下载文档原格式
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： 2012年 9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）：葡萄酒的评价摘要葡萄拥有很高的营养价值，含有多种氨基酸、蛋白质和维生素，而以葡萄为原料的葡萄酒也蕴藏了多种营养物质，而且这些物质都是人体必须补充和吸收的营养品。
目前，已知的葡萄酒中含有的对人体有益的成分大约就有600种。
葡萄酒的营养价值由此也得到了广泛的认可，可以说葡萄酒是一个良好的滋补品。
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。
对于本题，我们主要采用SPSS软件对模型进行求解。
针对问题一，首先我们将附件1中数据在Excel中进行处理；其次，我们在SPSS中，采用T检验，分别分析出两组评酒品红、白葡萄酒的评价结果有无差异性。
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。
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）：重庆交通大学参赛队员(打印并签名) ：1. 孟壮2. 瞿琦3. 朱超指导教师或指导教师组负责人(打印并签名)：谭远顺10 日期： 2012 年 9 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）：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用数学建模的方法解决关于葡萄酒评价的一些问题。
结合题目所给信息以及查阅大量资料，对题目所提问题做了相应解答，并验证了相关模型建立及求解的合理性。
针对问题一：首先，我们运用E xcel数据分析和SP SS软件数据分析工具，分别建立了配对样本T检验模型和单因素方差分析模型，分析了两组评酒员的评价结果是否具有显著性差异。
两种方法得出的结果一致：两组评酒员的评价结果有显著性差异。
然后，通过建立权重模型，分别对评酒员与评酒员群体评价之间的“分值偏差”和“排序偏差”两方面考察，得出第二组结果可信。
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）：CXXY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 09 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）：A题葡萄酒的评价摘要问题一：针对两组评酒员的评价结果需要进行多个平均数间的差异显著性检验，首先应该对数据进行正态分布检验，结论是每一个葡萄酒样品的评价得分都服从正态分布，之后利用SPSS软件进行两独立样本T检验模型进行显著性检验得出两组评酒员的评价结果有显著性差异，结合方差分析得出第二组评分更可信。
问题二：根据酿酒葡萄的理化指标采用聚类分析和主成分分析的方法模型对酿酒葡萄评价，再结合问题一中葡萄酒的质量评价，利用正态分布将两者标准化到统一的评分尺度中，对两者赋予不同的权重系数求总得分，进而对这些酿酒葡萄划分成5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。
2012年美国大学生数学建模竞赛A题题目翻译：一棵树的叶子。
一棵树的叶子有多重？怎么能估计树的叶子（或者树的任何其它部分）的实际重量？怎样对叶子进行分类？建立一个数学模型来对叶子进行描述和分类。
摘要我们构建了四个模型来研究叶的分类，叶子形状和叶片分布之间的关系，叶子的形状和树的轮廓的关联，以及一棵树的树叶总质量。
模型1处理叶的分类。
我们主要侧重于最显着的叶片的特征，即，形状。
我们创建七个几何参数以量化叶的形状。
然后，我们选择了六种常见的类型的叶子构造一个数据库。
通过计算的样品的与这些典型叶子的偏差指数，我们可以将叶子进行分类。
为了说明这个分类过程中，我们使用了枫叶作为测试。
模型2研究叶的形状和叶片分布之间的关系。
首先，我们将一棵树化为理想模型，然后介绍太阳高度的概念。
