2012高教社杯全国大学生数学建模竞赛A题论文

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）：20122125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）：教练组日期：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）：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）：葡萄酒的评价摘要本文要研究的是酿酒葡萄和葡萄酒理化指标与葡萄酒质量之间的关系。

对于问题一：首先从外观分析、香气分析、口感分析、平衡/整体评价以及各类指标总得分五个方面进行方差分析得到有显著性差异，然后进行T检验验证出第二组品酒员的结果更可信。

对于问题二：首先分析附件2中一级指标的数据，运用主成份分析法得出综合评价值，然后用聚类分析法得到葡萄样本的冰柱图，再综合第二组的评分进行酿酒葡萄的分级（升级排序），等级1样本：27，11，26，25，10等级1样本：18，12，25，28，27，24等级2样本：19，14，16，13，4，20等级2样本：3，26，10，15，5，7等级3样本：22，24，7，5，18，8，15等级3样本：9，23，20，2，14，6等级4样本：21，6，23，17，12等级4样本：13，19，21，4，11等级5样本：1，2，9，3等级5样本：17，16，1，8，22酿酒红葡萄酿酒白葡萄对于问题三：首先运用主成分分析法得到各主成分的贡献率，取贡献率最高的主成分列出关系式进行分析，进而筛选出重要理化指标，然后再进行典型相关分析，运用matlab进行编程，求得反应酿酒葡萄与葡萄酒的理化指标之间联系的典型相关系数,再进行典型相关系数的显著性检验，得到两者有显著性关系。

基于数理分析的葡萄评价体系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。

对于问题一，我们首先用配对样品t 检验方法研究两组评酒员评价差异的显著性，将红葡萄酒与白葡萄酒进行分类处理，用SPSS 软件对两组评酒员的评分的各个指标以及总评分进行了配对样本t 检验。

得到的部分结果显示：红葡萄酒外观色调、香气质量的评价存在显著性差异，其他单指标的评价不存在显著差异，白葡萄、红葡萄以及整体的评价存在显著性差异。

接着我们建立了数据可信度评价模型比较两组数据的可信性，将数据的可信度评价转化成对两组评酒员评分的稳定性评价。

首先我们对单个评酒员评分与该组所有评酒员评分的均值的偏差进行了分析，偏差不稳定的点就成为噪声点，表明此次评分不稳定。

然后我们用两组评酒员评分的偏差的方差衡量评酒员的稳定性。

得到第 2 组的方差明显小于第1 组的，从而得出了第2 组评价数据的可信度更高的结论。

对于问题二，我们根据酿酒葡萄的理化指标和葡萄酒质量对葡萄进行了分级。

一方面，我们对酿酒葡萄的一级理化指标的数据进行标准化，基于主成分分析法对其进行了因子分析，并且得到了27 种葡萄理化指标的综合得分及其排序。

另一方面，我们又对附录给出的各单指标百分制评分的权重进行评价，并用信息熵法重新确定了权重，用新的权重计算出27 种葡萄酒质量的综合得分并排序。

最后我们对两个排名次序用基于模糊数学评价方法将葡萄的等级划分为1-5 级。

对于问题三，首先我们将众多的葡萄理化指标用主成分分析法综合成 6 个主因子，并将葡萄等级也列为主因子之一。

对葡萄的 6 个主因子，以及葡萄酒的10 个指标用SPSS 软件进行偏相关分析，得到酒黄酮与葡萄的等级正相关性较强等结论。

2011高教社杯全国大学生数学建模竞赛城市表层土壤重金属污染分析摘要本文主要研究重金属对城市表层土壤污染的问题,我们根据题目所给定的一些数据和信息分析并建立了扩散传播模型、权重分配模型、对比模型和转换模型解决问题。

