(完结版)葡萄酒的评价
葡萄酒的评价
摘要
本文通过对品酒员的葡萄酒评价结果、葡萄酒和酿酒葡萄的理化指标、芳香物质的数据统计分析，利用SPSS软件、EVIEWS软件、MATLAB软件，对葡萄酒作出评价。
问题一：首先对缺失的数据采用热卡插值法填补，缺失值为2；其次我们对每一酒样品总分求均值，利用SPSS软件进行配对t检验，进行显著性差异分析，可知两组品酒员的评价结果之间存在显著性差异；然后我们采用方差分析法，对每组品酒员内部打分结果进行方差比较，利用MATLAB求解得出：对于红白葡萄酒，第二组的方差普遍都比第一组小，第二组的打分结果比较可信。
问题二：通过SPSS软件的因子分析，分别对酿酒葡萄的一级理化指标和二级理化指标进行主成分分析，得出可以囊括酿酒葡萄重要特征的重要主成分，其中红葡萄得到9种主成分，白葡萄得到10种主成分。再以主成分为自变量进行聚类，将具有共同特征的酿酒葡萄归为一类，再对葡萄样品进行聚类，对酿酒葡萄进行等级划分，红白葡萄均归为5类。最后结合在第一问中求得的可信组品酒师的葡萄酒的总评分，确定每一类酿酒葡萄的等级。
分类红葡萄样品编号白葡萄样品编号
1 2,3,9,232,3,5,9,10,12,22,24,25,26,28
2 10,13,19,20,25,26,2727
3 4,5,6,7,12,15,16,17,18,21,22,2
4 1,2,15
4 1，8，144,6,7,11,14,17,18,20,21,23
5 11 8,16,19
通过SPSS软件对葡萄酒质量进行聚类，将聚类结果与对应的一级理化指标聚类结果比较，得到的红、白葡萄酒的吻合率分别为0.25926、0.37037，可见仅用酿酒葡萄的理化指标来评价葡萄酒质量不是很合理。
问题三：首先通过pearson相关性分析，对酿酒葡萄和葡萄酒的理化指标进行初步的相关性判定，得出两者的理化指标大多数指标呈正相关，然后对葡萄酒的理化指标进行标准化，将酿酒葡萄的理化指标作为自变量，将葡萄酒的理化指标作为应变量，采用EVIEWS软件将标准化后的葡萄酒的理化指标和酿酒葡萄的主成份进行逐步回归，建立回归模型，分析得到白藜芦醇等白葡萄相关关系式的R方值较小，可见虽然存在着一定的线性关系，但是关系较弱。
问题四：结合酿酒葡萄和葡萄酒的理化指标、芳香物质与葡萄酒质量，利用支持向量回归机分别对其进行回归分析和相关性分析，并对葡萄酒质量进行预测，将预测值与实际值比较发现拟合度较好，得出酿酒葡萄和葡萄酒的理化指标与葡萄酒质量呈正相关，并从回归模型中可知，芳香物质与葡萄酒的质量有一定的关系，不能仅仅用酿酒葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
关键词：葡萄酒；回归分析；配对t检验；聚类；支持向量回归机
一．问题重述
确定葡萄酒质量时一般是通过聘请一批有资质的评酒员进行品评。每个评酒员在对葡萄酒进行品尝后对其分类指标打分，然后求和得到其总分，从而确定葡萄酒的质量。酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系，葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量。附件1给出了某一年份一些葡萄酒的评价结果，附件2和附件3分别给出了该年份这些葡萄酒的和酿酒葡萄的成分数据。请尝试建立数学模型讨论下列问题：
1. 分析附件1中两组评酒员的评价结果有无显著性差异，哪一组结果更可信？
2. 根据酿酒葡萄的理化指标和葡萄酒的质量对这些酿酒葡萄进行分级。
3. 分析酿酒葡萄与葡萄酒的理化指标之间的联系。
4．分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量？
二．问题假设
1.假设每位品酒员之间是相互独立的，且评分是绝对公正的。
2.假设每个样品酒都是随机取得的。
3.假设允许存在计算误差。
4.假设两组评酒员在进行评分时是只与自身专业评价标准有关。
三．符号表示
a表示第一组品酒员
b表示第二组品酒员
1
f表示红葡萄酒的质量
2
f表示白葡萄酒的质量
1,1,2 (11)
i
w i=表示红葡萄酒中的芳香物质
2
,1,210 i
w i=表示白葡萄酒中的芳香物质
1,1,25
i i
α=表示酿酒红葡萄中的芳香物质
2
,1,27 i
i
α=表示酿酒白葡萄中的芳香物质
表示红葡萄酒的九个理化指标
表示酿酒红葡萄的八个主成分
表示红葡萄酒的残差
表示白葡萄酒的八个理化指标
表示酿酒白葡萄的九个主成分
表示白葡萄酒的残差
表示回归方程的系数
2
R表示方程的拟合度
四．问题分析
问题一：
由于题目给出的数据中缺失评酒员4对酒样品20的色调评分，因此我们先用热卡插补法进行数据填补。再用统计的方法，计算出每组对每一个样品酒分类打分指标的平均值，利用SPSS软件对两组品酒员与对应酒样品评价之间进行配对t检验，对求得的P值进行显著性差异分析，判断两组品酒员的评价结果是否存在差异；然后计算出两组品酒员对每一酒样品的评价总分，分别计算两组品酒员对每一酒样品的方差，利用方差来表示组内评分结果的稳定性，比较分析两组品酒员的可信度。
问题二：
该问题要求根据酿酒葡萄的理化指标和葡萄酒的质量对酿酒葡萄进行等级划分，结合问题一得到的更可信的葡萄酒质量评分，综合考虑各类因素的情况进行综合评价。由于酿酒葡萄的理化指标较多，我们利用SPSS软件分别对一级理化指标和二级理化指标进行主成分分析，再利用K-聚类的方法分别对酿酒葡萄的理化指标进行聚类并结合葡萄酒的质量，对酿酒葡萄的质量进行分级。
问题三：
为分析酿酒葡萄与葡萄酒的理化指标之间的联系，首先定性的分析葡萄酒中比较重要的理化指标和酿酒葡萄中的理化指标，再利用SPSS软件对葡萄酒的理化指标进行标准化，采用EVIEWS软件将标准化后的葡萄酒的理化指标和酿酒葡萄的主成份进行逐步回归，得到酿酒葡萄和葡萄酒的理化指标之间的联系。
问题四：
为分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量，分别随机选取20个标准化后的红、白葡萄和葡萄酒的理化指标和芳香物质与葡萄酒的质量之间回归分析，建立逐步回归模型，并将剩余的数据代入回归模型，预测葡萄酒的质量，将预测值与实际值比较；
采用SVR对随机选取20个标准化后的红、白葡萄和葡萄酒的理化指标和芳香物质与葡萄酒的质量进行相关性分析，并对剩余的数据进行葡萄酒质量的预测，将预测值与实际值比较，绘制折线图，比较逐步回归模型和SVR预测的准确性。
五． 模型建立与求解
问题一：分析两组品酒员的评价结果有无显著性差异，并判断哪一组更可信。
1. 缺失数据的补充
经过对数据缺失的分析，我们认为该资料的缺失属于完全随机缺失。因此，我们选择热卡插补法，尽可能寻找和遗漏值相似的数值来替代之，算出4号评酒员所评价的其他样品酒与样品酒20的相关系数，，从而确定整体数据与样品酒20相近的样品酒。
对于X 与Y 两个变量，两者间的相关系数xy ρ为
2
2
()()()()
i
i
XY i
i
X X Y Y X X Y Y ρ--=
--∑∑∑
其中[1,1]XY ρ∈-.如果0XY ρ>，则X 与Y 成正相关关系；如果0XY ρ<，则X 与Y 成负相关关系；如果0XY ρ=，则X 与Y 不想关。||1XY ρ→，则X 与Y 相关性越密切。
运用matlab 软件计算出其余样品酒与样品酒20的相关性，得到相关系数最高的是酒样品11，0.9340XY ρ=，因此，用酒样品的色调分数代替缺失数据，则4号评酒员对样品酒20的色调评分为2分。
2. 两个样本的显著性差异检验
正态分布检验
数据服从正态分布的检验在对两样本显著性检验时，要确定样本的总体是服从正态分布，采用JB 统计量对红（白）葡萄酒样品的评分均值服从正态分布。
221(3)64T k JB S K -??=
+-????
