下载文档原格式
葡萄酒的品质标准葡萄酒是一种历史悠久、多样化的饮品，具有广泛的品种和风味。
无论是享用时的口感还是保存时的品质，葡萄酒的品质标准是消费者关注的重点。
在本文中，我们将探讨葡萄酒的品质标准，并介绍判断和评价葡萄酒品质的指标。
一、外观优质葡萄酒首先需要具备良好的外观品质。
外观可以通过葡萄酒的颜色、透明度和气泡等特征进行评价。
一般来说，红葡萄酒应该呈现出深红或紫色，白葡萄酒应该呈现出清澈明亮的黄色。
适当的气泡是香槟或气泡酒的特征之一。
外观的清晰度和亮度也是判断葡萄酒品质的重要标准。
二、香气葡萄酒的香气是影响消费者感官体验的关键因素之一。
香气可以通过嗅闻葡萄酒时感知到。
香气的复杂度和强度都是品质的表现之一。
好的葡萄酒应该有清新、芳香的香气，如果香、花香、香料等。
同时，香气的持久性也是评价葡萄酒品质的重要指标。
三、口感口感是人们品尝葡萄酒时最直接的感受。
它可以通过观察葡萄酒在口中的质地、口感和酒液的平衡度来评判。
优质葡萄酒应该具有柔和的口感，酸度、单宁和甜度之间的平衡。
此外，口感的口感也与葡萄酒的风味和质量有关。
四、风味葡萄酒的风味是对其味道和风味特征的描述。
风味可以通过品尝葡萄酒时感知到。
红葡萄酒的风味通常被描述为干、浓郁、果香和坚果等。
白葡萄酒的风味通常被描述为清新、柔和、花香和水果等。
风味的深度和持久性是评价葡萄酒品质的重要指标。
五、余味余味是葡萄酒在品尝后在口中留下的感觉。
好的葡萄酒应该具有持久的余味和与风味相一致的特征。
余味的品质往往与酒液的平衡度、复杂度以及持久性有关。
余味的品质对于判断葡萄酒的质量和纯度至关重要。
六、陈年潜力一些优质葡萄酒具有潜在的陈年潜力，即随着时间的推移，其口感和风味将发生变化和改善。
陈年潜力是判断葡萄酒品质和价值的重要指标之一。
对于那些追求更多体验和收藏价值的消费者来说，陈年潜力是他们考虑的关键因素之一。
综上所述，葡萄酒的品质标准是通过外观、香气、口感、风味、余味和陈年潜力等多个方面来评判的。
基于理化指标分析的葡萄及葡萄酒的评价葡萄及葡萄酒的评价是葡萄酒产业中非常重要的一环，而基于理化指标的分析是评价葡萄和葡萄酒质量的一种方法。
下面我们将对基于理化指标分析的葡萄及葡萄酒的评价进行详细讨论。
首先，对于葡萄而言，理化指标主要包括果实大小、果皮厚度、果实颜色、果汁含糖量、酸度、酚类化合物含量等。
果实大小与产量密切相关，通常越大的葡萄产量越高。
果皮厚度与葡萄外观和保存性能有关，较厚的果皮可以保护果实不受外界因素的影响。
果实颜色通常被视为葡萄的品质指标之一，深色葡萄通常含有更多的花青素，而花青素是葡萄酒中重要的色素成分。
果汁含糖量与葡萄糖度相关，是判断果实成熟度和甜度等级的指标之一、酸度是葡萄品质的重要指标之一，过低的酸度可能导致葡萄酒口感平淡。
酚类化合物含量则与葡萄的芳香物质和抗氧化能力等相关。
通过对这些理化指标的分析，可以全面评价葡萄的品质和适用于酿酒的潜力。
对于葡萄酒而言，理化指标主要包括酒精度、总酸度、挥发性酸度、PH值、葡萄酒中的有机酸、糖分、酚类化合物、色素等。
酒精度是葡萄酒中的酒精含量，对于葡萄酒的风味和醇度影响很大。
总酸度和挥发性酸度分别是葡萄酒中总酸和挥发性酸的含量，对于葡萄酒的酸度和口感起到重要作用。
PH值是葡萄酒的酸碱度，对于葡萄酒的稳定性和口感也有影响。
葡萄酒中的有机酸是葡萄酒中的重要成分，不同有机酸的含量和比例会影响葡萄酒的口感和风味。
糖分是判断葡萄酒甜度的重要指标。
酚类化合物和色素是葡萄酒中的重要成分，对于葡萄酒的色泽和口感产生显著影响。
基于理化指标的分析的定量化方法可以通过仪器设备进行测量，然后用数学和统计学的方法进行分析和处理。
