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.     

基于物理化学性质的葡萄酒质量的可视化评价研究

提出了一种可视化的方法评价葡萄酒质量。葡萄酒数据来自于认证阶段的物理化学分析测试,其中输入变量是11个,输出变量是葡萄酒质量,共得到1599个的红葡萄酒样本和4898个的白葡萄酒样本。结果表明该方法的效果优于传统的神经网络和支持向量机方法,并且具有可视化的优点。这对于改进酿酒品酒评价和葡萄酒生产都有重要意义,并且对根据消费者口味细分目标市场也很有帮助。     

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.     

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.     

葡萄酒的评价模型

该文首先对数据进行预处理剔除误差数值,对数据进行分布检验,通过Lillifors统计法修正Shapiro-Wilk统计量后确定评价得分的分布,由Shapiro-Wilk检验的显著水平值Sig.可判断数据是否符合正态分布,当数据的显著水平值Sig.＜0.05时可拒绝数据的正态分布假设.同时考虑数据的正态分布偏度Skewness以及数据的正态分布嶂度Kurtosis.计算得评价结果不属于标准正态分布.对两组数据的红、白两种葡萄酒的评价结果各进行显著性差异分析,数据处理的方法采用Wilcoxon符号秩检验法,同时对比符号检验得到的数据,结果为红葡萄酒相伴概率为4.8995e-005,白葡萄酒的相伴概率为5.25641e-006均小于显著性水平0.05,因此可认为两组品酒员评价结果中红、白葡萄酒均具有显著性差异.     

酒神颂——神话、宗教和葡萄酒

最早的葡萄酒有多久的历史?红、白葡萄酒都是怎样酿出来的?法国的葡萄酒为什么得天独厚? 软木塞和酒窖里藏着多少秘密?品酒当中有多大学问?葡萄酒消费的热潮一浪高过一浪,我们对这种神秘汁液的身世却不甚了了。来,端起一杯醇香的葡萄洒,随我们走进悠远的葡萄酒文化……     

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．     

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.     

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。     

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。     

红曲米酒的澄清工艺研究

为了研究红曲米酒的澄清工艺,以明胶-单宁法、壳聚糖-黄原胶法以及微滤法(0.45μm孔径滤膜)分别对红曲米酒进行澄清处理,并对澄清后的酒进行巴氏杀菌,分析3种方法对红曲米酒色泽、营养品质、感官评价值和澄清稳定性的影响,从而确定对感官和营养品质影响较小的澄清方法和工艺.结果表明,3种处理中微滤法能达到较好的澄清效果且对酒的品质影响小,感官评价值较高,澄清稳定性好;0.1 g/L壳聚糖结合0.3 g/L黄原胶也能起到较好的澄清效果,澄清后酒样的色泽也较为红亮;明胶+单宁法澄清效果不佳,感官评价值最低,澄清后酒体稳定性差.     

乳清饮料酒研制及其风味物质研究

为了更好的利用干酪加工行业的副产物乳清,选择不同的酒用酵母,按不同比例接种后进行发酵生产乳清饮料酒,对发酵液进行理化指标、感官评价、气相色谱—质谱联用分析。结果表明:乳清饮料酒的最佳生产工艺为添加蔗糖至12%固形物,接种酵母B至1.5e7个/mL,28℃主发酵5～7天,15℃后发酵20天;乳清饮料酒中酒精度7%～8%,色泽黄绿,清透,奶香浓郁,酒香突出,口味协调。     

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.