其中，S 、K 分别表示偏度和峰度。在正态分布的假设下，JB 统计量服从自由度为2的2χ分布。如果这个概率值越大，认为样本的确来自正态分布的总体。
采用EVIEWS 软件，对红（白）葡萄酒样品的评分均值进行正态分布检验，
得两组评酒员对红（白）葡萄酒的某个酒样品质量评分数据服从正态分布。
表1.1 JB 正态分布检验结果
第一组白葡萄酒 第二组白葡萄酒 第一组红葡萄酒 第二组红葡萄酒 JB 值 0.0637 5.524 4.1458 0.3068 概率P
0.9686
0.0632
0.1258
0.8578
配对样本t 检验
建立假设0H ：0Y μ=，1H ：0Y μ≠，并构造t 统计量
)1(~1
/--=
n t n s y
t y
在显著水平0.05α=的情况下，对白葡萄酒进行t 检验得到的P=0.019<0.05，对红葡萄酒进行t 检验得到的P=0.019<0.05，因此，在对白葡萄酒和红葡萄酒的评价中，两组评价结果存在显著性差异。
分别根据品酒员对红（白）葡萄酒样品的分类打分指标，求出分类打分指标均值（详见附录），利用SPSS 软件对红（白）葡萄酒的分类打分指标均值进行配对样本t 检验。
计算得出，在显著水平0.05α=的情况下，两组评酒员对红（白）葡萄酒某个样品酒
的评价结果有无显著差异见下表：
表1.2两组红葡萄酒间显著性差异分析结果 酒样品 1 2 3 4 5 6 7 8 9 10 11 12 13 14 差异 否 是 是 否 否 是 是 否 是 是 是 是 否 否 酒样品 15
16 17 18 19 20 21 22 23 24 25 26 27 差异
是
是
是
否
是
否
是
是
是
是
否
否
否
表1.2两组白葡萄酒间显著性差异分析结果
酒样品 1 2 3 4 5 6 7 8 9 10 11 12 13 14 差异 是 否 否 否 是 是 是 否 是 是 否 是 是 是 酒样品 15
16 17 18 19 20 21 22 23 24 25 26 27 28 差异
是
是
否
否
是
否
否
否
否
否
否
否
是
否
3. 利用方差对两组品酒员的评价结果进行可信度分析
方差表示一组数据的稳定性，我们采用方差来比较两组内部十个品酒员之间评分的稳定行来判断该组的打分结果是否可信。
对两组品酒员对红（白）葡萄酒的评分结果进行数据统计分析，计算方差（见附录），利用MATLAB 软件对两组的方差进行比较（程序见附录），绘制散点图（图1.1）
图1.1 两组品酒员的评分方差散点图
根据散点图可知：第二组对白葡萄酒和红葡萄酒的评分结果方差普遍比第一组小，方差越小表明组内品酒员评分结果越稳定，从而说明第二组品酒员的评价结果更可信。
问题二：根据酿酒葡萄的理化指标和葡萄酒的质量对这些酿酒葡萄进行分级。
1. 由于附件中酿酒葡萄一共有30个一级指标，27个二级指标，为了简化酿酒葡萄的理化指标，我们采用主成分分析法。
第一步，对原始数据进行标准化处理。
第二步，计算各个理化指标之间的相关系数矩阵：
??????????????=pp p p p p r r r r r r r r r R 212222111211 ),,2,1,(,p j i r j
i =
ij r 的计算公式为：∑∑∑===----=
n
k n
k j
kj i ki j kj n
k i ki
ij x x x x
x x x x
r 1
1
2
21
)()()
)((
第三步，计算特征值与特征向量，由特征向量组成m 个新的指标变量。
第四步，计算主成分贡献率：贡献率：
),,2,1(1
p L i p
k k
i
=∑=λ
λ
利用MA TLAB 对30个一级指标和27个二级指标进行主成分分析后，得到八个红葡
萄的理化指标主成分，九个白葡萄的理化指标主成分。
表2.1 红葡萄的一级理化指标主成分
主成份主要理化指标贡献率（单位：%）
第一主成份蛋白质、花色苷、DPPH自由
基、总酚、单宁、葡萄总黄酮、
百粒质量、果梗比、出汁率、
果皮颜色L
23.228
第二主成份氨基酸总量、总糖、还原糖、
可溶性固形、干物质含量
39.698
第三主成份柠檬酸、白藜芦醇、可滴定酸、
果皮颜色a、果皮颜色b
52.145
第四主成分苹果酸、多酚氧化酶活力、褐
变度、PH值
61.613
第五主成分VC含量、固酸比、果穗质量68.279
第六主成分黄酮醇74.084
第七主成分果皮质量78.813
第八主成分酒石酸83.044
酿酒红葡萄中第一主成分代表了红葡萄的结构与颜色，第二主成分体现了红葡萄的味感，第三主成分主要是红葡萄的风味与色泽，第四主成分代表了红葡萄的氧化程度等。
表2.2红葡萄的二级理化指标主成分
主成份主要理化指标贡献率（单位：%）
第一主成分天门冬氨酸、丝氨酸、谷氨酸、
丙氨酸、缬氨酸、蛋氨酸、异
亮氨酸、亮氨酸、赖氨酸、组
氨酸、精氨酸、H3
21.051
第二主成分顺式白藜芦醇苷、C1、C2、C3、
杨梅黄酮
33.990
第三主成分反式白藜芦醇苷、反式白藜芦
醇、槲皮素、山萘酚、异鼠李
素
45.995
第四主成份脯氨酸、果糖、葡萄糖54.863 第五主成分甘氨酸62.565 第六主成分酪氨酸、顺式白藜芦醇69.269 第七主成分胱氨酸、H2 74.151 第八主成分H1 78.085 第九主成分苯丙氨酸81.826
酿酒红葡萄中第一主成分代表了红葡萄氨基酸，第二主成分体现了红葡萄的醇和酮，第三主成分主要是红葡萄的醇，第四主成分代表了红葡萄的糖等。
表2.3 白葡萄的一级理化指标主成分
主要理化指标贡献率（单位：%）
主成分一氨基酸总量、多酚氧化酶活力、单
19.435
宁、总糖、还原糖、可溶性固形物
干物质含量、果穗质量、百粒质量
出汁率、果皮颜色L、果皮颜色b
主成分二蛋白质、酒石酸、DPPH自由基
35.864
总酚、葡萄总黄酮、可滴定酸
固酸比、果皮质量
主成分三VC含量、果梗比、果皮质量
47.957
果皮颜色a
主成分四苹果酸、褐变度54.891
主成分五黄酮醇61.189
主成分六白藜芦醇66.703
主成分七柠檬酸71.787
主成分八PH值76.048
主成分九花色苷80.175
酿酒白葡萄中，第一主成分主要是白葡萄的味感，第二主成分代表了白葡萄的结构，第三主成分代表了白葡萄的成熟程度，第四主成分体现了白葡萄的氧化程度等。