利用这些分析结果，我们可以对葡萄和葡萄酒的品质进行判断和评价。
同时，可以通过与历史数据和目标品质进行对比，从而找出改进和调整的方向。
此外，还可以通过对不同产地、不同品种的葡萄以及不同酿造方法的葡萄酒进行理化指标的分析比较，探索出最佳的生产和酿造工艺。
品酒师分享如何辨识葡萄酒品质
一、品酒师的眼光
作为一名资深品酒师，我深知辨识葡萄酒品质的重要性。
在品尝葡萄酒时，首先要注意的是观察酒液的颜色和清澈度。
优质的葡萄酒通常色泽深浅均匀，清澈透亮，没有悬浮物。
其次，要通过闻香来判断葡萄酒的品质。
优质葡萄酒的香气通常清新而浓郁，能够让人感受到水果、花香或香料的味道。
而劣质葡萄酒则可能带有霉味或酸味，这是需要警惕的信号。
二、品酒师的味蕾
品尝葡萄酒时，要让酒液在口中停留片刻，让味蕾充分感受到酒液的口感和味道。
优质葡萄酒通常口感丰富，酸甜平衡，余味悠长。
而劣质葡萄酒可能口感单薄，酸度过高或过低，余味苦涩。
此外，品酒师还需要留意葡萄酒的酒体和结构。
优质葡萄酒通常酒体丰满，口感丰富，结构层次分明。
而劣质葡萄酒可能酒体轻盈，口感平淡，结构杂乱。
三、品酒师的经验
除了以上的方法外，品酒师还需要通过大量的品酒经验来提升自己的辨识能力。
只有不断地品尝各种不同类型的葡萄酒，才能培
养出敏锐的味觉和嗅觉，从而更准确地判断葡萄酒的品质。
总的来说，要成为一名优秀的品酒师，需要不断学习、积累经验，提升自己的辨识能力。
只有这样，才能在众多葡萄酒中发现那些真正优质的佳酿，让自己的品酒之旅更加丰富多彩。
红酒评级的品鉴技巧与方法红酒是一种历史悠久且备受喜爱的饮品，对于喜欢品味美酒的人来说，红酒评级是必备的品鉴技巧。
本文将介绍一些红酒评级的基本原则和常用的品鉴方法，帮助读者提升品鉴能力并选购到优质的红酒。
一、红酒评级的基本原则红酒评级是根据酒体特征、品质水平和口感来评估红酒的等级。
评级的目的是为了让消费者更容易通过等级来判断红酒的品质，并在购买时作出更明智的选择。
以下是一些红酒评级的基本原则：1. 专业评级机构：红酒的评级通常由专业的葡萄酒评级机构进行，他们有丰富的品鉴经验和专业知识，可以提供客观公正的评价。
2. 多因素评估：评级应该综合考虑酒体的外观、香气、口感和余味等多个方面。
这些因素对于红酒的品质和口感起着重要的作用。
3. 标准化评分：评级通常采用100分制或20分制，其中90分以上被认为是优秀的红酒，80分以上被认为是良好的红酒，70分以上被认为是合格的红酒。
二、红酒品鉴的方法1. 外观评估外观评估是红酒品鉴的第一步，通过观察酒的颜色和透明度可以初步判断红酒的品质。
一般而言，红酒的颜色会随着年份的增加而变浅，而透明度良好的红酒通常质量较好。
2. 香气评估香气评估是红酒品鉴的核心内容之一，要仔细嗅闻红酒的香气，有助于判断其品质和酿造工艺。
香气可以分为果香、花香、橡木桶香、香料香等，优质的红酒往往有复杂而浓郁的香气。
3. 口感评估口感评估是判断红酒品质的重要指标之一，包括酒体的丰满度、酸度、甜度、单宁和酒精度等。
要品味红酒的口感，需将酒品旋转于口腔中，让酒液在舌尖、上颚和咽喉中完全展开。
4. 余味评估余味评估是品鉴过程中的最后一步，通过红酒在口中持续的余味来判断其品质和口感。
优质的红酒往往有较长的余味，口感悠长持久。
三、红酒评级的重要等级在红酒评级中，一些重要等级在市场上具有较高的影响力，包括以下几个：1. 波尔多五级庄：从一到五级，依次为一级葡萄庄园（Premier Cru）到五级葡萄庄园（Cinquieme Cru）。
葡萄酒质量的评价现行的葡萄酒质量的评价体系是建立在人的感官上进行的，如何通过一些量化的理化指标来评价葡萄酒质量是一个值得研究的方向。
