數(shù)學建模葡萄酒分級(正式版)

1、承 諾 書我們仔細閱讀了中國大學生數(shù)學建模競賽的競賽規(guī)則.我們完全明白，在競賽開始后參賽隊員不能以任何方式（包括電話、電子郵件、網上咨詢等）與隊外的任何人（包括指導教師）研究、討論與賽題有關的問題。我們知道，抄襲別人的成果是違反競賽規(guī)則的, 如果引用別人的成果或其他公開的資料（包括網上查到的資料），必須按照規(guī)定的參考文獻的表述方式在正文引用處和參考文獻中明確列出。我們鄭重承諾，嚴格遵守競賽規(guī)則，以保證競賽的公正、公平性。如有違反競賽規(guī)則的行為，我們將受到嚴肅處理。我們參賽選擇的題號是（從A/B/C/D中選擇一項填寫）： A 我們的參賽報名號為（如果賽區(qū)設置報名號的話）： 所屬學校（請?zhí)顚懲暾?/p>

2、全名）： 西安理工大學 參賽隊員 (打印并簽名) ：1. 鄭曉東 2. 羅璐 3. 宮維靜 指導教師或指導教師組負責人 (打印并簽名)： 日期： 2013 年 05月 10 日葡萄酒質量的綜合評價分析摘要近年來，隨著人們生活水平的提高，葡萄酒也隨之受到人們的喜愛，加之食品科學技術的提高，人們對葡萄酒的品質也有了更高的要求，本文就針對葡萄酒品質的相關問題進行建模，求解和有關分析。對問題一，首先基于兩組評酒員對同一批葡萄酒的評價分數(shù)數(shù)據(jù)，采用假設檢驗中的t檢驗法建立評估兩組數(shù)據(jù)差異的模型，運用Spss軟件求解，得到兩組數(shù)據(jù)存在顯著性差異的結論，其次，通過計算兩組數(shù)據(jù)的方差，用以比較穩(wěn)定性，得到第二

3、組更可信的結論。對問題二，首先對釀酒葡萄理化指標數(shù)據(jù)進行標準化處理，經過主成分分析法將葡萄分為四個等級，其次，按可信度高的一組（第二組）得分將葡萄酒分為五級，綜合兩種分級，將釀酒葡萄分為了級。對問題三，首先同問題二對釀酒葡萄與葡萄酒的理化指標進行主成分分析，用Matlab的曲線擬合得到葡萄酒的得分,分別與釀酒葡萄與葡萄酒的理化指標之間的函數(shù)關系，再進行反解即得到釀酒葡萄與葡萄酒的理化指標之間聯(lián)系。對問題四，采用灰色關聯(lián)度分析的方法進行求解，分別求出釀酒葡萄的理化指標與葡萄酒質量的關聯(lián)度、葡萄酒理化指標與其質量的關聯(lián)度，通過關聯(lián)度值的大小，即可看出釀酒葡萄和葡萄酒的理化指標對葡萄酒質量的影響大小

4、，并以此為基準來論證釀酒葡萄和葡萄酒的理化指標能否用來評價葡萄酒的質量。關鍵詞：t檢驗 主成分分析 曲線擬合 灰色關聯(lián)度分析一、問題重述確定葡萄酒質量時一般是通過聘請一批有資質的評酒員進行品評。每個評酒員在對葡萄酒進行品嘗后對其分類指標打分，然后求和得到其總分，從而確定葡萄酒的質量。釀酒葡萄的好壞與所釀葡萄酒的質量有直接的關系，葡萄酒和釀酒葡萄檢測的理化指標會在一定程度上反映葡萄酒和葡萄的質量。附件1給出了某一年份一些葡萄酒的評價結果，附件2和附件3分別給出了該年份這些葡萄酒的和釀酒葡萄的成分數(shù)據(jù)。請嘗試建立數(shù)學模型討論下列問題：1. 分析附件1中兩組評酒員的評價結果有無顯著性差異，哪一組結果