通过考虑叶片长度和节间在不同太阳高度下的关系，分析重叠的片叶阴影，我们发现树叶的形状和分布随着太阳高度进行优化以最大化接受阳光照射。
我们将该模型应用到三类试验树木。
模型3讨论树的轮廓和叶的形状之间可能存在关联。
基于叶脉和树的分支结构的相似性，我们认为，叶子的形状在二维上相似于一个树的轮廓。
采用模型1的方法，我们设置了几个参数来反映每棵树的大概形状，并通过它们的叶子将其进行比较。
在统计工具的帮助下，我们展示了一个树的轮廓与其叶子形状之间的粗略的关联。
模型4通那过给定的树的大小特征，估计了一棵树叶子的总质量。
并引入固碳率和树龄来建立叶的总质量和树的大小之间的联系。
由于单位质量的一个叶以一个恒等的速率固碳，固碳率与树龄之间是一个二次关系，并且树的年龄关系经历逻辑斯蒂增长。
介绍：我们解决四个主要子问题：•分类的叶子，•叶分布和叶片形状之间的关系，•树的轮廓和叶的形状的关系，和•一棵树叶片总质量的计算。
要解决的第一个问题，我们选择一组参数来量化叶片的形状特征和使用叶的形状作为我们的分类过程的主要标准。
对于第二个问题，由于叶子的形状影响着叶之间的重叠，我们将一片叶子直接投射到它下面的一片叶子的阴影重叠区域作为叶片分布和叶片形状之间的一个联系，我们假设叶片分布总是趋于尽量减少重叠的区域。
摘要本篇论文，我们运用统计学的方法及原理，对2012年全国大学生数学建模竞赛 A组题的前两个小问题建模并得到好的结果。
对于第一问，我们在不知道每种类型葡萄酒的质量服从何种分布的情况下，将对两组评酒员对葡萄酒的打分存在显著性差异的检验问题分解为对各项指标的打分是否存在显著性差异的检验问题，进而构造成对比较，用1样本T检验。
我们算得两组评酒员对白葡萄酒的口感纯正度，口感浓度，口感持久性，口感质量，平衡整体五项指标的评价存在显著性差异。
对于红葡萄酒，我们算得两组评酒员对红酒的外观色调），香气浓度的打分存在显著性差异。
接着，为了检验两组评酒员对葡萄酒的打分是否存在显著性差异，我们定义了在指标集的示性函数，及各项指标对结论“两组品酒员对葡萄酒打分存在显著性差异”的贡献率，结合对各项指标存在显著性差异的检验，最终得出了两组评酒员对白酒的打分存在显著性差异，对红酒的打分不存在显著性差异。
关于两组评酒员对葡萄酒评价的可靠度的分析，我们转化为对各组内评酒员打分的稳定性的分析，从同组评酒员对同种酒的同项指标的评分的标准差入手，建立对稳定性分析的量化指标。
我们分别计算了两组评酒员对各酒样的各评价指标评分的标准差，分别记为 SSTD1 和 SSTD2，统计了SSD1>SSD2的项数，以及计算了SSD1，SSD2的数学期望，比较其大小，最终得出了第二组评酒员对酒打分更具可信度的结论。
对于第二问，我们将酿酒葡萄的理化指标进行了主成分分析，将指标简化，提取主要部分，消除信息的冗余，在此基础上，借助MATLAB，将葡萄样本进行聚类，最后，在合理的假设的基础上借助第二组评酒员对葡萄酒打分的排名对葡萄进行分级。
关键字假设检验，主成分分析，样本标准差，聚类分析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。
葡萄酒的评价模型海军航空工程学院(烟台)史成巍许志鹏王鑫指导教师司守奎专家点评：本文格式基本规范，表达较清晰。
解决问题一方法适当，结论正确；问题二以相关系数筛选出与葡萄酒质量相关性较大的理化指标与葡萄酒质量一起作为评估葡萄质量的评价指标，进行聚类分析，思路简明，结论较合理。
问题三进行理化指标的相关性分析，切入准确，但对结果的说明不够充分。
不足之处是在问题二到问题四中没有充分考虑芳香类物质的使用，问题四中对如何判定“葡萄和葡萄酒的理化指标是否能用来评价葡萄酒”时方法略有不妥，导致结论不当。
点评人：济南大学数学科学学院许振宇副教授摘要：本文主要针对葡萄酒的评价问题建立了相关数学模型。
在对两组评酒员的评价是否存在显著性差异的问题中，首先验证了两组评酒员的评价结果服从正态分布，并通过方差分析法对两组评酒员的评价结果进行了分析，发现两组评酒员对于红葡萄酒和白葡萄酒的评价结果均存在显著性差异，由于第二组评酒员的评分方差更小，故评价结果均衡度更好,其结果可信度更大。