为此，利用多元统计分析的相关知识，通过研究酿酒葡萄的理化指标和葡萄酒的质量之间的关系，客观的评价了葡萄酒的质量，成功的对酿酒葡萄进行了分级。
标签：t检验法；K均值聚类；典型相关分析；多元线性回归1问题背景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，找到一种简单有效的客观方法来评酒，如何采用一个量化的评价标准就显得尤为重要了。
本文根据全国大学生数学建模竞赛2012年A题的问题和数据，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之间的关系，对葡萄酒的质量进行了客观评价和分级。
2模型假设（1）假设附件数据来源真实有效；（2）假设两组品酒员在相同环境下品酒，采用评分标准一样；（3）假设酿酒葡萄和葡萄酒编号一一对应。
3符号说明4模型建立与求解4.1问题一的模型建立与求解4.1.1数据预处理在数据分析之前通常要对数据进行预处理，附件1包含两组品酒员分别对红葡萄酒和白葡萄酒的评分数据，每组品酒员有10个，红葡萄酒样品有27个，白葡萄酒样品有28个。
观察数据我们可以发现，部分数据存在缺失和异常现象，我们对其正常化处理。
对于数据缺失情况，例如第一组红葡萄酒样品20号中品酒员4号对色调评分数据缺失，我们采用剩余数据的均值替换法来修补缺失数据。
对于数据异常情况，例如第一组白葡萄酒样品3号中品酒员7号对持久性数据评分超过其规定最大值，我们也是采用“先舍弃后均值替换”的方法。
4.1.2评分数据正态性的检验对数据进行预处理后，我们对附件1中品酒员对酒样品的评价总分进行了计算，然后得出了红葡萄酒和白葡萄酒的得分均值，其图像如图1、图2所示。
观察图1、图2可以发现，两组品酒员对红葡萄酒和白葡萄酒的得分均值虽然在数值上有出入，但其变化趋势大致一样，为了评价两组品酒员的评价结果有无显著性差异，我们拟采用双正态总体t检验法，为此我们需要对两组品酒员的评分数据进行正态性检验。
葡萄和葡萄酒的质量分析及评价摘要：葡萄酒的质量评价是研究葡萄酒的一个重要领域，目前葡萄酒质量的确定一般通过有资质的评酒员进行品评，也可通过建立数学模型依据葡萄酒和酿酒葡萄的理化指标来对葡萄酒进行评价研究。
关键词：偏相关分析；因子分析；多元线性回归；评价模型引言分析酿酒葡萄和葡萄酒的理化指标之间的联系，由于白葡萄和红葡萄及白葡萄酒和红葡萄酒在理化指标上都有所不同，所以需要分开分别分析，可以利用统计分析的方法将酿酒葡萄和葡萄酒的理化指标进行相关性分析。
1.葡萄酒与酿酒葡萄的相关性分析1.1数据处理不考虑酿酒葡萄和葡萄酒的二级指标，只重视一级指标的作用。
对多次测量的理化指标取平均值，把酿酒葡萄的55种芳香物质无量纲求和作为酿酒葡萄的一个理化指标，把葡萄酒的73种芳香物质无量纲求和作为葡萄酒的一个理化指标[1]。
1.2相关性分析相关分析就是研究两个或多个变量之间的相关程度大小，以及使用函数来表示互相关系的方法。
Lij>0时，表示葡萄酒的第i项指标与酿酒葡萄的第j项指标呈正相关；Lij<0时，表示葡萄酒的第i项指标与酿酒葡萄的第j项指标呈负相关；Lij的绝对值大小反映了葡萄酒的第i项指标与酿酒葡萄的j项指标线性关系的强弱。
但是Lij代表的相关系数存在误差，通过回归方程对Lij进行拟合，求出拟合度R方。
R方的范围是0到1，越大越好。
偏相关回归分析是在多元回归分析中常见的分析方法，在消除其他变量影响的条件下，所计算的某两个变量之间的的相关系数。
1.3相关性系数的求解将酿酒葡萄和葡萄酒的各项理化指标（各种芳香物质归为理化指标的一项）进行无量纲化。
现在有红葡萄酒的理化指标10个，酿红葡萄酒葡萄的理化指标31个，白葡萄酒的理化指标9个，酿白葡萄酒葡萄的理化指标31个。
