畢業(yè)設(shè)計(jì) 畢業(yè)論文 數(shù)學(xué)建模論文 葡萄酒等級劃分體系模型的探究

【優(yōu)秀精品】畢業(yè)設(shè)計(jì)畢業(yè)論文數(shù)學(xué)建模論文葡萄酒等級劃分體系模型的探究葡萄酒等級劃分體系模型的探究針對葡萄酒評價體系不完善的，本文對葡萄酒評價究。問題，利用軟件，以函數(shù)問題，品酒員打分相互之間沒有影響

2.品酒員對樣品的給的總分是他對該樣品所有方面評分的總和，并且該樣品的最終得分可認(rèn)為是10位品酒員打分的平均值

3.題目所給的數(shù)據(jù)真實(shí)可靠4.釀酒方式及釀酒過程對葡萄酒的質(zhì)量沒有影響

5.不同種類葡萄酒的成份數(shù)據(jù)值統(tǒng)一標(biāo)準(zhǔn)沒有差異6.所有樣品的釀造過程相同。三、符號說明n 測試數(shù)量 r 測試水平量 A 因素 SS 各類數(shù)據(jù)源的平方和 Df 各類數(shù)據(jù)相應(yīng)的自由度 MS 各類的均方值 F 統(tǒng)計(jì)量 P 大于F的概率 各組均值對總方差的偏差平方和 各組數(shù)據(jù)對均值偏差平方和的總和 四、問題分析問題一的分析我們要根據(jù)附件1的數(shù)據(jù)可知：評酒員對紅酒27組樣品，和白酒28組樣品進(jìn)行評分，每件樣品都進(jìn)行了兩次評分，即是有兩組評分?jǐn)?shù)據(jù)，題目要求分析兩組評酒員的評分結(jié)果有無顯著性差異，以及那一組數(shù)據(jù)更加可信，對于顯著性的判斷，我們采用單因素方差分析法（AnalysisOfVariance）。對于每件樣品，評酒員對外觀，香氣，口感，及其整體評價進(jìn)行打分，每一組的每件樣品都有十名品酒員進(jìn)行評分，故求每個品酒員對樣品酒的總分，之后求出這十名品酒員給的總分的平均分，此平均分就是該樣品的總分，葡萄酒分為白酒和紅酒，我們對第一組的紅酒和第二組的紅酒進(jìn)行方差分析法，運(yùn)用matlab軟件中的anova1函數(shù)可得出p-value，及F值，通過分析就可知道那組更加具有顯著性。方差是考察數(shù)據(jù)的波動性的，方差小就說明數(shù)據(jù)比較穩(wěn)定，方差大就是波動性比較大，故通過比較兩組數(shù)據(jù)的方差大小，就知道那一組數(shù)據(jù)更加可信。問題二的分析根據(jù)問題一可知，第二組的評酒員的評酒分?jǐn)?shù)更可靠，所以選擇第二組葡萄酒的數(shù)據(jù)進(jìn)行處理。從評酒員對葡萄酒評分的分?jǐn)?shù)入手，用逆向思維反推葡萄的等級。首先將第一問中第二組的白葡萄酒和紅葡萄酒的每一種樣品的評分進(jìn)行分等級，依次分為四個等級,然后用EXCEL將每個等級的樣品酒的理化指標(biāo)畫成曲線圖，忽略異常數(shù)據(jù)點(diǎn)，觀察各等級間的理化指標(biāo)有沒有相關(guān)性，如果有相關(guān)性，找出影響葡萄酒質(zhì)量的相關(guān)因素，跟釀酒葡萄的理化指標(biāo)數(shù)據(jù)進(jìn)行對照，得出釀酒葡萄的分級依據(jù)。五、模型建立與求解5.1問題一的模型建立和求解對于兩組評酒員的評價結(jié)果有無顯著性差異，我們采用單因素方差分析法去解決。單因素方差分析法:只考慮一個因素A對所關(guān)心的指標(biāo)的影響，A取幾個水平，在每個水平上作若干個試驗(yàn)，試驗(yàn)過程中除A外其它影響指標(biāo)的因素都保持不變（只有隨機(jī)因素存在,我們的任務(wù)是從試驗(yàn)結(jié)果推斷，因素A對指標(biāo)有無顯著影響，即當(dāng)A取不同水平時指標(biāo)有無顯著差別。