5、更可信？2. 根據(jù)釀酒葡萄的理化指標和葡萄酒的質量對這些釀酒葡萄進行分級。3. 分析釀酒葡萄與葡萄酒的理化指標之間的聯(lián)系。4分析釀酒葡萄和葡萄酒的理化指標對葡萄酒質量的影響，并論證能否用葡萄和葡萄酒的理化指標來評價葡萄酒的質量？二、問題分析 2.1 問題一本題給出了兩組評酒員對同一批葡萄酒的評價分數(shù)，在本文，采用假設檢驗中的t檢驗建立評估兩組數(shù)據(jù)差異性的模型，研究兩組評論員的評價是否存在差異，判斷能否接受它們存在顯著性差異的假設。若接受，則繼續(xù)第二步：可靠性分析，分別對兩組數(shù)據(jù)求方差，方差小的說明波動小，既評酒員的評價較穩(wěn)定，可靠性高。2.2 問題二首先，我們利用問題一得到的結果，對可靠性高的

6、一組數(shù)據(jù)進行處理，降低評論員之間的差異，提高葡萄酒樣品最終得分的可靠度。按得分對葡萄酒進行分級。然后，用標準化處理后的釀酒葡萄的理化指標對葡萄進行主成分分析。最后，結合葡萄酒的分級對釀酒葡萄進行分級。2.3 問題三首先，用處理釀酒葡萄的理化指標的方法對葡萄酒的理化指標做同樣的處理，得到葡萄酒理化指標的主成分。然后，分別根據(jù)主成分獲得紅葡萄和紅葡萄酒的的得分。通過曲線擬合，分別建立紅葡萄得分和專家的評分之間的關系；紅葡萄酒得分和專家評分之間的關系。最后，根據(jù)兩種理化指標和專家的評分之間的關系，建立兩種理化指標之間的關系。2.4 問題四運用灰色關聯(lián)度分析的方法，定量描述釀酒葡萄與葡萄酒的理化指標對

7、葡萄酒質量的影響，以此為基準來論證釀酒葡萄和葡萄酒的理化指標能否用來評價葡萄酒的質量。三、問題假設1同種葡萄酒在同一組評酒員的得分下成正態(tài)分布。2一種葡萄對應釀制一種葡萄酒。3葡萄的成分充分轉化為葡萄酒里的成分，不存在意外的浪費和揮發(fā)。四、符號說明這里只列出主模型的全局參數(shù)，其他局部參數(shù)見具體模型。：第i個紅葡萄酒樣品：第i個紅葡萄酒樣品的得分T1：第一組評酒員全體T2：第二組評酒員全體五、模型的建立與求解5.1 模型一：基于t檢驗建立差異評估模型我們采用假設性檢驗驗證是否能接受兩組評酒員的評價結果存在顯著性差異的假設。然后用方差分析兩組評酒員評價數(shù)據(jù)的波動，認為較平穩(wěn)的一組比較可靠。5.1.

8、1、數(shù)據(jù)預處理我們在分析數(shù)據(jù)是發(fā)現(xiàn)了幾個顯著性的異常數(shù)據(jù)：第一組紅酒數(shù)據(jù)樣品20色調評酒員4號 數(shù)據(jù)缺失第一組白酒數(shù)據(jù)樣品3持久性評酒員7號 懷疑多了一個7第一組白酒數(shù)據(jù)樣品8口感分析評酒員2號 數(shù)據(jù)明顯異常因為隨機樣本在均值附近振蕩，所以我們選用均值來代替異常數(shù)據(jù)以求誤差最小。 t檢驗模型的建立分別代表第一，第二組整體，分別對紅葡萄酒（i=1,2，27）和白葡萄酒（i=1,2,27）進行感官評價，的評價結果通過組內的每一評酒員的評分的均值來表示。同樣的，T2的評價結果通過組內的每一評酒員的評分的均值來表示。從而得到兩組評論員分別對紅葡萄酒的評價結果見表一：表1 紅葡萄酒的評價結果表中對于同一