通过SPSS软件的偏相关回归分析求得葡萄酒与酿酒葡萄理化指标之间的相关系数Lij,见附录和附录。
由相关系数正负可以判断葡萄酒与酿酒葡萄之间的性关系。
红酒评级的标准与方法红酒评级一直是对于葡萄酒行业的一项重要工作。
通过评级，我们能更好地了解红酒的品质、特点和价值，并能够购买到符合自己口味的红酒。
本文将介绍红酒评级的标准与方法，帮助读者更好地理解和选择红酒。
一、红酒评级的标准1.酿酒品种和产地：品种和产地是评定红酒品质的重要指标。
不同的葡萄品种和产地会影响到红酒的风味和质量。
一些著名产区如波尔多、勃艮第以及洛伊尔等被认为是高品质红酒的产地。
2.葡萄的成熟度和品质：葡萄的成熟度直接关系到红酒的品质。
成熟度越高，葡萄内的糖分和酒精含量就越高，使得红酒更加醇厚和丰富。
同时，葡萄的品质也会影响到红酒的口感和风味。
3.酿酒工艺：酿酒工艺对于红酒的品质同样至关重要。
包括葡萄的发酵过程、陈酿时间以及使用的木桶等都会直接影响到红酒的风格和质量。
4.口感和风味：红酒的口感和风味是评价红酒品质的重要标准。
包括酒体的厚重程度、单宁的柔和与否、果香和橡木香等都是红酒评级的重要考虑因素。
二、红酒评级的方法1.业界评分：业界评分是最常见也是最直观的评级方法之一。
一些著名的葡萄酒评论家和酒评团会根据自己的专业知识和经验对红酒进行评分，并发布评分结果。
这些评分可以让消费者了解红酒的品质，并做出购买决策。
2.盲品评测：盲品评测是一种常用的评级方法，能够排除品牌和包装对评价的干扰。
专业的评委会在不知道红酒品种和产地的情况下进行品尝和评分，从而减少主观偏见，更客观地评价红酒的质量。
3.红酒竞赛评价：红酒竞赛评价是另一种常见的评级方法。
在红酒竞赛中，专家和评委会对参赛的红酒进行品尝和评分，并给予获奖等级。
这样的评级方法能够对红酒进行全面的评价，得出相对准确的结果。
4.市场价值评估：市场价值评估是以市场反应为依据的评级方法。
通过观察市场上红酒的销售情况、价格波动等，可以了解到红酒的受欢迎程度和价值。
市场上广受欢迎的红酒通常会被认为是高品质红酒。
三、红酒评级的重要性红酒评级对于生产商、消费者和酒商来说都具有重要意义。
标题：葡萄酒质检标准详解引言：葡萄酒作为一种享誉世界的文化饮品，拥有着悠久的历史和深厚的文化底蕴。
它不仅代表了酿酒师的精湛工艺，也是自然恩赐的美味结晶。
为了确保每一瓶葡萄酒的品质，严格的质量检测标准不可或缺。
本文将深入探讨构成葡萄酒质量检验的标准内容，并解析其对葡萄酒整体品质的影响。
一、感官评价标准感官评价是判断葡萄酒品质的最直观方式，包括视觉、嗅觉和味觉三个方面。
首先，视觉评价主要关注葡萄酒的颜色、清澈度以及泡沫的特性。
例如，红葡萄酒应呈现出深紫或宝石红色，白葡萄酒则应是淡黄或金黄色。
其次，嗅觉评价则侧重于葡萄酒散发出的香气类型和复杂性，如水果香、花香、橡木香等。
最后，味觉评价则涉及到酒体的平衡性、单宁含量、酸度、甜度以及余味的长度和品质。
二、化学和物理参数标准葡萄酒的化学和物理参数标准主要包括酒精度、酸度、挥发性酸度、糖分含量、pH值、硫酸盐含量等。
这些参数对葡萄酒的口感、保存能力和稳定性具有重要影响。
例如，适宜的酒精度可以带来良好的口感和较长时间的保存期；而合适的酸度则能为葡萄酒增添新鲜感和活力。
此外，对于有机葡萄酒和无醇葡萄酒等特殊类型的酒款，还需进行相应的特殊成分检测。
三、微生物标准微生物标准是评判葡萄酒安全性的重要指标。
它涉及葡萄酒中允许存在的微生物种类及其数量限制，如酵母、乳酸菌等。
这些微生物的存在对于葡萄酒的发酵过程至关重要，但过量或存在非酿酒微生物则可能导致葡萄酒品质下降甚至变质。
因此，通过微生物检测确保葡萄酒在生产过程中的卫生条件和产品的最终安全。
