2012高教社杯全國生數(shù)學建模競賽

對于問題一，首先要分析兩組結果是否有顯著性差異，首先依據(jù)中的normplot函數(shù)繪圖，判定兩組評價結果服從正態(tài)分布，且適用t-檢驗:雙樣本等方差（5，E（5,15,27B9,10,23,24,25,28CD，對于問題三，先利用BP神經(jīng)網(wǎng)絡對釀酒葡萄和葡萄酒的理化指標定性判斷得到兩者有很大聯(lián)系。再通過SPSS軟件的相關分析確定所有理化指標間的相關性。對結果進來的葡萄酒質量與題中評酒員打分得到的進行偏差比較，得出結論為：能用理關鍵字：t-檢驗熵值法BP神經(jīng)網(wǎng)絡SPSS19.0軟件問題 分析附件1中兩組評價結果有無顯著性差異問題 分析附件1中兩組評酒員的評價結果，哪一組結果更可信問題 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問題 分析釀酒葡萄與葡萄酒的理化指標之間的聯(lián)系4.14.21.1，首先，依據(jù)題意設定顯著性水平值。對結果進行判斷是否符合正p值與設定的顯著性水平進行比較，即可得到兩組評價結果的顯著性水平的結論。對于問題將以上兩類指標的得分通過BP神經(jīng)網(wǎng)絡進行訓練，實現(xiàn)釀酒葡萄的分級。式，再通過熵值法確定理化指標對葡萄酒質量的影響。另外，將理化指標通過SPSS降算出來的葡萄酒質量。將該與題中評酒員打分得到的進行偏差比較得出結i第k組評酒員對第i組第i第k組第inpji1tP3）兩組評酒員對紅、白葡萄酒的匯總得分的處理123456789表一27123456789表二284）顯著性水平的顯著性水平為：0.01;0.05;0.1。0p0.01p0.05p0.1p原假設H0:u1=u2；備擇假設H1：u1≠u2； t

s s v nn1 n2

pt

2(1 (x1x2ss s12 t第四步：將變量對應填入彈出的框，單擊“確定”即可。t-檢驗:雙樣本等方差假設（紅葡萄酒t-檢驗:雙樣本等方差假設（白葡萄酒變量變量變量變量00tt-P(T<=t)P(T<=t)ttP(T<=t)P(T<=t)ttp定葡萄酒香氣，再由兩組評酒員對香氣打分得到的與之相比的偏差得到。 x'

max(x,x,...,x)min(x, ,...,x) 1 2 1 2 njp n jj項指標，指標值的差異越大，對方案評價的左右就越大，熵值就越小，計算：g1ej（Ee，0g1， 1 第五步：求權值。計算為