9、酒樣品的兩個評價差異是由兩個評酒員引起的，為鑒定他們的評價結果有無顯著性差異，可對兩組數(shù)據(jù)對同一樣品的差值進行分析，既表中的D。以紅葡萄酒為例：有27對相互獨立的評價結果（X1，Y1）（X2，Y2）（X27,Y27）,D1=X1-Y1,D2=X2-Y2,D27=X27-Y27，由于Di（i=1,2，,27）是由同一因素造成的，可認為它們服從同一分布?，F(xiàn)假設DiN（，），i=1,2,27,且，未知，基于這一樣本檢驗假設： （1）分別記的樣本均值和樣本方差的觀測值為，。對進行單個均值的t檢驗，檢驗問題的拒絕域為（顯著水平為）：. （2） 當?shù)闹挡宦湓诰芙^域內時，接受，既認為兩組評價無顯著性差異。否

10、則，兩組評價有顯著性差異。對白葡萄酒的處理同紅葡萄酒。2）模型的求解 現(xiàn)以紅葡萄酒為例求解，首先，作出同一酒樣品分別由兩組品酒員、得到的評價結果之差,列于表一的第三行，根據(jù)建立的模型檢驗假設： . （3） 取=0.05，運用spss軟件求解得到表二： 表二 t檢驗求解結果根據(jù)上表得到的Sig=0.0200及相應的正交化單位特征向量：則X的第i個主成分為Fi = aiX i = 1，2，p。步驟三：選擇主成分 在已確定的全部p個主成分中合理選擇m個來實現(xiàn)最終的評價分析。一般用方差貢獻率 （10） 解釋主成分Fi所反映的信息量的大小，m的確定以累計貢獻率 （11）達到足夠大（一般在85%以上）為原

11、則。步驟四：計算主成分得分計算n個樣品在m個主成分上的得分： i=1,2,3,，m （12） 5.2.1.3 模型的求解 利用MATLAB軟件編程，對釀酒葡萄的理化指標進行主成分分析（以紅葡萄的指標為例），根據(jù)累計貢獻度大于85%的原則篩選，得到的前12個特征值及其貢獻度率如表所示： 表三 釀酒紅葡萄理化指標的主成分分析結果序號特征值貢獻度19.79705 0.166128.02727 0.136136.79664 0.115245.31105 0.090055.15878 0.087463.58111 0.060772.7598 0.046882.42551 0.041192.25743 0

12、.0383101.9615 0.0332111.58293 0.0268121.47825 0.0251得分表達式為： F1=-0.4320 X1-0.3875X2+0.2533X59F2=0.3619X1+0.0019X2+0.0447X59 F12=0.0123X1+0.1229X2+-0.1720X59 (13)得分如下所示：表四 釀酒葡萄的得分根據(jù)得分的大小對釀酒葡萄進行分級中上級釀酒葡萄：4,12,22,20 中級釀酒葡萄：19,7,27,3,25,26,23,16,5,13,17,24,14 中下級釀酒葡萄：6,21,2,9,10,15, 18 下級釀酒葡萄：11,8,15.2.2

13、 根據(jù)評酒師的評分對葡萄酒的質量進行分級對于“根據(jù)評酒師的評分對葡萄酒的質量進行分級”這一問題，我們認為品質優(yōu)良的葡萄釀出來的葡萄酒的品質也應是優(yōu)良的。它們之間存在著一一對應關系。所以可以通過專家評委們的打分對葡萄酒進行分級。根據(jù)我們對問題一模型的求解，得知第二組評委的評分更可信，所以針對于第二組評委對每種葡萄酒的綜合得分的平均值進行排序，如下所示：品種9232031721419215262224得分78.277.175.874.674.57472.672.672.272.17271.671.52741610131225168151871171.571.269.968.868.868.368.