表2.4 白葡萄的二级理化指标主成分
主要理化指标贡献率（单位：%）
主成分一天门冬氨酸、丝氨酸、谷氨酸、脯
27.951
氨酸、甘氨酸、丙氨酸、缬氨酸、
蛋氨酸、异亮氨酸、亮氨酸、赖氨
酸、组氨酸
主成分二反式白藜芦醇、果糖、葡萄糖、
39.296
C1、C2、C3
主成分三胱氨、酸、顺式白藜芦醇苷、H1、
48.666
H3
主成分四反式白藜芦醇苷、杨梅黄酮、槲皮、
57.558
素、山萘、酚、异鼠李素
主成分五酪氨酸63.698
主成分六精氨酸68.891
主成分七H273.716
主成分八苏氨酸77.890
主成分九苯丙氨酸81.439
主成分十顺式白藜芦醇84.489
酿酒白葡萄中，第一主成分主要是白葡萄的氨基酸，第二主成分主要是白葡萄的醇和糖。
主成分分析得到的新指标代替原来30个理化指标，得到的新指标关于样品的评价值（见附录）。
2.采用K-均值聚类的方法对样品进行聚类。
利用SPSS软件，对红（白）葡萄的一、二级理化指标进行5次聚类，得到结果：
表2.5 葡萄一、二级指标聚类结果
聚类1 聚类2 聚类3 聚类4 聚类5
红葡萄一级指标样品1、8、14 样品2、3、9、
23
样品11 样品4、5、6、
7、12、15、
16、17、18、
21、22、24
样品10、13、
19、20、25、
26、27
红葡萄二级指标样品1、8 样品2、6、10、
12、14、16、
18、24、25、
26、27
样品3、9、13、
17、19、21、
23
样品11 样品4、5、
7、15、20、
22
白葡萄一级指标样品4、6、7、
11、14、17、
18、20、21、
23
样品1、13、
15
样品8、16、
19
样品27 样品2、3、
5、9、10、
12、22、24、
25、26、28
白葡萄二级指标样品5、10、
14、21
样品2、6、7、
8、15、22、
23、26
样品3、4、10、
12、20、24、
25、28
样品1、11、
13、16、17、
18、19
样品27
由于二级指标不能较全面的观察葡萄的质量，故采用一级指标的聚类结果和葡萄酒质量的对比，做相应的等级划分，划分结果如下：
表2.6 对应级别葡萄酒质量的平均分
聚类级别相应红葡萄酒质
量的平均分等级划分相应白葡萄酒质
量的平均分
等级划分
1 68.9 一般76.53 较差
2 75.975 好76.7333333
3 一般
3 61.6 差72 差
4 68.88462 较差77 较好
5 71.1 较好78.19091 好
根据上述表格可知，好的红葡萄样品有样品2、3、9、23，较好的红葡萄样品有样品10、13、19、20、25、26、27，一般的红葡萄样品有样品4、5、6、7、12、15、16、17、18、21、22、24，较差的红葡萄样品有样品1、8、14，差的红葡萄样品有样品11； 好的白葡萄样品有2、3、5、9、10、12、22、24、25、、26、28， 较好的白葡萄样品有27，一般的白葡萄样品有 1、2、15，较差的白葡萄样品有4、6、7、11、14、17、18、20、21、23，差的白葡萄样品有 8、16、19。
利用SPSS 软件对葡萄酒质量进行聚类（见附录），将其结果与对应的一级理化指标聚类结果比较，得到的红、白葡萄酒的吻合率分别为0.25926、0.37037，可见仅用酿酒葡萄的理化指标来评价葡萄酒的质量不是很合理。
问题三：分析酿酒葡萄与葡萄酒的理化指标之间的联系。
1. 根据问题和给出的数据可知，酿酒葡萄与葡萄酒的理化指标发生了很大的变化，为了分析酿酒葡萄与葡萄酒的理化指标之间的联系，我们先分别分析红葡萄、白葡萄与相应的葡萄酒之间重要的理化指标的定性关系。
根据资料可知，花色苷是红葡萄果实中重要的一类黄酮类物质，主要赋予葡萄和葡萄酒红色色调；单宁具有抗氧化性，使得红葡萄酒能长年熟成；酚类物质的含量与葡萄酒的色泽、香气和酒体特征等有密切的关系，这些理化指标均是酿酒葡萄与葡萄酒中重要的指标。而这些重要理化指标在葡萄与葡萄酒之间是否有关，我们先用MATLAB 对这四个理化指标在27个红葡萄与红葡萄酒样品中进行绘图，得到如下图所示的关系。
5
10
15
20
2530
010
2030
单宁
5
10
15
20
2530
02004006008001000
花色苷
0510********
10203040总酚0510********
10
2030
白藜芦醇
酿酒葡萄
葡萄酒
酿酒葡萄葡萄酒
酿酒葡萄葡萄酒
酿酒葡萄葡萄酒
图3.1葡萄酒与酿酒葡萄中指标的比较
白藜芦醇是存在于葡萄皮中的一种物质，在酿造过程中被酒精溶解进入葡萄酒中，而不同葡萄之间其含量会由于酿造工艺的不同差异很大，因此，我们选用单宁、总酚、总黄酮、白藜芦醇这四个理化指标的含量来刻画白葡萄与白葡萄酒之间的关系，并用MATLAB 进行绘图，结果如下图所示。
5
10
1520
25
30
02468
10单宁
5
1015202530
0510
1520
总酚
5
10
15
20
25
30
012345
白藜芦醇
5
10
15202530
00.10.20.30.40.5
DPPH 半抑制体积（IV50）
酿酒葡萄
葡萄酒
酿酒葡萄葡萄酒
酿酒葡萄
葡萄酒
酿酒葡萄葡萄酒
图3.2葡萄酒与酿酒葡萄中指标的比较
由图可看出，白葡萄与白葡萄酒理化指标之间的联系并不如红葡萄与红葡萄酒之间密切，但总体趋势还是大致成正比关系。为了进一步寻找它们之间的函数关系，我们选用逐步回归分析进行探究。
2. 建立逐步回归分析探究酿酒葡萄与葡萄酒理化指标的关系。
逐步回归是一种从众多变量中有效地选择重要变量的方法。其基本思路是先确定一初始子集，然后每次从子集外影响显著的变量中引入一个对因变量影响最大的，再对原来子集中的变量进行检验，从变得不显著的变量中剔除一个影响最小的，直到不能引入和剔除为止。
因此，葡萄酒中的花色苷、单宁、总酚、酒总黄酮、白藜芦醇、DPPH 半抑制体积、三类颜色指标作为因变量，酿酒葡萄中的理化指标作为自变量。
采用EVIEWS 软件对酿酒葡萄的主成份和葡萄酒的一级理化指标做逐步回归分析，建立回归模型。
1) 红葡萄与红葡萄酒之间的回归模型：
1112131415161718εεεεεεεεε?? ? ? ? ? ?= ?
