萄酒的种类：（按照生产工艺） 1-无汽酒（餐酒）Still Wine 1〉红酒Red Wine 2〉白葡萄酒White Wine 3〉玫瑰红葡萄酒Rose Wine 1〉红葡萄酒：红葡萄酒是红皮或紫皮葡萄连皮带籽一块发酵并压榨成汁，使果实中的色素染入酒液中间再去皮渣酿造而得出的葡萄酒，酒液呈紫红色，鲜红色或宝石红〈含单宁酸较重，故保存期较长〉。 ——花都加本力苏维翁2006，张裕解百纳，华夏长城等均有生产此类葡萄酒 2〉白葡萄酒：白葡萄酒是用白皮或青皮葡萄，也有用的紫皮白肉葡萄，压榨成汁，先除 去皮种籽，再用葡萄汁发酵酿制而成的葡萄酒，酒液呈金黄色，淡黄色或 近似无色〈单宁酸含量较轻，故保存时间短。因而白葡萄酒需冷冻贮存〉。——阿尔萨斯之泪（法国），德古拉莎当妮（罗马尼亚），王朝半干白葡萄酒等均有生产此类葡萄酒 3〉玫瑰红葡萄酒：是用红、白葡萄酿制，磨碎连皮和种子一起发酵一两个月，使液汁中留下部分色素然后榨汁发酵。 ——梅洛玫瑰红酒（西班牙），贝灵哲加州白仙芬黛 2006（美国）等均有生产此类葡萄酒。