在对酿酒葡萄进行分级的问题中，首先以相关系数衡量葡萄理化指标与葡萄酒质量的相似性程度，然后筛选出与葡萄酒质量相关性较大的理化指标与葡萄酒质量一起作为评估葡萄质量的评价指标，利用筛选出的评价指标对酿酒葡萄进行聚类分析，将红葡萄和白葡萄均分成了四类。
最后以每类中对应葡萄酒质量评分的均值作为该类葡萄的分数，从而定出四类的级别，以对应国家葡萄酒的四级分类标准。
在分析酿酒葡萄与葡萄酒的理化指标间的联系问题中，本文采用偏最小二乘回归分析法对指标间的联系进行了分析计算，发现葡萄酒中的某些理化指标与葡萄的某些理化指标存在较强的相关性，比如白葡萄中的总糖和还原糖对白葡萄酒中顺式白藜芦醇苷和顺式白藜芦醇以及反式白藜芦醇的影响较大。
在判断葡萄与葡萄酒的理化指标与葡萄酒的质量间关系的问题中，首先对葡萄和葡萄酒的理化指标与葡萄酒的质量进行了相关性分析，发现某些理化指标与葡萄酒的质量相关性很大。
基于系统综合评价的城市表层土壤重金属污染分析摘要本文针对城市表层土壤重金属污染问题，首先对各重金属元素进行分析，然后对各种重金属元素的基本数据进行统计分析及无量纲化处理，再对各金属元素进行相关性分析，最后针对各个问题建立模型并求解。
针对问题一，我们首先利用EXCEL 和 SPSS 统计软件对各金属元素的数据进行处理，再利用Matlab 软件绘制出该城区内8种重金属元素的空间分布图最后通过内梅罗污染模型：2/12max22⎪⎪⎭⎫ ⎝⎛+=P P P 平均综，其中平均P 为所有单项污染指数的平均值，m ax P 为土壤环境中针对问题二,我们首先利用EXCELL 软件画出8种元素在各个区内相对含量的柱状图，由图可以明显地看出各个区内各种元素的污染情况，然后再根据重金属元素污染来源及传播特征进行分析，可以得出工业区及生活区重金属的堆积和迁移是造成污染的主要原因，Cu 、Hg 、Zn 主要在工业区和交通区如公路、铁路等交通设施的两侧富集，随时间的推移，工业区、交通区的土壤重金属具有很强的叠加性，受人类活动的影响较大。
同时城市人口密度，土地利用率，机动车密度也是造成重金属污染的原因。
针对问题三，我们从两个方面考虑建模即以点为传染源和以线为传染源。
针对以点为传染源我们建立了两个模型：无约束优化模型()[]()[]()22y i y x i x m D -+-=，得到污染源的位置坐标()6782,5567；有衰减的扩散过程模型得位置坐标（8500,5500），模型为：u k zu c y u b x u a h u 2222222222-∂∂+∂∂+∂∂=∂∂， 针对以线为传染源我们建立了l c be u Y ∆-+=0模型，并通过线性拟合分析线性污染源的位置。
针对问题四，我们在已有信息的基础上，还应收集不同时间内的样点对应的浓度以及各污染源重金属的产生率。
根据高斯浓度模型建立高斯修正模型，得到浓度关于时间和空间的表达式ut e C C -⋅=0。
2013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《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。
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章程和参赛规则的，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，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。
如有违反竞赛章程和参赛规则的行为，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)：（论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。
以上内容请仔细核对，提交后将不再允许做任何修改。
如填写错误，论文可能被取消评奖资格。
）日期：年月日赛区评阅编号（由赛区组委会评阅前进行编号）：2013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）：葡萄酒的评价摘 要本文是关于葡萄酒评价方面的问题，具体分析阐述了对评酒员评价结果的分析检验和酿酒葡萄的分级，应用matlab ，excel ，spss 等软件，结合F 检验、聚类分析、典型相关分析等各种统计学方法，研究了葡萄、葡萄酒的理化指标及葡萄酒质量之间的联系。