? ? ? ? ??? 对上述建立的线性回归模型进行求解，得到红葡萄与红葡萄酒的理化指标之间的函数关系。
表3.1 红葡萄酒与红葡萄之间的拟合度拟
合
度
11
y
12
y
13
y
14
y
15
y
16
y
17
y
18
y
19
y
2
R0.831
003
0.8321
68
0.7951
02
0.7764
45
0.2768
04
0.7772
16
0.8195
10
0.6668
25
0.477
447
2)白葡萄与白葡萄酒之间的回归模型：
21
22
23
24
25
26
27
28
29
ε
ε
ε
ε
εε
ε
ε
ε
ε
??
?
?
?
?
?
?
=
?
?
?
?
?
?
?
??对上述建立的线性回归模型进行求解，得到白葡萄与白葡萄酒的理化指标之间的函数关系。
表3.1 白葡萄酒白红葡萄之间的拟合度拟
合度
21
y
22
y
23
y
24
y
25
y
26
y
27
y
28
y
2
R0.42670.66550.72820.11630.41360.64160.47340.7360
根据逐步回归分析得到的关系式可以得到酿酒葡萄与葡萄酒的理化指标之间的函数关系，但葡萄酒中的白藜芦醇指标与酿酒葡萄之间的相关性较低，为了分析该关系，我们运用相关系数进行计算，得到与白葡萄酒中白藜芦醇指标相关程度比较大的酿酒葡萄理化指标为总糖、酒石酸，且均和白藜芦醇成负相关关系，而正相关程度相对较大的酿酒葡萄理化指标为还原糖与a*(+红；-绿)问题四：分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
对酿酒葡萄和葡萄酒的理化指标、芳香物质与葡萄酒质量之间的相关性分析。
1.利用SPSS软件对原始数据进行标准化，任意选取其中的20个酿酒葡萄样品标准化的理论指标和芳香物质和葡萄酒的质量，进行回归分析，建立回归模型。
红色葡萄和葡萄酒的理化指标、芳香物质与葡萄酒质量的函数关系：
红色葡萄和葡萄酒的理化指标、芳香物质与葡萄酒质量的函数关系：
将剩余的标准化数据代入回归方程，预测葡萄酒的质量。
2. 采用SVR 支持向量回归机的方法，任意选取其中的20个样品对酿酒葡萄和葡萄酒的理化指标、芳香物质与葡萄酒质量之间的相关性分析。 SVR 支持向量回归机的知识点： 给定回归问题的训练集
,,.n l l i i R y R ∈∈1122(x ,y ),(x ,y ),(x ,y ),x ；
支持向量回归机通常采用ε-不敏感损失函数,并极小化权向量的模，从而得到一个二次规划问题
Min 2*
*1
||||(,,)()2l
i i i w w C τξξξξ==++∑ ..t s ??
???>>>+≤-?-+≤-+?0
,0,0))(())((**
εξξξεφξεφi i i i i i
i i b x w y y b x w
通过求解该优化问题得到最优解后，其回归函数可表示为
∑=+-=+=l
i i i i b x x b x w x f 1
*
),ker()()()(ααφ
其中i α和*i
α为支持向量，ker 为选取的核函数。由于支持向量回归机极小化结构风险，有效地克服了过学习现象，从而更加适用于小规模的回归问题（详
细见参考文献）。由于本文中的问题特征维数较高，因此我们选用带有线性核函数的支持向量回归机进行学习，具体操作软件为LIBSVM 2.83版本。
表4.1 回归检验指标
metrics
计算公式
SSE
SST
SSR
NMSE
表4.2 SVR 计算结果
SSE(回归平方和） SST （离差平方和） SSR （残差平方和） R 2
（拟合度） 红葡萄酒 2.348 1.437 0.98 0.68197634 白葡萄酒
2.454
1.424
0.886
0.622191011
对剩余的样品进行葡萄酒质量的预测，对预测值与实际值进行比较（见下图）
1
2
3
4
5
6
7
-2-101234LS 预测值实际值SVR 预测值
图4.1 红葡萄预测值与实际值的比较图
12345678
-4
-3-2-1012345
LS 预测值
实际值SVR 预测值
图4.2白葡萄预测值与实际值的比较图
根据上图可知，SVR 对数值的预测结果较回归分析好，能比较接近的反应葡萄酒的质量。
葡萄酒的质量分类指标评分过程中含有香气的指标，故我们在相关性分析过程中考虑了葡萄酒和酿酒葡萄中的芳香物质，得到的结果能很好的来用葡萄酒和酿酒葡萄的理化指标、芳香物质来对葡萄酒质量的评价，即不能仅用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
六． 模型评价
优点: .