首先，我们利用Matlab 软件拟出该城区地势图（图1），根据所给数据绘出该地区的三维地势及采样点在其上的综合空间分布图。

之后将8种重金属的浓度等高线投影到该地区三维地形图曲面上，接着分别计算8种重金属在五个区域的平均值，立体图和平面图（图1附件）相结合便可得出8种重金属元素在该城区的空间分布。

其次，在确定该城区内不同区域重金属的污染程度时，我们运用两种方法进行解答。

先假设各重金属毒性及其它性质相同，运用公式ijij P C P ='求出各区域各金属相对于背景平均值的比值作为金属污染程度，再运用1ji ij j C C ==∑求出各区域重金属污染程度，并将各区进行比较。

之后，我们加上各重金属的毒性，对各重金属求出权数，再结合国标重金属污染等级和已知的各组数据来确定金属的污染程度。

由上述两种方法的对比，更准确地得出重金属对各区的影响程度。

即： 工业区>交通区>生活区>公园绿地区>山区 并根据第一个模型的数据来说明重金属污染的主要原因。

再次，对重金属污染物的传播特征进行了分析，判断出重金属污染物主要是通过大气、土壤和水流进行传播。

在分析之中，我们得出这三种状态的传播并不是孤立存在的，而是可以相互影响和叠加的，因此，我们分别建立三个传播模型，再对这三个传播模型进行了时间和空间上的拟合，得出重金属浓度最高的区域图，并结合各重金属的分布图（图6）来确定各污染源的位置。

最后，本题中只给出了重金属对土壤的污染，对于研究城市地质环境的演变模式，还需要搜集一些信息（图7）。

根据每种因素对地质环境的影响程度进行由定性到定量的转化。

建立同一地质时期地质环境中各因素的正影响和负影响的权重分配模型，再对这些权重进行验算和修正。

2012CUMCM全国大学生数学建模竞赛A题论文D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）： 132所属学校（请填写完整的全名）大连海事大学参赛队员(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：年月日赛区评阅编号（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）：葡萄酒的评价摘要：本文主要需要解决的问题是将葡萄酒从评酒师感官方面的定性评价通过一定的数据处理与数学模型的建立转化为由酿酒葡萄和葡萄酒理化指标做基础的定量的葡萄酒评价方法。

考虑到红葡萄酒和白葡萄酒之间的差异性，我们对它们分别进行讨论。

针对题目中的问题，我们通过如下的方法去解决：（1）第一问是对评酒员评分的差异性的分析与可信度的分析。

我们通过传统统计学的平均数与标准差的计算方法，计算各葡萄样品评酒员所打分数的平均值与每组评酒员之间所打分数的标准差，再进行作图比较，得出我们想要的结论。

（2）第二问是根据酿酒葡萄的理化指标对酿酒葡萄进行分级。

我们首先通过计算各理化指标的Pearson相关系数矩阵，分析各指标之间的Pearson相关系数，得到高度相关的理化指标。

再通过聚类的方法，将这些理化指标聚合成一类因子。

最后通过对各因子与葡萄酒质量的数据拟合，得出一定的函数关系式，结合前苏联对葡萄酒的评价模型与张大鹏检验模型对关系式进行检验。

（3）第三问是分析酿酒葡萄和葡萄酒理化指标之间的联系。

我们首先选取一些含量大且对葡萄酒质量有较大影响的理化指标。

对这些指标进行数据拟合与修正，得出我们想要的函数关系式。

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：年月日赛区评阅编号（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利用SPSS和MATLAB软件对葡萄酒评价问题进行了分析，综合采用了t检验、主成分分析、聚类分析和灰色关联度分析等方法，建立了数学模型，并设计了一套对葡萄酒质量的评价体系。

关于问题一：首先，对两组评酒员对同一种葡萄酒给出的评分结果进行处理；其次，采用t检验判断出两组评分结果存在显著性差异；最后，利用每一组评酒员对同一种葡萄酒的评分方差作为衡量依据，建立评分机制，评估两个小组所给结果的可信性，经分析第一组、第二组得分分别为13分、42分。