A取某個水平下的指標(biāo)視為隨機(jī)變量,判斷A取不同水平時指標(biāo)有無顯著差別，相當(dāng)于檢驗(yàn)若干總體的均值是否相等。設(shè)A取n個水平,在水平下總體服從正態(tài)分步N,,i1,...,n,這里,未知，可以互不相同，但假定有相同的方差，又設(shè)在每個水平下作了次獨(dú)立試驗(yàn)，即從中抽取容量為的樣本，記作服從N,，i1,…,n,j1,…,且且相互獨(dú)立。將這些數(shù)據(jù)列成表1（單因素試驗(yàn)數(shù)據(jù)表）的形式。表5.1單因素試驗(yàn)數(shù)據(jù)表分值 第一組紅酒 第二組紅酒 第一組白酒 第二組白酒 A1 X12 X21 X12 X21 A2 X21 X22 X21 X22 ..... A3 X31 X32 X31 X32 根據(jù)上述理論，首先我們對數(shù)據(jù)進(jìn)行處理，附件1里有四組數(shù)據(jù)：紅葡萄酒和白葡萄酒各有兩組數(shù)據(jù)，每種酒都有兩組人進(jìn)行對其進(jìn)行評分，每件樣品酒有十名品酒員號打分，采用單因素方差分析法，我們將樣品酒的總分作為唯一考慮的因素A，運(yùn)用matlab軟件編程求出品酒員對每組樣品打的總分的平均分，見下表：表5.2組樣品紅酒和白酒的總分樣品號 第一組紅葡萄酒品嘗綜合得分評分 第一組白葡萄酒品嘗綜合得分評分 第二組紅葡萄酒品嘗綜合得分評分 第二組白葡萄酒品嘗綜合得分評分 1 62.7 82 68.1 77.9 2 80.3 74.2 74 75.8 3 80.4 79.7 74.6 75.6 4 68.6 79.4 71.2 76.9 5 73.3 71 72.1 81.5 6 72.2 68.4 66.3 75.5 7 71.5 77.5 65.3 74.2 8 72.3 71.4 66 72.3 9 81.5 72.9 78.2 80.4 10 74.2 74.3 68.8 79.8 11 70.1 72.3 61.6 71.4 12 53.9 63.3 68.3 72.4 13 74.6 65.9 68.8 73.9 14 73 72 72.6 77.1 15 58.7 72.4 65.7 78.4 16 74.9 74 69.9 67.3 17 79.3 78.8 74.5 80.3 18 59.9 73.1 65.4 76.7 19 78.6 72.2 72.6 76.4 20 79.5 77.8 75.8 76.6 21 77.1 76.4 72.2 79.2 22 77.2 71 71.6 79.4 23 85.6 75.9 77.1 77.4 24 78 73.3 71.5 76.1 25 69.2 77.1 68.2 79.5 26 73.8 81.3 72 74.3 27 73 64.8 71.5 77 28 81.3 79.6 對這四組數(shù)據(jù)，我們將白酒和紅酒分開來判斷其有無顯著性，即第一組紅酒與第二組紅酒，第一組白酒和第二組白酒比較。運(yùn)用matlab軟件對數(shù)據(jù)處理編程得出以下結(jié)果，標(biāo)準(zhǔn)ANOVA表分析見下表：圖5.1白葡萄酒盒型（box）圖圖5.2紅葡萄酒的盒型（box）圖表5.3白葡萄酒ANOVA表表5.4紅葡萄酒ANOVA表表5.5方差分析表：方差來源 平方和SS 自由度df 均方（MS） 1-P分?jǐn)?shù)位F 概率p 因素A r-1 誤差 n-r 總和 通常情況下，實(shí)驗(yàn)結(jié)，才可以說數(shù)據(jù)之間具備了差異顯著或是極顯著。