针对问题一，本文利用excel 软件对各组评酒员的评分进行了整理和分析。
在此基础上，对各个样品计算两组评价员评分的样本方差2S 和方差D ，运用F 检验公式：2122S F S =检验是否有显著性差异，结果为：两组评酒员对红葡萄酒样品5、17、24的评价结果有显著性差异，其它样品无显著性差异；对白葡萄酒样品2、、5、6、8、14、18、27的评价结果有显著性差异，对其它样品无显著性差异；且第二组评酒员的结果更加可信。
针对问题二，考虑到葡萄酒的质量受酿酒葡萄的直接影响，我们首先根据葡萄酒的得分通过聚类分析得到初步排名，之后集合主成分分析法和相关性分析得出影响葡萄酒质量的主要理化指标加权求和得到新的排名，结合两个方面结果是，红酒中好酒有3、9、23差酒有10、25；白葡萄酒中好酒有5、28差酒有16、13、8。
针对问题三，我们先使用spss 软件对各个理化指标进行典型相关性分析，筛选出有较大相关性的成分，然后运用matlab 软件进行一元线性回归，得到一元回归模型：即葡萄的理化指标X 与葡萄酒的理花指标Y 之间的线性关系。
针对问题四，可以与三题相似的方法，即典型相关性分析，找出理化指标中与葡萄酒的质量有较大相关性的物质，然后用这些物质与葡萄酒的质量进行多元线性回归， 得到如下回归函数：并且通过验证，我们认为可以用葡萄的蛋白质、DPPH 自归基、葡萄总黄酮、PH 值、果皮颜色a 、果皮颜色b 和葡萄酒的总黄酮、白藜芦醇、DPPH 半抑制体来评价葡萄酒的质量。
关键词：F 检验；K-均值分类；主成分分析；典型相关性分析；一元线性回归；多元线性回归；一 问题重述这次论文要解决的问题是葡萄酒的评价问题，葡萄酒的评价是个很抽象和模糊的概16191123441.8552.710.522776.3514.0124.070.0218 3.968Y X Y X Y X Y X =⨯+=⨯+=⨯+=⨯+313312747120.2835 2.3280.3333 1.3620.198962.052.18471.42Y X Y X Y X Y X =⨯+=⨯+=-⨯+=-⨯+念，没有固定的指标可以测量，每个人对同一种葡萄酒的评价都会不一样，而且，这对一个人的味觉要求特别高，必须要经过一定的训练才能掌握这样技巧，于是，评酒员这一职业就诞生了，实际生活中，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。
有了以上数据以后，需要我们完成以问题：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 基本假设1、 所有的葡萄均正常，没有腐烂变质的现象。
2、 所有葡萄酒在由相同工艺酿制而成。
3、 所有葡萄酒都储存在相同材料的容器中。
4、 所有的理化指标均测量无误。
三 符号说明1X ~33X 葡萄中各理化指标 1Y ~9Y葡萄酒中各理化指标F F 检验D方差 2s样本方差四 问题分析葡萄酒的评价是一个复杂的过程，需要综合考虑不同评价员的评分，而且葡萄酒和葡萄的组成成分非常复杂，它们也要影响葡萄酒的质量，对如此繁多的数据，我们就必须依靠计算机工具，运用数学统计学知识对它们进行处理，并找出各个含量之间的关系，联系生活实际，对葡萄酒作出有理有据的评价。
对于问题一：要想得到两组评价员的评价结果有无显著差异，并对它们的可靠性作出判断，我们首先就应该将两组评价员的对27组红葡萄酒和28组白葡萄酒的评价结果整理出来，再运用统计学中的F检验进行假设与检验，再通过计算各组评价员的评价结果的方差和区分度，进而判断谁的结果更加可信。
对于问题二：需要对葡萄进行分级，由于葡萄酒的质量与酿酒葡萄的好坏有直接关系，所以我们可以根据葡萄酒的质量对酿酒葡萄做一个简单的分级，之后，我们用主成分分析法算出每一组样本葡萄的哪些指标该葡萄的主成分，然后通过数据分析判断出这些成分哪些对葡萄酒的质量作出了贡献，筛选出主要成分后，对不同葡萄的成分做加权求和，以此作为葡萄分级的另一个依据。
