葡萄酒的评价模型

对两组评酒员的平均打分进行双样本t检验及kendall协调系数W检验,最终确定第一组评酒员更可信;然后利用基于主成分的聚类分析和评酒员对酒样平均打分,实现酿酒葡萄分类定级;采用基于主成分的多分类Logistic回归建立酿酒葡萄与葡萄酒的理化指标之间的数学模型;通过制定葡萄酒分类标准,利用基于主成分的多分类Logistic回归建立酿酒葡萄和葡萄酒的理化指标与葡萄酒等级的数学模型.     

基于统计学的葡萄酒评价数学模型

基于统计学的方法,建立了评价葡萄酒质量的多元线性回归模型。运用t检验、F检验、秩和检验等显著性分析的方法,对葡萄酒评酒员的评价结果进行显著性分析。建立葡萄酒评酒员评分可信度指标的数学模型,对多组评酒员的评分可信度分析。对葡萄的理化指标进行因子分析、置信区间的分析,建立葡萄酒质量的分级模型。通过典型性相关分析,分析酿酒葡萄与葡萄酒的理化指标之间的联系。     

基于多元统计的葡萄酒品质因素分析

本文根据两组评酒员感官评价结果,运用多元总体的均值向量和方差的检验,得到感官评价结果的显著差异性.进而通过系统聚类法得到对酿酒葡萄的分级结果.应用相关分析原理进一步研究葡萄与葡萄酒的理化指标之间的确定性关系,建立回归模型.应用主成分分析,逐步回归等方法进行分析,结果表明,仅考虑酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响不大,不能仅用葡萄和葡萄酒的理化指标来评价葡萄酒的质量.     

基于多元描述性统计对葡萄酒质量的评价

基于对两组评酒员的评价结果的方差分析,以及显著性检验,第二组评价结果的可信度较之第一组的更高.在以此确定葡萄酒质量的基础上,本文利用SAS软件以酿酒葡萄的各项理化指标为标准对酿酒葡萄样品进行系统聚类,并参照葡萄酒的质量建立了酿酒葡萄的等级体系,分别将红、白酿酒葡萄划分为五个等级;通过典型性相关分析,构建了酿酒葡萄与葡萄酒的理化指标的关系;依据多元回归分析的方法,确立了葡萄酒质量与酿酒葡萄的理化指标之间、葡萄酒质量与葡萄酒的理化指标之间的线性关系.本文认为,由于用于分析研究的方程中的自变量个数偏少,上述关系仅在一定程度上可作为葡萄酒质量的评价标准,而要完全充分评估葡萄酒的质量还需与感官评价相结合.     

多元非线性回归分析在葡萄酒质量评价中的应用

分析酿酒葡萄和葡萄酒的理化指标与葡萄酒质量之间的相关性.在此基础上,建立了葡萄酒质量与葡萄酒主要理化指标之间多元非线性回归分析模型,通过对模型的解与原始值的比较,验证了多元非线性回归模型评价葡萄酒质量的合理性.     

葡萄酒质量的评价与分析

针对葡萄酒与酿酒葡萄的评价,根据所给数据,利用Matlab软件,运用F检验、模糊C均值聚类、典型相关分析与回归分析方法对葡萄酒的质量、葡萄酒的理化指标与酿酒葡萄的理化指标及三者之间存在的联系进行了分析与求解,并得到较为理想的结果.     

基于聚类分析法的葡萄酒评价

首先通过配对T检验方法对两组评酒员对葡萄酒的评价质量数进行检验,并且计算方差均值,以选取更为可信的一组评酒员对葡萄酒的评价质量数作为葡萄酒分级的样本数据;其次通过相关分析法对葡萄酒的理化指标与酿酒葡萄的理化指标之间的联系进行分析,以选取与葡萄酒显著相关的酿酒葡萄的理化指标作为葡萄酒分级的部分指标;最后利用聚类分析法对葡萄酒分级.利用该方法可对葡萄酒进行有效评价.     

葡萄酒的评价

主要利用配对样本T检验对两组评酒员对葡萄酒的评价结果有无显著性差异及可信度问题进行探究,得到两组评酒员的评价结果没有显著性差异,第二组评酒员的评价结果更为可信的结论.然后利用因子分析和典型相关分析对酿酒葡萄及葡萄酒的理化指标进行探究,把红葡萄分为四个等级,得到酿酒葡萄在酿造的过程中醛类大多转化为醇类和酯类,醇类和酯类的量变化不大的结论.     

基于多元统计分析的葡萄酒质量评定体系的探究

本文的模型是探究用葡萄和葡萄酒的理化指标评定葡萄酒质量的统计问题.研究以多元统计分析为理论基础,综合聚类、方差分析、相关性分析、因子分析等方法,通过建立葡萄酒的理化指标和质量的关系模型,定量地描述了葡萄酒的理化指标和葡萄酒质量的关系,对研究用葡萄和葡萄酒的理化指标评定葡萄酒质量,提供了理论依据,为设计葡萄酒以及改善葡萄酒的质量有重要意义.     