四、包装和标签标准高质量的葡萄酒不仅需要优质的酒液，还需配以恰当的包装和准确的标签信息。
包装标准主要涉及瓶子的密封性、抗压力和材质是否能够保护酒液免受外界光照和温度变化的影响。
标签上则需要明确标示酒的品牌、产地、生产年份、葡萄品种、酒精度、净含量等信息，帮助消费者了解产品特性并做出明智的选择。
五、存储和运输标准葡萄酒从生产线到消费者手中的存储和运输过程中，也需要遵循一定的标准来保证其品质。
葡萄酒理化指标葡萄酒是一种受人欢迎的酒类，而其质量与口感的好坏往往取决于其理化指标。
理化指标能够反映葡萄酒的成分、品质和口感等方面，是评价葡萄酒品质的重要依据。
本文将介绍一些常见的葡萄酒理化指标。
1. 酒精含量酒精含量是葡萄酒中最重要的理化指标之一。
它可以影响葡萄酒的味道、风味和口感。
葡萄酒中的酒精含量通常以百分比的形式表示，例如10%或14%。
酒精含量的高低会对葡萄酒的口感产生明显的影响，酒精含量越高，葡萄酒的口感会越醇厚。
2. pH值pH值是用于衡量葡萄酒酸碱度的指标。
葡萄酒的pH值通常在3.0到4.0之间，酸度越高，pH值越低。
pH值的变化会影响葡萄酒的稳定性、颜色和风味。
一般来说，较低的pH值会使葡萄酒更加酸爽，而较高的pH值会使葡萄酒更加柔和。
3. 总酸度葡萄酒的总酸度是指葡萄酒中所有酸性物质的总量。
总酸度包括酒石酸、柠檬酸、苹果酸等。
总酸度对葡萄酒的口感和风味有着重要的影响。
总酸度越高，葡萄酒会呈现出更为酸爽和清新的口感。
4. 残糖含量葡萄酒的残糖含量是指在葡萄酒中未发酵的糖分含量。
残糖含量的高低对葡萄酒的甜度有着直接的影响。
残糖含量分为干型（0-4g/L）、半干型（4-12g/L）、半甜型（12-45g/L）和甜型（45g/L以上）等不同档次。
残糖含量越高，葡萄酒的甜度就越高。
5. 色素和多酚含量葡萄酒中的色素和多酚是赋予葡萄酒颜色和抗氧化性的重要成分。
色素和多酚含量的高低会直接影响葡萄酒的颜色和品质。
它们能够提供葡萄酒的浓度和丰富度，同时也能够提供一定的保护作用。
6. 硫酸盐含量硫酸盐是葡萄酒中常见的添加剂，它可以用于保护葡萄酒的稳定性和抗氧化性。
硫酸盐的含量会对葡萄酒的品质产生影响。
过高的硫酸盐含量可能会给葡萄酒带来刺激性气味和口感，而过低的含量可能会导致葡萄酒易氧化。
以上介绍了一些常见的葡萄酒理化指标，这些指标可以帮助我们更全面地了解葡萄酒的品质和口感。
在选择和品尝葡萄酒时，我们可以参考这些指标对葡萄酒进行评估和比较，以找到适合自己口味的葡萄酒。
葡萄酒质量的评价葡萄酒是一种历史悠久的饮品，产地遍布世界各地。
不同的产地和品种会影响葡萄酒的质量和口感。
葡萄酒的质量评价涵盖很多方面，从色泽、味道、香气到口感、余味和品鉴等。
下面将逐一介绍。
一、色泽葡萄酒的色泽可以较好地反映酒的品质。
色泽越深越亮，一般来说越好。
一般而言，品种越浓，颜色越重，而品种越淡，颜色则越淡。
而纯正的葡萄酒色泽纯正，缎亮有透明质感，不会有杂质和浑浊的感觉。
二、味道葡萄酒味道的好坏是品质的标志之一，不同品种与产地的葡萄酒会有不同的味道和香气。
一般而言，如果一个葡萄酒的味道芳香，感觉新鲜，酒体饱满，口感复杂，余味悠长，那么这款葡萄酒的品质就比较高。
三、香气葡萄酒的香气来自于酿酒过程中的酵母，发酵和葡萄本身。
不同品种和产地的葡萄酒香气也不同。
有些酒香气微弱，有些则会非常浓烈。
与味道一样，香气也要醇正、新鲜，没有异味。
品质好的葡萄酒还会有清澈的气息和阳刚气息。
这类葡萄酒香气很持久，可以让人回味不移。
四、口感葡萄酒的口感也是品质的重要标志之一。
口感好的葡萄酒会有饱满的口感，细腻且顺滑。
不会与饮品中出现杂质或动物味。
品质好的葡萄酒，口感柔和、润滑且富有多样性，让人在味蕾上留下美好的体验。