w (1jmjm

m fk i1萄的；n為釀酒葡萄的品種數(shù)。n函數(shù)：

n

is(k)i

xk

葡萄酒評價分的方差；x(k)為第k組第j個評酒員對第i種紅葡萄酒的評分； 為第k 第in分分結合題意，葡萄酒的質量將由每個評酒員在對葡萄酒進行品嘗后對其分類指標打 ，在0~1內賦予一定的評價分數(shù)。12345678910表 27種紅葡萄酒的質量得12345678910表八28過SPSS19.0中降維兩種方法同時求解得到指標中的主成分及各指標所占的。 求各指標的步驟如下確定各主成分所占的；的各指標所占的權重，利用軟件求解。主成分的貢獻率合計貢獻率123456789表九27主成分的貢獻率合計貢獻率12345678表十28292930種理化指標對紅、白葡萄酒理化指標的影響將上述與釀酒葡萄自身的數(shù)據(jù)進行相乘，得到釀酒葡萄理化指標的評價，得分1234567891表十 27種紅葡萄的理化指標得1234567891表十 28種白葡萄的理化指標得合指數(shù)評價和BP神經(jīng)網(wǎng)絡兩種方法得到。5.2.1.2綜合指數(shù)法是指在確定一套合理的經(jīng)濟效益指標體系的基礎上，對各項經(jīng)濟效綜合指數(shù)法是指在確定一套合理的經(jīng)濟效益指標體系的基礎上，對各項經(jīng)濟效益指標 指數(shù) 平均，計算出經(jīng)濟效益綜合值，用以綜合評價經(jīng)濟效益的一種方法。即將一組相同或不同指數(shù)值通過統(tǒng)計學處理，使不同計量單位、性質的指標值標準化，最后轉化成一個綜合指數(shù)，以準確地評價工作的綜合水平。綜合指數(shù)值越大，工作質量越好，指標多少不限。綜合指數(shù)法將各項經(jīng)濟效益指標轉化為同度量的 指數(shù)，便于將各項經(jīng)濟效益指標綜合起來，以綜合經(jīng)濟效益指數(shù)為企業(yè)間綜合經(jīng)濟效益評比排序的依據(jù)。各項指標的權數(shù)是根據(jù)其重要程度決定的，體現(xiàn)了各項指標在經(jīng)濟效益綜合值中作用的大小。綜合指數(shù)法的基本思路則是利用層次分析法計算的權重和模糊評判法取得的數(shù)值進行累乘，然后相加，最后計算出經(jīng)濟效益指標的綜合評價指數(shù)。為了簡化計算，模型只考慮方法。即將一組相同或不同指數(shù)值通過統(tǒng)計學處理，使不同計量單位、性質的指標值標準化，最后轉化成一個綜合指數(shù)，以準確地評價工作的綜合水平。綜合指數(shù)值越大，工作質量越好，指標多少不限。n

i5,jd yijmin(yij max(y)min(y式i為第i種主成分的權重，由各主成分的當前貢獻率求得。對葡萄等級的影響的得分，M評酒員對葡萄酒的評分。s為總合分。5.2.1.3第二等級第三等級由等級劃分結果可看出權重不同，對有的葡萄影響很大，而對有的影響很小，人工神經(jīng)網(wǎng)絡是在現(xiàn)代神經(jīng)科學的基礎上提出和發(fā)展起來的，旨在反映人腦結構BP網(wǎng)絡的學習過程可分為信號的正向和誤差的逆向兩部分。在正向d yijmin(yij max(y)min(y我們設置eps0.6510^3L500000。中間只需要一個隱含層。為了保證訓練效果，該層設置了5個節(jié)點。劃分，我們采用A、B、C、D、E五級劃分。五級對應的值如下表所示：ABCDE：136813680136913690BP8函數(shù)e，允許精度eps和最多學習次數(shù)L；1010另外，利用設置輸出和實際輸出進行比較，利用相對偏差求偏差。設對，設置輸出為，實際輸出為，則相對誤差為： 對以上兩組值進行發(fā)現(xiàn)，發(fā)現(xiàn)對紅葡萄神經(jīng)網(wǎng)絡的相對誤差為=2.11%，白葡萄神經(jīng)網(wǎng)絡的相對誤差為=5.65%。這兩個誤差都非常小，說明經(jīng)過本次神經(jīng)網(wǎng)絡訓練后，釀酒葡萄（紅葡萄酒）等級劃分（基于神經(jīng)網(wǎng)絡訓練239541867酒葡萄（白葡萄酒）等級劃分（基于神經(jīng)網(wǎng)絡訓練593612478綜合值、之后，利用對這兩種值所得到的繪走勢圖，得到下圖：由該圖發(fā)現(xiàn)，第、、、、種釀酒紅葡萄和紅葡萄酒的都非常靠前，應該被分在比較好的等級；第、、、、種釀酒紅葡萄和紅葡萄酒的都非常由該圖發(fā)現(xiàn)，第5、9種釀酒白葡萄和白葡萄酒的都非?？壳埃瑧摫环衷诒?、11種釀酒白葡萄和白葡萄酒的都非常靠后，應該被分在比較低d yijmin(yij max(y)min(y30個SPSS中選取之后的釀酒葡萄的理化指標和葡萄酒的理化指標之間有較大相關性指標見附錄二。SPSS分析得：對于紅葡萄酒，葡萄酒的花色苷與釀酒葡萄的蛋白質、總酚、苷、PH值、出汁率正相關；酒總黃酮與蛋白質、花色苷、PH值、出汁率正相關。葡萄酒的質量成正比的，含酸量要在一定的范圍內（6g/L~10）才能釀成口味較萄酒的Ph值一般在（3.0~3.6。氨基酸，蛋白質，vc酶萄，果穗質量，百粒質量，出汁率，果皮顏色（紅葡萄酒）果梗比，果皮質量（g），果皮顏色（白葡萄酒身的10.5926外，誤差都小于25%，均在可以接受范圍內。對于問題二，利用綜合指數(shù)評價求解后，在此基礎上進行改進，引入神經(jīng)網(wǎng)絡算對于問題三，我們利用39個因間的相關性來判斷葡萄酒的理化指標與釀酒葡我們可以進行如下改進，首先通過主成分分析方法確定比較大的一些理化指標，忽，【3】林杰斌，劉明德，SPSS11.0與統(tǒng)計模型構建，：【6】林翠香，基于數(shù)據(jù)挖掘的葡萄酒質量識別，中南大學 AE%97%E6%B3%95&prd=so_auto_doc_list， 附錄一、源程loadclhsjfileloadclhsjfilefori=1:27fori=1:27for