14、268.166.36665.765.465.361.6表五 葡萄酒的評分葡萄酒樣品的分級標準：8085分：高級葡萄酒7580分：中上級葡萄酒7075分：中級葡萄酒6570分：中下級葡萄酒6065分：下級葡萄酒所以采用上面的分級標準，可將27中葡萄酒分為如下級別：中上級葡萄酒：9，23,20 中級葡萄酒：3,17，2,14,19,21,5,26，22,24,27,4中下級葡萄酒：16,10,13,12,25,1,6,8,15,18,7 下級葡萄酒：115.2.3 綜合兩種因素，對釀酒葡萄進行分級綜合兩種因素分級的結果，對釀酒葡萄進行綜合評價，并得到釀酒葡萄的分級。具體步驟如下：分別對兩種分級結果

15、進行編號：中上級葡萄酒編號為0中級葡萄酒編號為1中下級葡萄酒編號為2下級葡萄酒編號為3對釀酒葡萄的分級結果編號同上。2.計算同一樣品在兩種不同情況下的編號與編號0的差值，分別記為Ai1，Ai2，并計算總差值Ai=Ai1+Ai2。3.根據(jù)總差值的大小對釀酒葡萄進行分級。釀酒葡萄的分級標準：01：中上級釀酒葡萄 2：中級釀酒葡萄 35：中下級釀酒葡萄 6：下級釀酒葡萄 分級結果為：中上級釀酒葡萄：20,23,22,4 中級釀酒葡萄：12,9,3,19,17,27,24,26,5,14，中下級釀酒葡萄：7,25,16,13,6,21,2,10,15,1811,8 下級釀酒葡萄：15.3 模型三對于問

16、題三，我們同樣采用主成分分析法，得到葡萄酒的主成分記為Gi i=1,2，n，n為主成分的個數(shù)。應用Matlab軟件編程，對葡萄酒的主成分進行求解（以紅葡萄酒為例）根據(jù)累計貢獻度大于85%的原則篩選，得到的前5個特征值及其貢獻度率如表所示：表六 紅葡萄酒理化指標的主成分分析結果序號特征值貢獻度15.99601 0.399723.18036 0.212031.76514 0.117741.42734 0.095250.881763 0.0588得分表達式： G1=-0.7996 X1-0.9186X2+0.3161X15 G2=-0.3289X1-0.0663X2+0.8334X15 G5=-0.

17、0465X1+0.2206X2+0.2027X15 得分如下所示： 表七 葡萄酒的得分經分析直接求解葡萄酒理化指標與釀酒葡萄理化指標之間的聯(lián)系難度較大，但我們發(fā)現(xiàn)它們都可與葡萄酒質量建立數(shù)學關系，將葡萄酒質量作為因變量，葡萄酒理化指標與釀酒葡萄理化指標的主成分分別作為自變量，采用曲線擬合，即可分別得到兩理化指標與葡萄酒質量間的數(shù)學關系，再反解出兩指標間的數(shù)學關系，這樣不但簡化了求解過程而且可減小誤差。根據(jù)曲線擬合的方法對釀酒葡萄理化指標的主成分和評委的得分之間建立函數(shù)關系為y=0.62598x8+1.7747x7-0.74728x6-4.457x5- 0.70899x4+2.8925x3+0.

18、34017x2-0.36971x+3.5688 圖一 釀酒葡萄理化指標的主成分與評委得分的關系圖根據(jù)曲線擬合的方法對葡萄酒理化指標的主成分和評委的得分之間建立函數(shù)關系為y=-4550.179x7-6212.6221x6-2244.2726x5+120.8559x4+160.1517x3+4.9978x2-3.2929x+3.5441圖二 葡萄酒理化指標的主成分和評委的得分的關系圖圖三 釀酒葡萄理化指標的主成分和葡萄酒理化指標的主成分的關系圖5.4 模型四： 運用灰色關聯(lián)度求解相互聯(lián)系問題分析該問題需要分析釀酒葡萄和葡萄酒的理化指標對葡萄酒質量的影響，為方便運算，我們分別考慮釀酒葡萄的理化指標對