五、余味除了口感外，余味是评价葡萄酒品质的另一个重要标志。
某些不好的葡萄酒口感再好，但如果后味不佳，就会吓走消费者。
对于品质好的葡萄酒，除了在口中留下美好的回味外，余味也会非常悠长，甜美又持久。
六、品鉴品鉴是了解葡萄酒质量的重要方式。
品鉴分四步，首先观察色泽，再闻应有的香气，接着品尝并分析口感，最后回味，尝试从味道和口感中找到不同之处，并比较和评价两款葡萄酒之间或者不同品牌的葡萄酒之间的差异。
总而言之，葡萄酒质量的评价是多方面综合评估的结果，涵盖了色泽，味道，香气，口感，余味以及品鉴等众多方面。
只有这些因素齐整全面，才能成为品相合适，品质符合规格的高品质葡萄酒。
葡萄酒的质量评价及影响因素分析作者：袁少州阚黎来源：《科技视界》2014年第12期【摘要】本文首先计算各评酒员在所有葡萄酒样品打分与均值差的平方和来确定该评酒员的准确度，从而确定葡萄酒的分级。
再利用主成分分析法、系统聚类分析法完成对酿酒葡萄的分级。
最后用逐步回归法建立模型，说明了可以用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
【关键词】主成分分析法；系统聚类分析法；逐步回归法【Abstract】In order to evaluate the a ccuracy of the wine tasters’， we first calculate the quadratic sum of difference between the mean score and the score given by that wine taster， then classify the grape wine. Using principal components analysis and systematical clustering method，we classify the grape. At last， we apply the stepwise regression method to build a model，indicating that the quality of the grape wine can be evaluated by the physical and chemical indexes of the grape and the wine.【Key words】Principal components analysis；Systematical clustering method；Stepwise regression method0 引言葡萄酒的质量一般利用对评酒员对其各项指标的打分求和进行评价，而酿酒葡萄的好坏与葡萄酒的质量有很大的关系[1]。
本文利用所给数据，采用多元统计分析的方法，完成了对酿酒葡萄的分级，并建立了酿酒葡萄与葡萄酒的理化指标的联系模型和葡萄和葡萄酒的理化指标对葡萄酒质量的影响模型。
1 数据来源与模型假设本文数据来源于2012年全国大学生数学建模竞赛A题[2]，根据所给数据，做出以下假设：（1）假设葡萄酒的生产加工流程相同且固定，即葡萄酒的质量只与葡萄有关；（2）假设评酒员均有一定资历，打分情况可以反映葡萄酒质量的真实水平；（3）假设评酒员打分相互独立，且各组评酒员的打分服从正态分布。
2 符号系统N1——红葡萄酒的样品总数；N2——白葡萄酒的样品总数；N——各组评酒员的人数；x1ij——第m组评酒员号i对红葡萄酒样品j的评分；ti——葡萄样本n个一级理化指标中的第i个指标。