酿酒葡萄与葡萄酒的评价分析模型

本文主要从酿酒葡萄的理化指标和葡萄酒的质量两个方面,利用层次分析法对酿酒葡萄的理化指标各因素和葡萄酒的质量各因素进行综合分析,建立因素判断矩阵并进行一致性检验,利用Matlab软件进行求解计算,给出了酿酒(红白)葡萄与(红白)葡萄酒的四个系列分级.其次,我们利用马克威分析系统得出线性回归方程,由“回归系数分析”表中的“显著性”可以得出葡萄酒中的物质与酿酒葡萄中的某些物质间的密切联系.     

酿酒葡萄的等级判别方法研究

针对酿酒葡萄分类问题,在没有明确分类情况下,提出模糊C均值聚类和自主神经网络算法,在已知葡萄酒质量评分结果的前提下,首先对酿酒葡萄的理化指标和葡萄酒质量的数据进行极差归一化处理;运用模糊C均值聚算法得到分类隶属度矩阵和分类中心,并用自主神经网络无监督的学习方式成功地将酿酒葡萄分为三个等级．可以作为葡萄酒生产的参考。     

果酒品质评价的自适应量子粒子群LS-SVM模型

针对BP神经网络和遗传算法对果酒品质预测存在速度慢和精度低的缺点,建立了一种基于量子行为粒子群算法(QPSO)的最小二乘支持向量机(LS-SVM)的果酒品质预测模型。模型通过引入粒子的进化度和聚合度,动态调整收缩扩张因子,从而实现了算法的动态自适应性。仿真结果表明:基于自适应量子粒子群的LS-SVM果酒品质评价预测模型优于所比较的BP神经网络和最小二乘支持向量机两种模型,具有较好的泛化性能和预测精度。     

基于随机森林算法的葡萄酒品质预测方法

采用机器学习中的随机森林算法对葡萄酒的化学特性与葡萄酒的品质之间的关系进行学习,并建立了有效的模型对葡萄酒品质进行预测。该方法具有预测准确率高、预测精度稳定以及葡萄酒分级详细等特点,在葡萄酒行业品质预测的应用中,能够有效地减少因品酒师个人因素带来的评级波动。还将实验结果与已经存在的一些工作进行量化比较,特别是在成本（风险）比较中,所提供的方法明显优于已有的方法。     

基于灰色理论与BP网络的负荷预测

针对用BP神经网络进行预测时权值难以确定的问题,提出了一种基于将灰色理论与BP神经网络相结合的预测算法。采用数量研究法,选取重庆市某供电局1999年到2006年的售电量作为样本,利用不同的灰色模型对样本进行预测,再选出预测的最优值对BP网络进行训练,最后用已训练好的BP网络对样本数据进行预测。经实例预测表明:灰色理论与BP网络相结合的预测精度与单一的预测模型相比有了明显的改进,该算法在理论和实践应用中都是可行的,并为电力部门的生产运行和规划提供了重要的参考。     

给水管网内铁离子的释放

通过实验室构建的实验管网,模拟了实际给水管网的水力、水质条件,对各项水质指标进行了监测和相关性分析．结果表明余氯、浊度、pH值与总铁含量相关性较高．改变水力、水质条件,根据不同条件下实验管网中总铁含量的变化情况,分析了浊度、余氯、pH值、流速与铁释放现象的相互影响机理,提出了控制铁释放的方法．监测实际给水管网的水质,量化水中总铁含量与余氯、浊度和pH值之间的关系,分别建立了基于Excel的多元线性回归模型和基于Matlab的BP人工神经网络模型,对水中总铁含量进行了预测．     

交通量的灰色神经网络预测方法

结合灰色系统思想与神经网络构成灰色神经网络,根据目前灰色模型与神经网络结合的方法,提出并联型、串联型和嵌入型3种预测模型的结构.并联型灰色神经网络首先采用灰色模型、神经网络分别进行预测,而后对预测结果加以组合作为实际预测值;串联型对多个灰色预测的结果使用神经网络进行组合;嵌入型在神经网络的输入端、输出端分别增加一个灰化层和白化层而构成.对并联型灰色神经网络给出一种根据预测模型的有效度确定加权系数的方法.将上述3种灰色神经网络模型用于对京石高速公路断面机动车实时交通量进行预测,模型精度和预测结果比较理想,优于单一预测模型.实验表明:灰色神经网络可提高预测精度,用于交通量预测方法是有效可行的.     

应用多元回归分析进行葡萄酒质量评价建模

本文针对2012全国大学生数学建模竞赛A题,分析了葡萄酒质量人工品尝存在的不足,进而对若干种葡萄酒的原始数据进行异常值和标准化处理,利用K—W检验、信度分析等方法分析得出红葡萄酒第二组和白葡萄酒第一组的质量评价更为可信;通过相关性分析筛选芳香物质的成分,运用 TOPSIS方法的秩和排序对各类葡萄酒质量划分等级,对理化指标两独立样本进行Mann－Whitney U 检验;最后建立多元回归模型分析得出评价酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响关系,并通过Wilcoxon符号秩检验其模型的可行性。