19、葡萄酒質量的影響與葡萄酒的理化指標對釀酒葡萄的影響，為此我們引入灰色關聯(lián)度的概念?；疑P聯(lián)度能夠定量描述事物或因素相互變化的情況，即變化的大小，方向和速度方面的關系。關聯(lián)度越大，代表相互間聯(lián)系越緊密，變化態(tài)勢越一致，反之，若變化態(tài)勢越不一致，則關聯(lián)度越小。模型的建立與求解灰色關聯(lián)度方法的計算介紹：原始數(shù)據(jù)的標準化由于原始數(shù)據(jù)存在數(shù)量級和量綱的差異性，所以先進行標準化而方便進行計算。 Xi*=xikXi，Xi=k=0nxik k=1，2，3n關聯(lián)度的計算經數(shù)據(jù)處理后的參考數(shù)列為: X0*=x*01，x*02，x*03x*0n 比較數(shù)列為; Xi*=x*i1，x*i2，x*i3x*in i=1,2

20、,3m 從幾何角度看，關聯(lián)程度實質是參考數(shù)列與比較數(shù)列曲線形狀的相似程度，參考數(shù)列與比較數(shù)列曲線形狀接近，則兩者關聯(lián)度較大；反之參考數(shù)列與比較數(shù)列曲線形狀相差較大，則兩者間的關聯(lián)度較小。因此，可用曲線間的差值大小作為關聯(lián)度的衡量指標。則： ik=x*0k-x*ik k=1，2，3，n兩極最大值和最小值： max=maximaxkik，min=miniminkik關聯(lián)系數(shù)：Yoik=min+maxik+max，（0，1），k=1，2，n，i=1，2，m式中為分辨系數(shù)，用來削弱過大而使關聯(lián)系數(shù)失真的影響。人為引入這個系數(shù)是為了提高關聯(lián)系數(shù)之間的差異顯著性。關聯(lián)度的計算與比較由于每個比較數(shù)列與參數(shù)數(shù)

21、列的關聯(lián)程度是通過n個關聯(lián)系數(shù)來反映的，關聯(lián)系數(shù)分散，不便于從整體上進行比較。因此，有必要對關聯(lián)信息做集中處理，求平均值則是一種比較好的信息集中的方式。即用比較數(shù)列與參數(shù)數(shù)列各個時期的關聯(lián)系數(shù)的平均值來定量反映兩個數(shù)列的關聯(lián)程度，其計算公式為： Yoi=1nk=1nYoik,i=1,2,3,m接下來用灰色關聯(lián)度進行分析求解：對數(shù)據(jù)進行標準化處理 表八 標準化處理數(shù)據(jù)計算參考數(shù)列與比較數(shù)列在同一時期的絕對差，得到下表：花色苷 單寧 總酚 酒總黃酮 白藜蘆醇 DPPH L*(D65) a*(D65) b*(D65) H(D65) C(D65)2.7144 0.5420 0.6175 0.6617

22、0.3043 0.6276 0.9155 0.6563 0.8002 0.6942 0.67770.8677 0.4310 0.4323 1.6222 0.0886 0.9653 0.7465 0.1850 0.0040 0.3861 0.16250.4529 0.7666 0.3064 0.4462 0.3867 0.7132 0.6593 0.1045 0.1899 0.4230 0.06100.2308 0.0347 0.0286 0.0469 0.1181 0.1351 0.1033 0.2556 0.2852 0.0751 0.24890.0957 0.1610 0.0029 0.2

23、220 0.4104 0.0410 0.1273 0.2283 0.1232 0.0055 0.20060.5481 0.0206 0.0564 0.0839 0.2291 0.0463 0.3946 0.0890 0.0759 0.1036 0.07650.7125 0.5043 0.4409 0.4920 0.5552 0.5559 0.3793 0.0875 0.3957 0.5244 0.00502.5535 0.7276 0.6904 0.6543 0.6479 0.6217 0.7184 0.1563 0.2629 0.1067 0.17970.3942 0.7047 0.7305

24、 0.9473 0.0120 0.6501 0.7303 0.1602 0.0203 0.3663 0.13800.4432 0.2026 0.2756 0.3265 0.0747 0.3596 0.4207 0.1838 0.6065 1.9912 0.08650.8289 0.2423 0.2317 0.4444 0.7687 0.4035 1.2872 0.6328 0.0111 0.8897 0.45960.6133 0.0431 0.1630 0.3221 0.3361 0.3014 0.3746 0.0696 0.4534 0.3400 0.13040.2560 0.1355 0.