3 酿酒葡萄分级模型3.1 数据处理为了对葡萄进行分级，首先对各理化指标进行归一化处理，再确定其所对应的葡萄酒的质量，而质量是由评酒员对其分类指标打分求和而确定的，故评酒员的打分直接关系到对葡萄酒的分级，由于存在个人喜好导致的偏差，通过计算各评酒员在所有葡萄酒样品打分与均值差的平方和来确定该评酒员的准确度，结果见表1。
本文选取平方和最小的前十位评酒员的评分作为分级的依据，分别为：第一组的评酒员1、5、10，以及第二组的评酒员1、2、3、4、5、7、9。
表1 评酒员的准确度测评表3.2 酿酒葡萄理化指标的主成分分析模型酿酒葡萄的理化指标在不同程度上反映了研究对象的某些信息，但不同理化指标之间会有一些相关性，而且由于变量过多，在某种程度上使问题的研究变得复杂，因此，本文用主成分分析法对所研究问题进行简化处理[4]。
对于27个红葡萄样本的30个一级理化指标组成的向量依次设为t1，t2，…，tn，取它们的线性组合指标为F1，F2，…，Fs（s≤m），即F1=z11t1+z12t2+…+z1ntn，F2=z21t1+z22t2+…+z2ntn，……Fs=zs1t1+zs2t2+…+zsntn.（1）式（1）中的Fi，Fj（i≠j，j=1，2，…，s）相互无关，且Fs是与F1，F2，…，Fs-1都不相关的t1，t2，…，tn的所有线性组合中方差最大者。
Fs称为t1，t2，…，tn的第s主成分。
设t1，t2，…，tn各向量的数据为tij（i，j=1，2，…，n），计算出相关系数矩阵：R=（rij）n×n，求其特征值λi（i=1，2，…，n），并由大到小排序，并分别求出对应的单位特征向量ei=（ei1，ei2，…，ein）（i=1，2，…，n），继而求出主成分Fi的贡献率hi和累计贡献率Hi，取累计贡献率为85%～95%的s（s≤n）所对应的前s个主成分。
计算主成分载荷zij=ρ（Fi，tj）=■（i=1，2，…，s；j=1，2，…，n），继而的相互各主成分的得分矩阵Z=（zij）n×n，部分结果见表2。
白葡萄样品的理化指标的处理方法同上。
通过累计贡献率表知，红葡萄样品和白葡萄样品的前三个主成分累计贡献率已经超过95%，因此均取s=3；将得分矩阵中的各数据值带入式（1），即可得到红葡萄样品和白葡萄样品的主成分。
表2 红葡萄样品协方差矩阵特征值，特征贡献率和累计贡献率表（部分）3.3 酿酒葡萄理化指标的聚类分析模型对于上一节得到的两种葡萄样品的主成分，本文采用系统聚类法对其进行分类[3]。
假定类G中有m个元素，用列向量vi（i=1，2，…，m）表示，dij表示vi与vj的距离，定义类GK与类GL的距离DKL=min{dij∶vi∈GK；vj∈GL}，如果类GK与类GL聚成一个新类GM，其与已有类GJ的距离DMJ=min{DKJ，DLJ}，J≠K，L，重复进行两个最近类的合并，直至所有的样品合并为一类，最后形成一个亲疏关系图谱，从中得出分类数量及每一类包含的样品。
两种葡萄酒的聚类图如图1和图2所示。
根据以上结果将红葡萄样品分成5组：一、样品1；二、样品27；三、样品26；四、样品14；五、样品2、3、4、5、6、7、8、9、10、11、12、13、15、16、17、18、19、20、21、22、23、24、25；将白葡萄样品分成5组：一、样品1；二、样品13；三、样品14、23、27；四、样品21；五、样品2、3、4、5、6、7、8、9、10、11、12、15、16、17、18、19、20、22、24、25、26、28。
图1 红葡萄样品聚类图图2 白葡萄样品聚类图3.4 酿酒葡萄的分级根据分类结果，由假设（1）可认为酿酒葡萄的质量与所酿葡萄酒的质量有关，对葡萄酒的打分求均值，即可得出对应葡萄样品质量的评定，结果见表3。
按得分由高到低的次序，将各类分为A、B、C、D、E五个级别，其中A级别为质量最好，E级别为质量最差，结果见表4。