本文在考虑到指标总表中多组数据成分来表示酿酒葡萄和葡萄酒的联系情况中，采用主成分分析法，把成分进行主要抽取，尽可能的压缩数据，从而得到简化，大大减少了计算量。
本文的第四位采用了SVR 支持向量回归机方法，对酿酒葡萄和葡萄酒的理化指标、芳香物质与葡萄酒质量之间的相关性分析。作为经典方法，它的好处在于使所有样本点离超平面的“总偏差”最小。这时样本点都在两条边界线之间，求最优回归超平面同样等价于求最大间隔。
缺点：
本文在求解过程中忽略了部分实际情况，如评酒员的喜好对评分造成的影响。
本文假设考虑的因素不够详细，致使所得结论还不能完全与实际相对应。
模型的优化改进：
在问题一上，对两组评分者的评分情况，我们没有对评分各组在同种样品酒上为什么存在评分差异进行细微的处理。依据样品酒评分不同，将其评分可分为客观性评分和主观性评分两类。评判过程中如果评分者严格要求依据一套评分标准，并且整个评分过程中保持一致，这样的评分结果才是可信的。但事实是任何评分标准不一致，从而导致测量的误差，影响测量的精确性。根据测量误差来源，
我们可以进行考察的指标分别是评分者内信度和评分者间信度，常用的方法可以用spearman相关系数法来计算。
参考文献
[1] 姜启源、谢金星、叶俊编，数学模型(第四版)，北京：高等教育出版社，2011
[2] 周明华、周凯、邬学军、李春燕， MATLAB实用教程，浙江工业大学出版
[3] 陈胜可编， SPSS统计分析从入门到精通，北京：清华大学出版社，2010
[4] 郭志刚主编，社会统计学分析方法—SPSS软件应用，中国人民大学出版社，1999
[5] 张晓峒编，Eviews使用指南与案例，机械工业出版社，2007
[6] 邓乃、，田英杰，数据挖掘中的新方法一支持向量机[M]，北京：科学出版社，2004：132—188
[7] Chang, C.C. and Lin, C.J. LIBSVM: a library for support vector machines, ACM Transactions on Intelligent Systems and Technology (TIST),Volume 2,Number 3, Pages 27,2011
[8] 高铁梅，计量经济分析方法与建模Eviews应用及实例（第二版），北京：清华大学出版社，2009
[9]LIBSVM，https://www.wendangku.net/doc/b45631895.html,/citation.cfm?id=1961199
附录
问题一
1.第一组品酒员对红葡萄酒样品的分类打分指标，求出分类打分指标均值:
外观澄清度色调
香气纯
正度
香气浓
度
香气质
量
口感纯
正度
口感浓
度
口感持
久度
口感质
量
整体评
价
样品1 2.3 6.4 4.3 5.4 12.2 2.9 4.5 5.2 11.8 7.7 样品2 2.9 7.2 4.5 6.5 13 4.7 6.8 6.7 18.4 9.6 样品3 3.4 8.6 4.7 6.2 13.2 4.7 6.2 6.7 17.3 9.4 样品4 4 8 3.4 4.7 11.2 3.4 5.4 5.6 14.5 8.4 样品5 4.3 8.4 4.5 5.9 12.6 4 4.9 5.3 14.8 8.6 样品6 3.9 7 4.5 6 12.2 3.6 5.3 6 15.1 8.6 样品7 4 5.8 4.2 5.7 11.6 4.3 5.5 6.1 15.4 8.9 样品8 2.7 7 4.7 6.4 13.6 3.7 5.8 5.8 14.2 8.4 样品9 3.1 7.4 5.5 7.3 14.4 4.7 6.4 6.4 16.6 9.7 样品10 4 6.8 4.7 6.2 12.6 4.1 5.7 5.9 15.4 8.8 样品11 4 4.6 4.4 6.4 12.6 3.9 5.7 5.9 14.2 8.4 样品12 1.1 4 2.7 4.2 9 2.8 4.5 5 12.7 7.9 样品13 2.6 7.6 4.6 5.8 12.8 4.3 5.9 6.1 16 8.9 样品14 3.7 8.2 4 4.8 11.6 4 5.8 5.9 16.3 8.7 样品15 3.9 7.6 2.4 4 9 2.9 3.9 5 12.4 7.6 样品16 3.1 7.4 4.7 6 12.6 4.2 6.1 6 15.7 9.1 样品17 3.9 7.8 4.8 5.9 12.8 4.7 6.6 6.4 17.2 9.2 样品18 1.8889 5 2.9 5.1 10 3.3 5 5.4 13.6 7.9 样品19 3.9 8 4.6 6.4 13 4.2 6.5 6.5 16.3 9.2 样品20 3.7 6.2222222 5.2 7.3 14 4.4 6.4 6.2 16.6 9.2 样品21 3.5 8 4.4 6.4 12.2 4.2 6.3 6 16.9 9.2 样品22 3.9 8 4.5 6.7 12.8 4.6 6.2 5.8 15.7 9 样品23 3.2 8.2 5.3 7.4 14.6 4.8 7 7 18.1 10 样品24 4.1 8 4.5 6.6 12.6 4.3 6.3 5.9 16.6 9.1 样品25 4 6.4 4.4 5.3 12 4.1 4.9 5.6 14.2 8.3 样品26 3.6 7.8 4.7 6 12.8 4.1 5.4 5.7 14.8 8.9 样品27 3.7 6.2 4.2 5.6 11.8 4.4 6 6.1 16 9
2.第二组品酒员对红葡萄酒样品的分类打分指标，求出分类打分指标均值:
外观澄清度色调
香气纯
正度
香气浓
度
香气质
量
口感纯
正度
口感浓
度
口感持
久度
口感质
量
整体评
价
样品1 3.1 7.6 3.6 5.5 10.8 3.8 5.7 6 13.6 8.4 样品2 3.1 7 4.5 5.6 12 4.1 6 6 16.6 9.1 样品3 3.4 6.8 4.2 6.2 12.2 4.4 6.1 6.1 16.3 8.9 样品4 3.5 6.4 4.2 6.1 12.2 3.9 5.3 5.7 15.1 8.8 样品5 3.6 7.2 4.1 5.4 11.4 4.1 5.6 6.1 15.7 8.9 样品6 3.5 5.2 3.9 5 11.2 3.9 5.2 5.6 14.2 8.6 样品7 3.5 4 3.7 5.2 11.2 3.7 5.4 5.7 14.5 8.4 样品8 3.4 6.8 4 5 10.4 3.7 4.9 5.5 13.9 8.4 样品9 3.6 7.4 5 6.9 13.6 4.2 6.1 6 16 9.4 样品10 3.8 6.8 4.4 4.8 11.8 3.8 5.1 5.7 14.2 8.4 样品11 3.6 3.4 3.8 5.9 11 3.4 4.6 5.4 12.4 8.1 样品12 3.5 5.2 3.7 4.9 11.2 4 6 