25、2272 0.2062 0.6454 0.2695 0.0019 0.1517 0.1266 0.1697 0.10060.0680 0.1855 0.2212 0.3948 0.4247 0.2928 0.4318 0.0938 0.5774 0.4565 0.17320.5653 0.4814 0.3811 0.6550 0.7850 0.7246 0.2589 0.1190 0.1653 0.1690 0.06740.3799 0.3648 0.3844 0.4851 0.7097 0.5061 0.1986 0.1504 0.2056 0.2688 0.08970.0521 0.321

26、6 0.0441 0.0627 0.4858 0.4471 0.0626 0.1719 0.1972 0.0871 0.16520.6949 0.3554 0.2726 0.2465 0.4882 0.3489 0.4486 0.1189 0.0538 0.0284 0.09830.2573 0.1868 0.1867 0.2187 1.4766 0.2644 0.1511 0.2791 0.0738 0.2356 0.21700.7409 0.2157 0.2473 0.1969 0.7571 0.3177 0.8874 0.4988 0.3040 0.4245 0.46820.1394 0

27、.3390 0.3776 0.1430 1.3727 0.5505 0.5263 0.0014 0.5450 0.5282 0.09310.1580 0.1313 0.1198 0.0806 0.1211 0.0755 0.1223 0.0362 0.0773 0.3298 0.02770.5445 0.4744 0.9758 1.4557 2.4693 1.5097 0.6688 0.0938 0.1113 0.3315 0.06720.0093 0.2233 0.1532 0.2524 0.8779 0.2762 0.0285 0.1583 0.2135 0.3157 0.09590.41

28、47 0.2716 0.3093 0.3985 0.3052 0.2772 0.2072 0.2506 0.4934 1.2301 0.15140.3622 0.4387 0.3155 0.4963 0.1823 0.5962 0.1209 0.2956 0.3853 0.1287 0.2984 表九 參考數(shù)列與比較數(shù)列的絕對差通過上表可以計算出兩極最大差與最小差，從而計算出關聯(lián)系數(shù)，通過查閱文獻得到得到關聯(lián)系數(shù)表如下：葡萄酒樣品花色苷 單寧 總酚 酒總黃酮 白藜蘆醇 DPPH L*(D65) a*(D65) b*(D65) H(D65) C(D65)1 0.1671 0.5017 0.469

29、1 0.4518 0.6425 0.4650 0.3732 0.4539 0.4052 0.4400 0.4459葡萄酒樣品 花色苷 單寧 總酚 酒總黃酮 白藜蘆醇 DPPH L*(D65) a*(D65) b*(D65) H(D65) C(D65)1 0.1671 0.5017 0.4691 0.4518 0.6425 0.4650 0.3732 0.4539 0.4052 0.4400 0.44592 0.3859 0.5589 0.5581 0.2514 0.8619 0.3609 0.4221 0.7478 0.9952 0.5859 0.7716 2 0.3859 0.5589 0.

30、5581 0.2514 0.8619 0.3609 0.4221 0.7478 0.9952 0.5859 0.77163 0.5466 0.4156 0.6409 0.5503 0.5855 0.4333 0.4527 0.8407 0.7428 0.5635 0.90133 0.5466 0.4156 0.6409 0.5503 0.5855 0.4333 0.4527 0.8407 0.7428 0.5635 0.90134 0.7035 0.9423 0.9524 0.9229 0.8234 0.8028 0.8423 0.6816 0.6573 0.8807 0.68744 0.70

31、35 0.9423 0.9524 0.9229 0.8234 0.8028 0.8423 0.6816 0.6573 0.8807 0.68745 0.8523 0.7733 0.9973 0.7116 0.5710 0.9322 0.8121 0.7058 0.8171 0.9925 0.73215 0.8523 0.7733 0.9973 0.7116 0.5710 0.9322 0.8121 0.7058 0.8171 0.9925 0.73216 0.4989 0.9659 0.9082 0.8684 0.7050 0.9238 0.5806 0.8614 0.8796 0.8419