表3 葡萄样品各类得分表表4 葡萄样品分级表4 酿酒葡萄与葡萄酒的理化指标的联系模型4.1 逐步回归模型首先采用多元线性回归分析对酿酒葡萄与葡萄酒的理化指标的联系进行研究，以酿酒葡萄的理化指标为因变量，对于红葡萄样品，选出前20个样品进行研究，各一级指标依次记为t1，t2，…，tn，红葡萄酒的各一级指标依次记为s1，s2，…，sm，在研究红葡萄酒第q个一级指标与红葡萄样品的理化指标的联系时，记t1，t2，…，tn，sq各自的标准化变量为μ1，μ2，…，μn，μn+q，并计算t1，t2，…，tn，sq的相关系数矩阵R（0）。
设已经选上了K个变量：t■，t■，…，t■，且i1，i2，…，ik互不相同，R（0）经过变换后为R（k）=（r■■），对j=1，2，…，k逐一计算标准化变量μ■的偏回归平方和V■■=■，记V■■=max{V■■}，作F 检验F=■，对给定的显著性水平α，拒绝域为F4.2 逐步回归模型的分析葡萄样品与葡萄酒的理化指标的回归方程的可决系数十分接近1，可知模型的自变量对因变量的解释程度很高。
继而用剩余的7个红葡萄酒样品及8个白葡萄酒样品的一级指标数据对模型的正确性进行检验。
将预测值与实际值进行比较，结果见表6，白葡萄酒预测的相对误差低于0.3%的占总体的93.75%，红葡萄酒预测的最大相对误差不超过2%，说明模型具有很好地预测效果。
表5 红葡萄的一级指标与红葡萄酒的指标的回归系数表（部分）表6 各葡萄酒样品的预测结果表（部分）5 葡萄和葡萄酒的理化指标对葡萄酒质量的影响模型5.1 逐步回归模型II葡萄酒的感官质量最终是由所含的芳香物质的种类与含量及各芳香物质之间的相互作用共同决定[5]，于是在考虑葡萄和葡萄酒的理化指标对葡萄酒质量的影响时将芳香物质同理化指标一同作为因变量，运用逐步回归法得出两者之间的联系。
具体步骤同上小节，结果见表7。
表7 影响红葡萄酒质量的因变量的回归系数表（部分）5.2 逐步回归模型II的分析回归方程的可决系数十分接近1，可知模型的自变量对因变量的解释程度很高。
本文继而用剩余的7个红葡萄酒样品（下转第71页）（上接第6页）及8个白葡萄酒样品的一级指标数据对模型的正确性进行检验。
将7个红葡萄酒样品及8个白葡萄酒样品的一级指标数据带入上一小节得到的回归函数中，将预测值与实际值进行比较，预测结果显示，红葡萄酒预测的最大相对误差不超过0.3%，白葡萄酒预测的最大相对误差不超过0.1%，说明模型具有很好地预测效果，即可以用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
6 结束语首先计算各评酒员在所有葡萄酒样品打分与均值差的平方和来确定该评酒员的准确度，确定葡萄酒的分级。
对葡萄分类前运用主成分分析法从众多因素中分清主次，解决了理化指标多且有相关性的问题，采用逐步回归法使回归方程的显著性更为明显。
本文所用方法可以较为科学的反映葡萄酒质量与酿酒葡萄和葡萄酒的理化指标之间的关系，为生产进行指导。
【参考文献】[1]梁学军，诸葛宏庆，杨华峰.葡萄质量是决定葡萄酒质量的关键因素[J].中外葡萄与葡萄酒，2000，3（1）：47-49.[2]2012年全国大学生数学建模竞赛A题数据[EB/OL].[2012-9-7].http：///html_cn/block/c61dfec317d7a5bd9b2b8efed81c8af3.html[3]何正风.MATLAB概率与数理统计分析[M].2版.北京：机械工业出版社，2012，3.[4]韩中庚.数学建模实用教程[M].北京：高等教育出版社，2012，3.[5]游玲，王涛，李华兰.葡萄酒芳香物质研究进展[J].四川食品与发酵，2008，2，44（2）：29-33.[责任编辑：汤静]。