5.7 15.4 8.7 样品13 3.7 5.8 4.8 5.5 12 4 5 5.5 13.9 8.6 样品14 3.3 7.4 4.2 5.8 11.8 3.8 5.6 5.7 15.7 9.3 样品15 3.6 6.4 3.1 5.6 10.2 3.8 5.1 5.5 14.2 8.2 样品16 3.2 6.8 3.8 5.1 11.8 4 5.5 5.8 15.1 8.8 样品17 3.4 6.8 4.8 6.3 12.2 4.2 6.1 6.3 15.4 9 样品18 3.6 4.2 3.3 4.8 10.6 3.8 5.3 5.9 15.1 8.8 样品19 3.5 7 4.4 5.9 12.2 3.9 5.3 6 15.7 8.7 样品20 3.6 4.8 4.9 6.8 13.2 4.2 6.1 6 16.9 9.3 样品21 3.2 7 3.7 5.9 11.8 4 5.8 6.1 15.7 9 样品22 3.4 6 4.3 6.2 11.6 3.9 5.6 5.7 16 8.9 样品23 3.6 7.8 4.6 6.7 13.8 4.4 6.4 5.8 15.1 8.9 样品24 3.5 6.6 4.2 5.8 12 3.9 5.7 5.9 15.1 8.8 样品25 3.7 6.6 4.3 5.2 11.6 3.9 4.8 5.6 13.9 8.6 样品26 3.7 7.4 4.5 5.6 12 4.1 5.5 5.9 14.5 8.8 样品27 3.7 6.2 4.1 5.4 12 4.2 5.2 5.9 16 8.8
3.第一组品酒员对白葡萄酒样品的分类打分指标，求出分类打分指标均值:
外观澄清度色调
香气纯
正度
香气浓
度
香气质
量
口感纯
正度
口感浓
度
口感持
久度
口感质
量
整体评
价
样品1 3.8 7.4 5 7 13.4 4.7 6.7 6.5 17.8 9.7 样品2 3.3 7.6 4.8 6.5 12.6 3.8 5.8 5.9 14.8 9.1 样品3 3.7 7.5 4.2 6.4 12.5 4.5 6.2 13.2 17.5 9.6 样品4 4 7.6 4.7 6.3 13 4.6 6.3 6.6 16.9 9.4 样品5 2 5.4 4.7 6.4 12.8 3.8 5.9 5.7 15.4 8.9 样品6 3.2 6.4 3.8 5.5 11.4 3.5 5.7 5.5 14.8 8.6
样品8 3 6.6 4 5.8 11.8 3.9 5.7 6.7 15.1 8.8 样品9 4.1 8 4.3 6.5 12.6 3.5 5.4 5.9 13.9 8.7 样品10 2.2 5.4 5.1 7.1 13.6 4.1 6.1 6.1 15.4 9.2 样品11 3.6 6 4.5 6 12.2 4.3 5.3 5.7 16 8.7 样品12 2.1 5 4.2 5.2 11.6 3.3 4.8 5.6 13.3 8.2 样品13 2.2 5.2 3.7 5.4 11.2 3.9 5.6 5.4 14.8 8.5 样品14 3 5.6 4.4 6.3 12.8 4.1 5.8 6.1 15.1 8.8 样品15 3 6 4.5 6.6 12.6 4 5.8 5.8 15.4 8.7 样品16 2.5 6.8 4.5 6.2 12.2 4.3 6.1 6.1 16 9.3 样品17 3.9 7.6 4.9 7.1 13.6 4.2 5.9 5.9 16.3 9.4 样品18 3.9 5.8 4.7 6.1 12.4 4.2 5.7 6 15.4 8.9 样品19 2.9 6.4 4.1 6.3 12.2 4.2 6.1 6.3 15.1 8.6 样品20 3.8 7.2 4.7 6.6 13.2 4.5 6.1 6.1 16.6 9 样品21 2.6 5.6 5 7 13.6 4.2 6.2 6.4 16.6 9.2 样品22 3.4 7.6 4.9 6.7 13.6 3.2 4.9 5.4 13 8.3 样品23 3.1 6.6 4.5 6.6 12.4 4.5 6.6 6.4 16 9.2 样品24 3.6 7.6 3.9 5.8 12.2 3.5 6.2 5.9 15.7 8.9 样品25 4.4 7.8 4.9 7.1 13.6 3.5 5.9 6 15.1 8.8 样品26 4.1 8.2 5.1 7.3 13.4 4.4 6.8 6.6 16 9.4 样品27 2.3 6.2 3.7 5.1 11.2 3.2 5.1 5.1 14.2 8.3 样品28 4.3 8.4 4.8 6.8 13.4 4.2 6.4 6.7 16.9 9.4
4.第二组品酒员对白葡萄酒样品的分类打分指标，求出分类打分指标均值:
外观澄清度色调
香气纯
正度
香气浓
度
香气质
量
口感纯
正度
口感浓
度
口感持
久度
口感质
量
整体评
价
样品1 3.5 6.6 4.6 6.1 12.8 4.8 6.3 6.6 17.2 9.4 样品2 3.5 7.4 4.3 6.2 12.2 4.7 5.7 6 16.6 9.2 样品3 3.1 6.6 4.4 6 12.6 4.4 5.8 6.5 16.9 9.3 样品4 3.4 7 4.5 5.6 12 4.7 6.3 6.6 17.5 9.3 样品5 3.4 7.2 5.1 7 13.6 4.6 6.6 6.6 17.8 9.6 样品6 3.4 5.6 4.6 6.3 12.8 4.5 6.2 6.3 16.6 9.2 样品7 3.3 6.6 4.6 6.3 12.4 4.4 6.2 6.1 15.7 8.6 样品8 3.4 6.6 4.4 5.6 12 4.5 5.5 5.8 15.4 9.1 样品9 3.6 7.4 5 7.1 14.2 4.7 6.3 6.1 16.6 9.4 样品10 3.3 5.8 4.9 7.2 13.4 4.7 6.7 6.5 17.8 9.5 样品11 3.3 5.8 4.1 5.7 11.8 4.2 5.6 6.2 15.4 9.3 样品12 3.2 7.2 4.4 6.3 12.5 3.7 5.3 5.8 15.4 8.6 样品13 3.5 5.8 4.2 6.2 12.4 4.4 5.6 6.4 16.6 8.8 样品14 3.6 6.6 4.5 6.5 12.4 4.6 6.2 6.4 16.9 9.4
葡萄酒行业市场分析报告
葡萄酒行业市场分析报 告 LEKIBM standardization office【IBM5AB- LEKIBMK08- LEKIBM2C】
中国葡萄酒行业市场分析报告 一、关于中国葡萄酒生产、葡萄酒生产企业概况以及葡萄酒进出口、进口葡萄酒价格 （1）中国年酒葡萄种植面积、酿酒葡萄产量和葡萄酒产量 1. 在中国，葡萄酒还不是主流的饮用酒水。在大多数消费者的日常生活中，白酒和啤酒消费还占有很大的比重，具体数据见下表： 1988-1997年中国酒水产量比较对照表单位：万吨 年度酒水总产量白酒啤酒黄酒葡萄酒果酒酒精 1988 1989