对于问题三：要想得到葡萄与葡萄酒的指标间的联系，即得到它们之间的函数关系表达式，我们必须对各种指标进行插值和拟合处理。
但是，由于它们各自的指标太多，也不知道互相之间谁与谁有关系，有什么样的关系，所以不能草率地进行拟合。
为此，首先必须要对数据进行筛选和比较，为此可以采用spss软件进行典型相关性分析，找出酿酒葡萄内部和葡萄酒内部各指标之间的相关性，和酿酒葡萄的指标与葡萄酒的指标间的相关性，从而选出具有代表性的指标进行拟合，得到一元线性回归方程。
对于问题四：题中想要求出理化指标对质量的影响，即各理化指标与质量的线性或非线性关系，但是，由于理化指标太多，并且并非没个理化指标都会对葡萄酒的质量造成影响，所以首先必须进行数据的筛选，这里我们使用spss软件进行典型相关性分析，找出哪些指标与质量有较大的关系，然后将这些指标设为自变量，将质量设为因变量，对它们进行多元线性拟合，最后得到一个多元表达式以后，我们就可以通过这个方程来对葡萄酒的质量进行验证，如果验证的结果与评价员打分的结果基本吻合的话，就说明可以用葡萄与葡萄酒的理化指标来对葡萄酒的质量进行评价。
五模型的建立与求解5.1 模型的准备为了方便下面模型的建立与求解，我们需要对附件中的数据进行预处理，计算出下面需要用到的数据，例如，各个数据的平均值，方差，样本方差等，并制成表格，对于葡萄的分级，我们可以上网参考一下国家标准或者国外葡萄酒工业发达国家的标准进行分级。
5.2 问题1模型的建立与求解根据题一的要求，要求得两组评价员的评价结果有无显著性差异，就必须求出两组评价员的评价结果。
对于红葡萄酒样品一，我们先求出第一组评价员的所打分数的平均值，如下表所示：表一：对红葡萄酒样品一的评价表对于评价结果我们采用F 检验法，采用公式：2111ni xi xs n -=-=-∑，2121ni xi xs n -=-=-∑其中我们假设0H:第一组数与第二组数无明显差异，计算F 的值，得到F=1.134618，取显著性水平0.05α=，查F 分布表得和。
,由于0.2481<1.134618<4.03,所以接受原假 设，即认为两组数据无明显差异。
同样的，对于红葡萄酒和白葡萄酒的所有样品使用上述方法检验，得到它们的F 值，然后比较它们是否在0.2481与4.03之间，判断它们是否有无显著性差异得到下表：表二：红葡萄酒的评价2122s F s =1/2120.975(1,1)(9,9)0.2481F n n F α---==/2120.025(1,1)(9,9) 4.03F n n F α--==表三：白葡萄酒的评价通过观察上表，我们可以得到如下结论：对于红葡萄酒，两组评酒员对第样品5、17、24的评价结果有显著性差异，对其它样品无显著性差异；对于白葡萄酒，两组评酒员对样品2、、5、6、8、14、18、27的评价结果有显著性差异，对其它样品无显著性差异。
接下来我们就应该对两组评价员的评价结果进行判断，找出谁的评价结果更加可信，我们就用谁的结果，因此，第一步：计算两组评价员对红、白葡萄酒评价的方差D根据公式1()1nii xD n x -=-=-∑，得到如下方差表：表四：对红葡萄酒评价的方差表五：对白葡萄酒评价的方差那么，为了更加直观地看出这两组评价员谁的评价结果的方差大小，我们用excel 作出他们对白、红葡萄酒的方差折线图如下：图一：两组评酒员对白葡萄酒评价的方差图二：两组评酒员对红葡萄酒评价的方差从上面两幅折线图中，我们可以看出，无论是对于白葡萄酒还是对于红葡萄酒，第二组评价员评价结果的方差普遍小于第一组，那么我们可以认为，第一组评价员在评价同一种样品时，各个组员间的评价结果差异不大，评价结果更加稳定,即我们认为第二组的评价结果更加可信。
5.3 问题2模型的建立、求解与分析问题二要求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，葡萄酒由酿酒葡萄酿制而成，则酿酒葡萄的质量与葡萄酒的质量有着直接的关系，则可以根据葡萄酒的质量对酿酒葡萄做一个简单的分级，在根据主成分分析从葡萄的理化指标中筛选出对葡萄质量产生影响的主要因素，根据所得各主要因素的贡献率给个因素加权作为系数，求出葡萄中主成分的含量，并进行排名，之后将此排名与之前根据葡萄酒质量所得出的排名综合，进而得出较准确的对酿酒葡萄的分级。
