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.     

SPSS软件在葡萄与葡萄酒理化指标的相关性分析中的应用

利用SPSS软件对酿酒葡萄样品与葡萄酒样品的理化指标进行相关性分析,根据分析结果得出酿酒葡萄与葡萄酒的理化指标之间的内在联系。     

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.     

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.     

葡萄酒评价体系的数学模型及求解

本文通过对两组感官结果差异性的分析以及对葡萄与葡萄酒理化指标相关度的分析,建立了基于葡萄和葡萄酒理化指标的葡萄酒质量评价体系.本文通过双因素方差分析,得到感官评价结果的显著差异性.进而通过主成分分析法、系统聚类法、相关系数分析的联合运用得到对酿酒葡萄的分级结果.应用典型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联系,对基于理化指标的葡萄酒质量评价体系给出了解析分析结果.     

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.     

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。     

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.     

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。     

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.     

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。     

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。     

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。     

家庭酿造红葡萄酒工艺条件的研究

通过测定几种市售鲜食葡萄与酿酒专用葡萄的平均粒重、含糖量、酸度等指标,比较和论述了它们在酿酒方面的差异,指出由于提子果胶含量较高、含酸量较低,故不宜选用提子酿造葡萄酒.     

黑龙江地方名酒GC/MS联用定性分析

本文在对样品进行化学衍生化及分类收集的基础上,选择了最佳CGC/MS分析条件,对黑龙江五种地方名酒CGC分离后,进行了在线质谱电离及MS分析。确定了各名酒中的主要化学组成物,最多的达78种,科学地认识了我省各名酒的香味化学组成物。     

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。