32、0.8787 6 0.4989 0.9659 0.9082 0.8684 0.7050 0.9238 0.5806 0.8614 0.8796 0.8419 0.87877 0.4336 0.5198 0.5533 0.5259 0.4957 0.4953 0.5902 0.8634 0.5799 0.5100 0.99347 0.4336 0.5198 0.5533 0.5259 0.4957 0.4953 0.5902 0.8634 0.5799 0.5100 0.99348 0.1758 0.4284 0.4413 0.4546 0.4571 0.4674 0.4315 0.7785 0

33、.6755 0.8379 0.7532 8 0.1758 0.4284 0.4413 0.4546 0.4571 0.4674 0.4315 0.7785 0.6755 0.8379 0.75329 0.5808 0.4363 0.4274 0.3652 0.9809 0.4562 0.4275 0.7741 0.9664 0.5986 0.79949 0.5808 0.4363 0.4274 0.3652 0.9809 0.4562 0.4275 0.7741 0.9664 0.5986 0.799410 0.5520 0.7301 0.6650 0.6261 0.8813 0.6031 0

34、.5649 0.7490 0.4735 0.2148 0.8648 10 0.5520 0.7301 0.6650 0.6261 0.8813 0.6031 0.5649 0.7490 0.4735 0.2148 0.864811 0.3968 0.6932 0.7027 0.5513 0.4150 0.5751 0.2974 0.4629 0.9825 0.3799 0.542911 0.3968 0.6932 0.7027 0.5513 0.4150 0.5751 0.2974 0.4629 0.9825 0.3799 0.542912 0.4708 0.9288 0.7711 0.629

35、2 0.6192 0.6447 0.5932 0.8886 0.5463 0.6165 0.808412 0.4708 0.9288 0.7711 0.6292 0.6192 0.6447 0.5932 0.8886 0.5463 0.6165 0.808413 0.6813 0.8023 0.7068 0.7266 0.4580 0.6700 0.9991 0.7836 0.8130 0.7638 0.845813 0.6813 0.8023 0.7068 0.7266 0.4580 0.6700 0.9991 0.7836 0.8130 0.7638 0.845814 0.8910 0.7

36、472 0.7123 0.5805 0.5625 0.6513 0.5584 0.8549 0.4858 0.5446 0.760114 0.8910 0.7472 0.7123 0.5805 0.5625 0.6513 0.5584 0.8549 0.4858 0.5446 0.760115 0.4911 0.5314 0.5891 0.4544 0.4099 0.4294 0.6788 0.8223 0.7686 0.7646 0.8919 15 0.4911 0.5314 0.5891 0.4544 0.4099 0.4294 0.6788 0.8223 0.7686 0.7646 0.

37、891916 0.5898 0.5996 0.5870 0.5295 0.4345 0.5189 0.7340 0.7851 0.7272 0.6706 0.860416 0.5898 0.5996 0.5870 0.5295 0.4345 0.5189 0.7340 0.7851 0.7272 0.6706 0.860417 0.9148 0.6296 0.9273 0.8988 0.5291 0.5498 0.8989 0.7615 0.7354 0.8640 0.7687 17 0.9148 0.6296 0.9273 0.8988 0.5291 0.5498 0.8989 0.7615

38、 0.7354 0.8640 0.768718 0.4397 0.6059 0.6674 0.6895 0.5279 0.6103 0.5490 0.8224 0.9122 0.9527 0.8489 18 0.4397 0.6059 0.6674 0.6895 0.5279 0.6103 0.5490 0.8224 0.9122 0.9527 0.848919 0.6802 0.7459 0.7460 0.7147 0.2695 0.6742 0.7843 0.6622 0.8826 0.6992 0.7163 19 0.6802 0.7459 0.7460 0.7147 0.2695 0.