1990 1385 1991 136 1992 1993 1994 2233 1995 1996 1997 2. 酿酒葡萄种植面积、酿酒葡萄产量和葡萄酒产量见下表： 年度葡萄种植面积（万亩）葡萄产量（万吨）葡萄酒产量（万吨） 1990 1991
1992 1993 1994 1995 1996 1997 1998 250 225 1999 / /
2000 / / 30 2010 / / 80（预计） 注：1公顷=15亩 3. 中国的酿酒葡萄大致分布在以下九个产区：东北产区、渤海湾产区、沙城产区、清徐产区、银川产区、吐鲁番盆地、黄河故道产区、云南高原产区和武威产区。其中年产葡萄酒超过1万吨的6各省市分别为：山东、河北、天津、北京、安徽和河南，这6各省市的葡萄酒产量能够占到中国葡萄酒总产量的80%。 2001年中国葡萄酒行业主要经济指标完成情况 省份产量（万吨）销售收入（亿元）利税总额（亿元） 山东 河北 天津
葡萄酒质量的评价1
2012高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括、电子、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A （隐去论文作者相关信息） 日期： 2012 年 9 月 10 日赛区评阅编号（由赛区组委会评阅前进行编号）：
2012高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
葡萄酒质量的评价 摘要 葡萄酒质量的好坏主要依赖于评酒员的感观评价，由于人为主观因素的影响，对于酒质量的评价总会存在随机差异，为此找到一种简单有效的客观方法来评酒，就显得尤为重要了。本文通过研究酿酒葡萄的好坏与所酿葡萄酒的质量的关系，以及葡萄酒和酿酒葡萄检测的理化指标的关系，以及葡萄酒理化指标与葡萄酒质量的关系，旨在通过客观数据建立数学模型，用客观有效的方法来评价葡萄酒质量。 首先，采用双因子可重复方差分析方法，对红、白葡萄酒评分结果分别进行检验，利用Matlab软件得到样品酒各个分析结果，结合01 -数据分析，发现对于红葡酒有70.3%的评价结果存在显著性差异，对于白葡萄酒只有53%的评价结果存在显著性差异。通过比较可知，两组评酒员对红葡萄酒的评分结果更具有显著性差异，而对于白葡萄酒的评分，评价差异性较为不明显。为了评价两组结果的可信度，借助Alpha模型用克伦巴赫α系数衡量，并结合F检验，得出红葡萄酒第一组评酒员的评价结果可信度更高，而对白葡萄酒的品尝评分，第二组评酒员的评价结果可信度更高。综合来看，主观因素对葡萄酒质量的评价具有不确定性。 结合已分析出的两组品酒师可靠性结果，对葡萄酒的理化指标进行加权平均，最终得出十位品酒师对样品酒的综合评价得分。将每一样品酒的综合得分与其所对应酿酒葡萄的理化指标（一级指标）共同构成一个数据矩阵，采用聚类分析法，利用SPSS软件对葡萄酒样进行分类，根据分类的结果以及各葡萄样品酒综合得分最终将酿酒葡萄分为A（优质）、B（良好）、C（中等）、D（差）四个等级，客观地反映了酿酒葡萄的理化指标与葡萄酒质量之间的联系。 为了分析酿酒葡萄与葡萄酒理化指标之间的联系，采用相关分析法，能有效地反映出两者间的联系，取与葡萄各成分相关性显著的葡萄酒理化指标，与葡萄成分做多元线性回归得出葡萄酒理化指标与酿酒葡萄的拟合方程，从而反映酿酒葡萄与葡萄酒理化指标之间的联系。 由于已经通过回归分析建立了酿酒葡萄和葡萄酒理化指标之间的关系，因此从酿酒葡萄成分对葡萄酒的理化指标的影响，再研究出葡萄酒理化指标与葡萄酒质量的联系，便可作为一个桥梁，反映出葡萄与葡萄酒理化指标对葡萄酒的质量的作用。研究葡萄酒理化指标与葡萄酒质量的联系，需要运用变量间的相关性及Pearson系数法分析葡萄酒的理化指标与葡萄酒质量评价指标的相关性，通过比较选出与葡萄酒评价的一级指标相关性程度大的葡萄酒成分，进行回归分析法，建立酿酒葡萄的理化指标与葡萄酒质量之间的拟合方程，结合各个质量一级指标的权重，从而完成了从葡萄酒成分对葡萄酒质量的客观评价。综合计算结果，与酿酒葡萄分级的结果吻合，所以分析结果较客观。
我国葡萄酒质量分级的发展历程分析.
要回答这个问题是很复杂的，一般要长篇大论一番才可能说清楚。简单点说是没有正规的分级制度。但有质量保证体系。 讨论稿中等级制的标准大致参照法国的分级标准（AOC、VDP、VDT），即特优级、优质级、佐餐级三大等级。通过酿酒葡萄品种、酿酒葡萄产量、葡萄含糖量、葡萄酒陈酿期、理化指标、感官鉴定6项指标，对葡萄酒质量进行综合评价并分级。 近年来，我国葡萄酒业有了长足的进步，葡萄酒的产量在2008年已达到69.83万千升，工业总产值达191.68亿元。葡萄酒产品的种类日益丰富，产品质量也有了很大的提升。在东部地区和中西部的大中型城市，饮用葡萄酒已经成为一种时尚。葡萄酒等级制 对于葡萄酒产品的质量管理，许多从事葡萄栽培和葡萄酿酒工作的专家学者，都提出要求制定《中国葡萄酒质量等级管理办法》，推行产品分级管理制。 中国葡萄酒质量等级制度多年前就已经提上日程。1999年，郭其昌和郭松泉在中国酿酒工业协会主办的北戴河年会上提出了要建立中国的葡萄酒质量等级制度，并草拟了《中国葡萄酒质量分级管理（讨论稿）》。 其后，在2000年的烟台年会、2001年的合肥年会以及2004年的蓬莱年会，中国酿酒工业协会前后三次组织了会议对该《草案》进行讨论修改。 此讨论稿包括以往讨论过的质量分级内容、分级认定原则、认定顺序、监督管理等。 讨论稿中等级制的标准大致参照法国的分级标准（AOC、VDP、VDT），即特优级、优质级、佐餐级三大等级。通过酿酒葡萄品种、酿酒葡萄产量、葡萄含糖量、葡萄酒陈酿期、理化指标、感官鉴定6项指标，对葡萄酒质量进行综合评价并分级。 2005年，时任中国酿酒工业协会葡萄酒分会主任的高美书表示，在中国酿酒工业协会2004年8月的蓬莱会议上，已经完成了《葡萄酒等级制》的最后修订。并于当年10月，将《葡萄酒等级制》（送审稿）上报国家质检总局。
葡萄酒行业市场分析报告
葡萄酒行业市场分析报告（2004年7月） 目录：１、行业整体运行情况 ２、葡萄酒行业产品分析 ３、葡萄酒行业品牌分析 ４、葡萄酒行业新品分析 ５、葡萄酒行业促销分析 ６、葡萄酒行业热点分析 ７、葡萄酒区域市场分析 ８、葡萄酒市场下月预测 一、行业整体运行概述 7月葡萄酒市场和火爆的饮料和乳品市场相比略显沉默。但在这个承上启下的时间，任何一个葡萄酒企业都没有放松。关税下调后，洋葡萄酒来势汹汹，放下尊贵的身段和国产葡萄酒争夺中低档市场。而国产品牌则在中低档市场苦苦支撑的同时，将重点放在了高档产品的开发上。传播葡萄酒消费理念成为企业的共同选择，他们知道，只有市场培育起来了，才有行业的发展。虽然本月新品很少，但有着向保健方向发展的趋势。本月价格变动不大，主要是因为此时企业多处在休整期，维持现有的市场占有率是绝大部分企业的选择。下月开始，葡萄酒进入销售预热期，市场可能有较大变化。 二、葡萄酒行业产品分析 1、价格行情分析 糖酒快讯市场分析中心对广州、成都、郑州、长沙、武汉、南京、沈阳、济南、北京、上海等10个城市的10个葡萄酒品牌进行了调查，调查的10个