因此，第二组评酒员的评分结果更可信。

关于问题二：首先，对酿酒葡萄的理化指标进行主成分分析，挖掘出若干个影响酿酒葡萄理化指标的主要成分；其次，根据第一问的结果，将第二组评酒员的评分作为衡量葡萄酒质量的量化指标；最后，通过聚类分析将酿酒葡萄分为4个等级。

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)：指导组日期：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）：2葡萄酒的评价摘要本文主要根据评酒员对葡萄酒的一系列指标的打分，从而对葡萄酒的质量作出判别。

考虑到酿酒葡萄的好坏、所酿葡萄酒的质量和酿酒工艺、陈酿技术等约束条件，为此我们建立模型来确定影响葡萄酒评价的各种因素。

在这模型中利用excel，spss，matlab等一系列的数学工具对模型进行求解，综合统计分析的应用对所给的结果进行比较，从而得出最终的结果。

首先，对于问题1，分析两组评酒员的评价结果，每个评酒员对外观、口感、香气、平衡/整体四个方面指标得分进行求和，得到其总分，确定葡萄酒的质量。

由于葡萄酒的质量满足正态分布，为了能分辨出两组的差异，所以利用spss进行配对T检验，从而得出两组评酒员有显著的差异。

其次，用excel对两组进行方差分析，根据所得到的P值大小，得出第一组的评价结果更为可信。

对于问题2，在问题1的基础下，根据所给的理化指标和葡萄酒的质量利用spss统计分析软件进行分析，相关性分析对数据进行预备分析，剔除与葡萄酒质量无显著性相关的指标，再利用系统聚类的方法对酿酒葡萄进行分级。

基于数理分析的葡萄评价体系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。

对于问题一，我们首先用配对样品t 检验方法研究两组评酒员评价差异的显著性，将红葡萄酒与白葡萄酒进行分类处理，用SPSS 软件对两组评酒员的评分的各个指标以及总评分进行了配对样本t 检验。

得到的部分结果显示：红葡萄酒外观色调、香气质量的评价存在显著性差异，其他单指标的评价不存在显著差异，白葡萄、红葡萄以及整体的评价存在显著性差异。

接着我们建立了数据可信度评价模型比较两组数据的可信性，将数据的可信度评价转化成对两组评酒员评分的稳定性评价。

首先我们对单个评酒员评分与该组所有评酒员评分的均值的偏差进行了分析，偏差不稳定的点就成为噪声点，表明此次评分不稳定。

然后我们用两组评酒员评分的偏差的方差衡量评酒员的稳定性。

得到第 2 组的方差明显小于第1 组的，从而得出了第2 组评价数据的可信度更高的结论。

对于问题二，我们根据酿酒葡萄的理化指标和葡萄酒质量对葡萄进行了分级。

一方面，我们对酿酒葡萄的一级理化指标的数据进行标准化，基于主成分分析法对其进行了因子分析，并且得到了27 种葡萄理化指标的综合得分及其排序。

另一方面，我们又对附录给出的各单指标百分制评分的权重进行评价，并用信息熵法重新确定了权重，用新的权重计算出27 种葡萄酒质量的综合得分并排序。

最后我们对两个排名次序用基于模糊数学评价方法将葡萄的等级划分为1-5 级。

对于问题三，首先我们将众多的葡萄理化指标用主成分分析法综合成 6 个主因子，并将葡萄等级也列为主因子之一。

对葡萄的 6 个主因子，以及葡萄酒的10 个指标用SPSS 软件进行偏相关分析，得到酒黄酮与葡萄的等级正相关性较强等结论。

地下储油罐的变位分析与罐容表标定摘要加油站地下储油罐在使用一段时间后，由于地基变形等原因会发生纵向倾斜及横向偏转，导致与之配套的“油位计量管理系统”受到影响，必须重新标定罐容表。