39、6742 0.7843 0.6622 0.8826 0.6992 0.716320 0.4240 0.7175 0.6888 0.7357 0.4187 0.6325 0.3805 0.5225 0.6427 0.5626 0.5383 20 0.4240 0.7175 0.6888 0.7357 0.4187 0.6325 0.3805 0.5225 0.6427 0.5626 0.538321 0.7977 0.6172 0.5913 0.7935 0.2841 0.4978 0.5091 1.0000 0.5003 0.5082 0.855821 0.7977 0.6172 0.5913

40、 0.7935 0.2841 0.4978 0.5091 1.0000 0.5003 0.5082 0.855822 0.7766 0.8073 0.8213 0.8730 0.8197 0.8802 0.8182 0.9399 0.8776 0.6237 0.9539 22 0.7766 0.8073 0.8213 0.8730 0.8197 0.8802 0.8182 0.9399 0.8776 0.6237 0.953923 0.5005 0.5350 0.3584 0.2723 0.1807 0.2652 0.4492 0.8549 0.8320 0.6225 0.892123 0.5

41、005 0.5350 0.3584 0.2723 0.1807 0.2652 0.4492 0.8549 0.8320 0.6225 0.892124 0.9857 0.7104 0.7819 0.6844 0.3831 0.6645 0.9526 0.7762 0.7196 0.6339 0.852124 0.9857 0.7104 0.7819 0.6844 0.3831 0.6645 0.9526 0.7762 0.7196 0.6339 0.852125 0.5684 0.6683 0.6387 0.5782 0.6418 0.6637 0.7256 0.6859 0.5252 0.3

42、070 0.7839 0.5684 0.6683 0.6387 0.5782 0.6418 0.6637 0.7256 0.6859 0.5252 0.3070 0.783926 0.6014 0.5545 0.6341 0.5238 0.7505 0.4778 0.8200 0.6491 0.5864 0.8104 0.6470 26 0.6014 0.5545 0.6341 0.5238 0.7505 0.4778 0.8200 0.6491 0.5864 0.8104 0.647027 0.5475 0.7793 0.7133 0.6417 0.6168 0.6464 0.4931 0.

43、9871 0.6846 0.7037 0.9142 0.5475 0.7793 0.7133 0.6417 0.6168 0.6464 0.4931 0.9871 0.6846 0.7037 0.9142表十 關聯(lián)系數(shù)計算表計算關聯(lián)度并對關聯(lián)度進行分析由表十得到了關聯(lián)系數(shù)表，對各個時期的關聯(lián)系數(shù)求平均值即得到了各個因素與葡萄酒的關聯(lián)度如下表：表十一 關聯(lián)度表由上表可以得到，單寧，總酚，a*(D65)，b*(D65)，C(D65)對葡萄酒的質量有較大的影響，而H(D65)，酒總黃酮等對葡萄酒質量的影響則次之。用同樣的方法可以得到葡萄的理化指標與葡萄酒質量的關聯(lián)度：表十二 釀酒葡萄的理化指標與葡萄

44、酒質量的關聯(lián)度由上表可以看出乙醇，乙酸乙酯，單寧，總酚，a*(D65),b*(D65),C(D65)對葡萄酒質量的影響較大，而苯乙醇和酒總黃酮對葡萄酒質量的影響次之。綜上所述，雖然釀酒葡萄和葡萄酒的理化指標對葡萄酒的質量有影響，但是關聯(lián)度都在0.50.7之間，所以不能用單獨用理化指標對葡萄酒的質量進行評價，還要結合其他指標對葡萄酒的質量進行分析。六、模型的評價 模型的優(yōu)點主成分分析法可以很好的解決決定因素多但是又無法全部考慮的問題，很大程度降低了計算量與計算難度。灰色關聯(lián)度分析法能夠把兩個變量之間的關聯(lián)程度量化，可以很好的解決決定因素和事物之間相互聯(lián)系的問題。 模型的缺點本模型沒有把葡萄酒具體的質量指標如：香氣，氣味等進行對應理化指標的分析。七、參考文獻（1）田民