fori=1:28fori=1:28for

[fchjpj1fchjpj2][fcbjpj1fcbjpj2][fcpj1fcpj2]jb=[12];zu1=[fchjpj1fcbjpj1];zu2=[fchjpj2fcbjpj2];clearallloadxqdffileredxq1redxq2whitexq1loadfxwzfile%將數(shù)值標準化處理，處理為0~1之間forforforif

fori=1:27ifhjpjwc1<hjpjwc2

%將數(shù)值標準化處理，處理為0~1之間forforforif

fori=1:28ifhjpjwc1<hjpjwc2

clearallloadlhzbdffileload[hzldfsxq3]=sort(hjzldf);[bzldfsxq4]=sort(bjzldf);hjxl1=[hlhdfsx(1)hlhdfsx(3)hlhdfsx(6)hlhdfsx(8)hlhdfsx(11)hlhdfsx(14)...hlhdfsx(17)hlhdfsx(20)hlhdfsx(22)hlhdfsx(25)hlhdfsx(27)];hjxl2=[hzldfsx(1)hzldfsx(3)hzldfsx(6)hzldfsx(8)hzldfsx(11)hzldfsx(14)...hzldfsx(17)hzldfsx(20)hzldfsx(22)hzldfsx(25)hzldfsx(27)];forif

%將結果進行分級（~0.2E級，0.2~0.4D級，0.4~0.6C級，0.6~0.8B級，0.8~A級for

bjxl1=[blhdfsx(1)blhdfsx(3)blhdfsx(6)blhdfsx(9)blhdfsx(12)blhdfsx(14)...blhdfsx(17)blhdfsx(20)blhdfsx(23)blhdfsx(26)blhdfsx(28)];bjxl2=[bzldfsx(1)bzldfsx(3)bzldfsx(6)bzldfsx(9)bzldfsx(12)bzldfsx(14)bzldfsx(17)bzldfsx(20)bzldfsx(23)bzldfsx(26)bzldfsx(28)];forif

%將結果進行分級（~0.2E級，0.2~0.4D級，0.4~0.6C級，0.6~0.8B級，0.8~A級for

loadzldffileclearallforfor savezldffilehjzldfclearallloadlhzbqzfileloadhbptlhhsjfileforforj=1:30xlabel('27種釀酒紅葡萄')forforj=1:30xlabel('28種釀酒白葡萄')clearallloadlhzbfileforforif