在作結(jié)論時，應(yīng)確實(shí)描述方向性（例如顯著大于或顯著小于）。sig值通常用P0.05表示差異性不顯著方差是考察數(shù)據(jù)的波動性的，方差小就說明數(shù)據(jù)比較穩(wěn)定，方差大就是波動性比較大圖各個等級中各樣品的單寧含量圖黃酮與樣品的關(guān)系圖圖總酚與樣品的關(guān)系圖圖5.12單寧與樣品的關(guān)系圖圖5.13花色苷與樣品的關(guān)系圖用MABTLE軟件對以上四幅圖進(jìn)行相關(guān)性分析，由corrcoef得出四幅圖的結(jié)果的絕對值都接近1，且regress函數(shù)的出stats中的p小于0.05故可知有相關(guān)性，其中單寧的相關(guān)系數(shù)到達(dá)-0.8278，總酚的相關(guān)系數(shù)達(dá)到-0.8341，花色苷的相關(guān)系數(shù)達(dá)到-0.8533，呈強(qiáng)相關(guān)性。白藜蘆醇的相關(guān)系數(shù)為-0.508，酒總黃酮的相關(guān)系數(shù)為-0.486，呈弱相關(guān)性。各圖的代碼如附錄2.綜上所述，影響紅葡萄酒質(zhì)量的等級的因素有單寧，總酚，花色苷，這三個因素直接影響了紅葡萄酒的分級，但紅葡萄酒的分級也直接影響了釀酒葡萄的質(zhì)量分級。下面通過紅葡萄酒的理化指標(biāo)結(jié)合釀酒葡萄的數(shù)據(jù)對釀酒葡萄進(jìn)行分等級：表5.6影響紅葡萄酒分級的因素成分?jǐn)?shù)據(jù)表影響紅葡萄酒分級的成分?jǐn)?shù)據(jù)表 葡萄酒樣品 花色苷 總酚 單寧 葡萄樣品9 240.843 80.741 12.933 葡萄樣品23 172.626 153.698 10.888 葡萄樣品20 23.523 58.922 5.864 葡萄樣品3 157.939 49.662 13.259 葡萄樣品17 59.424 67.062 9.170 葡萄樣品2 224.367 124.863 11.078 葡萄樣品14 140.257 108.190 6.073 葡萄樣品19 115.704 50.321 5.981 葡萄樣品21 89.282 238.064 10.090 葡萄樣品5 120.606 66.962 5.849 葡萄樣品26 58.469 63.033 3.615 葡萄樣品22 74.027 56.243 7.105 葡萄樣品27 34.190 34.694 5.961 葡萄樣品24 144.881 59.246 5.747 葡萄樣品4 79.685 116.270 6.477 葡萄樣品16 60.660 65.280 4.832 葡萄樣品13 65.324 52.845 6.385 葡萄樣品10 44.203 96.353 5.567 葡萄樣品12 32.343 72.813 6.458 葡萄樣品25 49.643 52.814 5.406 葡萄樣品1 408.028 159.522 11.030 葡萄樣品6 46.186 149.183 7.354 葡萄樣品8 241.397 94.152 12.028 葡萄樣品15 52.792 75.443 3.985 葡萄樣品18 40.228 56.502 4.447 葡萄樣品7 60.767 106.428 4.014 葡萄樣品11 7.787 65.235 4.588 、參考文獻(xiàn)[1]?姜啟源，謝金鑫，葉俊.數(shù)學(xué)建模，北京：高等教育出版社，200