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.     

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.     

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.     

葡萄酒评酒员的评酒结果的可信度研究——2012年全国大学生数学建模比赛A题第一问

本文主要讨论了葡萄酒评酒员的评酒结果的可信度研究。首先要利用评酒员对葡萄酒的感官评价,确定哪一组评酒员对葡萄酒的评价更可信。利用Excel对两组评酒员对葡萄酒的评分进行处理,分别得到各评酒员对红、白葡萄酒中各样品酒的分数及各样品酒的平均分,将两组的平均分作为两个配对样本,利用SPSS中配对样本t检验得出两组评酒员对红、白葡萄酒的评价结果都有显著性差异。利用SPSS中可靠性分析将上述数据进行处理得出第二组评酒员的可信度更好。     

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.     

基于葡萄酒评价的统计分析

利用t检验对两组葡萄酒评酒员的评价结果有无显著性差异进行可信度分析，并采用主成分分析法求得酿酒红葡萄有8个主成分，酿酒白葡萄有10个主成分，最后基于两种葡萄的评价总分对红白葡萄的质量进行分级．     

葡萄酒质量的评价模型

本文是对2012年全国大学生数学建模竞赛A题的解答,建立了葡萄酒质量的评价模型,对葡萄和葡萄酒的理化指标与其质量的关系进行了分析.在问题1中,通过非参数检验方法检验这两组品酒员对酒的打分是否有显著性差异,利用协和系数分析检验两组品酒员对酒的打分的可靠程度.在问题2中,采用了基于SOM网络的等级分类和SPSS的聚类分析对酿酒葡萄进行分类,然后根据每一类葡萄酒得分均值对葡萄进行分级.在问题3中,以葡萄的指标数据为输入层,葡萄酒的指标数据为输出层,建立BP广义回归神经网络模型,得到两者之间的定量关系.在问题4中,首先采用灰关联模型,得出酿酒葡萄和葡萄酒理化指标和葡萄酒质量的关联度,然后建立支持向量机的回归拟合模型,得到葡萄酒和酿酒葡萄的理化指标与葡萄酒质量之间的定量关系.     

葡萄酒感官评价结果的显著性检验方法研究

在葡萄酒评价中,简单的感官评价难以真实反映葡萄酒的质量.结合实际感官评价数据,运用SPSS软件,利用MATLAB建立配对样本T检验模型,并进行配对样本T检验求解,得到两组评酒员的评价结果存在显著性差异的结论.同时通过对两组评酒员对样本打分的情况进行方差分析,采用图表分析法初步得出两组评价结果的稳定程度分析,并用方差分析法进行结果验证,结果表明第二组评价结果可信度更高.利用文中的研究方法可对评酒员的评价结果进行科学评判,具有较高的准确性和科学性,为葡萄酒的准确评价提供了重要的参考依据.     

通过构造线性映射模型实现对酿酒葡萄的分级

本文首先利用成对数据的t检验对两组评酒员对葡萄酒质量的评价结果进行显著性差异分析;然后通过主成分分析法和线性加权法得出酿酒葡萄品质的数值指标,最后通过构造线性映射模型实现对酿酒葡萄的分级。     

酿酒葡萄理化成分因子分析

酿造优质葡萄酒与原料葡萄品质有重要的关系,对酿酒葡萄质量的评价,传统的人为感官评价方法主观性强,且不适合大批量产品评价,理化指标是酿酒葡萄品质评价的有效依据.以红色酿酒葡萄为例,应用主成分分析方法对其理化指标进行因子分析,选取评价指标的主成分,经因子旋转后确定葡萄品质理化评价指标.     