本文即针对储油罐的变位时罐容表标定的问题建立了相应的数学模型。

首先从简单的小椭圆型储油罐入手，研究变位对罐容表的影响。

在无变位、纵向变位的情况下分别建立空间直角坐标系，在忽略罐壁厚度等细微影响下，运用积分的方法求出储油量和测量油位高度的关系。

将计算结果与实际测量数据在同一个坐标系中作图，经计算得误差均保持在3.5%以内。

纵向变位中，要分三种情况来进行求解，然后将三段的结果综合在一起与变位前作比较，可以得到变位对罐容表的影响。

通过计算，具体列表给出了罐体变位后油位高度间隔为1cm 的罐容表标定值。

进一步考虑实际储油罐，两端为球冠体顶。

把储油罐分成中间的圆柱体和两边的球冠体分别求解。

中间的圆柱体求解类似于第一问，要分为三种情况。

在计算球冠内储油量时为简化计算，将其内油面看做垂直于圆柱底面。

根据几何关系，可以得到如下几个变量之间的关系：测量的油位高度0h 实际的油位高度h 计算体积所需的高度H于是得到罐内储油量与油位高度及变位参数（纵向倾斜角度α和横向偏转角度β ）之间的一般关系。

再利用附表2中的数据列方程组寻找α与β最准确的取值。

αβ一、问题重述通常加油站都有若干个储存燃油的地下储油罐，并且一般都有与之配套的“油位计量管理系统”，采用流量计和油位计来测量进/出油量与罐内油位高度等数据，通过预先标定的罐容表（即罐内油位高度与储油量的对应关系）进行实时计算，以得到罐内油位高度和储油量的变化情况。

许多储油罐在使用一段时间后，由于地基变形等原因，使罐体的位置会发生纵向倾斜和横向偏转等变化（以下称为变位），从而导致罐容表发生改变。

按照有关规定，需要定期对罐容表进行重新标定。

题目给出了一种典型的储油罐尺寸及形状示意图，其主体为圆柱体，两端为球冠体。

葡萄酒的评价摘要本文主要对两组评酒员的评价结果及可信度、酿酒葡萄的分级、酿酒葡萄与葡萄酒的理化性质之间的联系和是否影响葡萄酒的质量进行分析及研究。

对于问题一，利用附件一中评酒员群体对红、白葡萄酒进行两次评分的数据，运用t检验模型，求出P值用于判定有无显著性差异。

出于对结果的科学性考虑，建立了二值化可信度模型对评酒员的可信度进行定量描述。

若可信度值i p越大，则说明评价结果越可信。

通过比较第一、二组的P值，得出第一组的可信度更高些。

对于问题二，运用主成分分析法，选取葡萄酒样品中含有的一级指标物的数据，得出贡献率。

再利用贡献率（贡献率越大对葡萄的质量影响越大）的大小，选出影响酿酒葡萄分级的主成分因素，并利用红地球葡萄的分级标准对酿酒葡萄进行分级。

对于问题三，首先利用主成分分析法和SPSS软件对红葡萄酒的量化指标进行筛选，选出总酚、酒总黄酮、白藜芦醇等6种物质作为对葡萄酒理化指标的一组样本。

借用在问题二中筛选出来的花色苷、干物质含量、顺式白藜芦醇苷等六种红葡萄的理化指标作为另一组样本。

然后利用上述两组数据，建立典型相关分析模型，求出葡萄酒理化指标和酿酒葡萄的相关系数，从而确定两者之间的关联度。

最后建立二元回归模型进而求出两者之间的关系。

对于问题四，运用主成分分析降维的思想，运用灰色关联度模型，利用几组变量的数据，通过MATLAB软件求得关联度，进而来反映两变量之间的线性关系。

根据关联度的大小，考虑多方面的因素对葡萄酒的质量进行评价与论证。

关键词：t检验法、可信度模型、主成分分析法、多元回归模型、灰色关联度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。