葡萄酒评价的理化指标研究

葡萄酒的质量和其理化指标间存在一定的关系；首先运用主成分分析法建立数学模型，通过对数据的分析与处理，提取出葡萄酒的主要理化指标；然后运用曲面拟合得出了葡萄酒质量和葡萄酒的2个主要指标间的函数关系，并通过三维仿真图，更加直观地显示得出理化指标对葡萄酒质量的影响。     

酿酒葡萄和葡萄酒成分间的典型性相关分析

根据酿酒葡萄与葡萄酒的理化指标,按“逐步降维,保留信息”的思想建立模型,把原来多个变量划为几个综合指标,并对这些综合指标进行研究,以简化问题的求解过程;因酿酒葡萄和葡萄酒质量间的内在联系及变化规律具有随机性、理化指标信息过大,先进行变量替换,分别选取15个、8个综合变量替代原变量,再对酝酿葡萄与酝酿葡萄酒主成分分析,最后进行典型相关分析.     

基于多元统计分析法的葡萄酒品鉴模型

针对葡萄酒质量好坏的评价问题进行综合分析,依据所给条件和数据,综合运用多元统计分析法中的概率论、非参数检验、主成分分析、聚类分析、多元回归的知识,建立了秩和检验、典型相关分析等多个模型,讨论并研究葡萄酒的评价系统、酿酒葡萄的分级、葡萄与葡萄酒理化指标之间的联系等相关问题.使用SPSS 19.0和MATLAB 7.0软件求解并得出相应结果,综合运用定性与定量分析法对模型进行检验,最后对模型做简要的评价和推广.     

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。     

主成分法分析电磁辐照对茶毛虫生长发育的影响

以茶毛虫生长发育的试验数据为基础,采用主成分分析法对试验数据进行分析研究。结果表明:主成分分析法是一个极有实际操作价值和评价可信度的模型,当电磁辐照频率高于100 kHz时,茶毛虫生长发育指标数值均与电磁辐照频率有一定相关性。     

葡萄酒评分优化模型

品酒员为葡萄酒打出的分值易受主观因素的影响,利用方差分析判别不同组别的品酒员的评价结果是否存在显著性差异,用方差、逆序数和肯德尔和谐系数这三个指标选定较为可信的一组数据,再建立模糊综合评价体系确定葡萄酒的最终质量得分。     

基于模糊聚类模型的葡萄酒分类

应用模糊聚类分析的思想和方法,综合考虑酿酒葡萄的各项理化指标,建立了葡萄酒分类的数学模型。一方面,通过对理化指标的相关性分析进行属性约简,刻画了理化指标之间的内在联系;另一方面,在属性约简的基础上对每个属性进行加权,经实验验证两方面均可以优化模糊聚类分析模型对葡萄酒质量的分类效果。     

2008年份昌黎原产地葡萄酒理化特性的统计学分析

选取代表葡萄酒品质的19项指标,构成了描述葡萄酒理化特性的体系。应用主成分分析法,将原有的19项指标综合成5项互不相关的复合指标,而且该5项指标所涵盖原有19项指标的信息量达到了97.694%,基本反映了原指标的大部分信息。系统聚类分析结果显示,表儿茶素或咖啡酸或阿魏酸或没食子酸或绿原酸、多酚、挥发酸或干浸出物或总酸或色度、pH值、鞣花酸等5项指标可以反映葡萄酒理化特性的绝大部分信息,可用于描述葡萄酒的理化特性。     

基于指标满意度的充填配比正交优化试验

建立基于指标满意度的多指标正交试验综合评价模型,选取质量浓度、灰砂比、粉煤灰掺量、减水剂掺量等4个因素,进行4因素3水平的正交试验,选取充填体28 d单轴抗压强度、28 d抗拉强度、塌落度、成本等4个指标进行基于指标满意度的多指标综合评价及敏感性分析.试验结果表明:质量浓度、灰砂比、粉煤灰掺量、减水剂掺量对充填体质量的敏感度分别为0.217、0.252、0.032和0.060,即灰砂比对充填体质量的影响最大;质量浓度对充填体质量有着明显的影响;粉煤灰掺量及减水剂掺量对充填体质量的影响相对较小.