城市中，有60%的城市的葡萄酒价格有波动，它们分别是：北京（5个）、广州（3个）、长沙（2个）、南京（2个）、沈阳（2个）、济南（1个）；40%的城市的葡萄酒价格没有波动，它们是成都、郑州、武汉和上海。调查数据显示：7月葡萄酒价格在华中地区总体波动不大，在华北和华东地区波动相对较强烈。 以下是具体调查情况的图表分析： 注： ①商品采样原则，根据品牌在不同销售点出现的重复次数取样，重复次数多的采为样本 ②样本价格确定原则，不同零售点零售价格的加权平均数 ③表中“/”处表明在该地区未将该品牌作为取样样本 ④抽样城市：广州、成都、郑州、长沙、武汉、南京、沈阳、济南、北京、上海等十个城市
(精编)葡萄酒质量的评价
(精编)葡萄酒质量的评 价
2012高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的,如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A （隐去论文作者相关信息） 日期：2012 年9 月10 日 赛区评阅编号（由赛区组委会评阅前进行编号）： 2012高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 赛区评阅记录（可供赛区评阅时使用）： 评
阅 人 ,,,,,,,,,, 评 分 ,,,,,,,,,, 备 注 ,,,,,,,,,, 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
葡萄酒质量的评价 摘要 葡萄酒质量的好坏主要依赖于评酒员的感观评价，由于人为主观因素的影响，对于酒质量的评价总会存在随机差异，为此找到一种简单有效的客观方法来评酒，就显得尤为重要了。本文通过研究酿酒葡萄的好坏与所酿葡萄酒的质量的关系，以及葡萄酒和酿酒葡萄检测的理化指标的关系，以及葡萄酒理化指标与葡萄酒质量的关系，旨在通过客观数据建立数学模型，用客观有效的方法来评价葡萄酒质量。 首先，采用双因子可重复方差分析方法，对红、白葡萄酒评分结果分别进行检验，利用Matlab软件得到样品酒各个分析结果，结合数据分析，发现对于红葡酒有的评价结果存在显著性差异，对于白葡萄酒只有53%的评价结果存在显著性差异。通过比较可知，两组评酒员对红葡萄酒的评分结果更具有显著性差异，而对于白葡萄酒的评分，评价差异性较为不明显。为了评价两组结果的可信度，借助Alpha模型用克伦巴赫系数衡量，并结合检验，得出红葡萄酒第一组评酒员的评价结果可信度更高，而对白葡萄酒的品尝评分，第二组评酒员的评价结果可信度更高。综合来看，主观因素对葡萄酒质量的评价具有不确定性。 结合已分析出的两组品酒师可靠性结果，对葡萄酒的理化指标进行加权平均，最终得出十位品酒师对样品酒的综合评价得分。将每一样品酒的综合得分与其所对应酿酒葡萄的理化指标（一级指标）共同构成一个数据矩阵，采用聚类分析法，利用SPSS软件对葡萄酒样进行分类，根据分类的结果以及各葡萄样品酒综合得分最终将酿酒葡萄分为A（优质）、B（良好）、C（中等）、D（差）四个等级，客观地反映了酿酒葡萄的理化指标与葡萄酒质量之间的联系。 为了分析酿酒葡萄与葡萄酒理化指标之间的联系，采用相关分析法，能有效地反映
葡萄酒评价指标
葡萄酒评价指标 区分好坏葡萄酒没有具体的绝对的量化标准，目前权威的葡萄酒评分系统主要是美国著名的葡萄酒评论家罗伯特·帕克，帕克推崇的是葡萄酒100分制评分体系；以及大家俗称的3W1D也是世界葡萄酒评分系统中的权威。 帕克的100分制给葡萄酒的打分范围是50-100，基于以下四个因素：外观，香气，风味，总体质量或潜力。帕克将葡萄酒分成四个档次(从50-100分)，具体的打分体系如下： 96-100 Extraordinary 经典：顶级葡萄酒。 90-95 Outstanding 优秀：具有高级品味特征和口感的葡萄酒。 80-89 Above average 优良：口感纯正、制作优良的葡萄酒。 70-79 Average 一般：略有瑕疵，但口感无尚大碍的葡萄酒。 60-69 Below average 低于一般：不值得推荐 50-59 Unacceptable 次品 一般帕克的评分系统会给每一款酒一个基础的分数（50分）。在50分的基础上，按酒的质量特点加分。 酒的颜色和外观值5分，好的葡萄酒的外观应该澄亮透明（深颜色的酒可以不透明），有光泽，其颜色与酒的名称相符，色泽自然、悦目。 然后，酒香值15分，取决于香气的浓度、复杂度和纯粹感，香气应该是葡萄的果香（比如赤霞珠的黑醋栗香气、黑比诺的樱桃香气、霞多丽的热带水果香气）、发酵的酒香、陈酿的醇香（橡木桶陈酿及瓶内陈酿组成的香气，主要包括花香、果香、辛香料香、动物香、矿物香、动物香、焙烤香等香气类型），这些香气应该平衡、协调、融为一体，香气幽雅，令人愉快； 酒的口感和后味值20分，好的葡萄酒其口感应该是舒畅愉悦的，各种香味应细腻、柔和，酒体丰满完整，有层次感和结构感，果味、单宁、酒精、酸度、甘油、糖分均衡，余味绵长；最后，酒的总体质量水平或者演化进步的潜力，也就是说陈化的潜力，值10分。 3W指WA、WS、WE WA是《葡萄酒倡导家》杂志Wine Advocate journal 即罗伯特·帕克的评分 WS是《葡萄酒观察家》Wine Spectator magazine杂志，该杂志同样为美国最具影响力的杂志之一，同样倡导百分制，基本思路与帕克类似，但《葡萄酒观察家》拥有众多的优秀评酒师，通过蒙瓶试酒，多方面综合结果，所以评分相对较中立。 分数解释 96-100 经典的，绝佳的
中国葡萄酒市场调查分析报告总结.docx
关于中国进口红酒的 市场调查分析报告 一、调查背景 随着国外葡萄酒市场的持续低迷，中国市场已成 为世界各葡萄酒产国的避风港。作为当前葡萄酒消费 量增长最强劲的中国，市场现状与未来趋势到底如何? 伴随着国外市场的低迷而中国却在加入WTO之后，随着葡萄酒进口关税税率从 65%一路降至 14%(瓶 装)和 20%(散装 ) ，进口葡萄酒在中国的机会开始大 幅显现。越来越多的国外葡萄酒如潮水般涌入国内市 场，进口量持续高速增长。数千个品牌，几十个品种，以及新旧世界葡萄酒的不同分级方法让消费者眼花缭 乱。各国外葡萄酒企业及其中国的合作伙伴们均使出 浑身解数，力图在中国这个当前全球最大的新兴葡萄 酒市场上尽可能多的分得一杯羹，把握住这个难得的 机遇。 二、市场分析 1、红酒市场目前的容量分析 (1)、目前消费在认知度分析 A、中国葡萄酒文化相对世界相比很薄弱，属于有历史
无文化的情况。中国的葡萄酒文化营销处于初级阶段，既学习和接受欧美的葡萄酒文化。大部分消费者通过影视剧，广告片和网络了解红酒认识红酒。但深层次 的红酒文化教育仍然十分缺乏。导致大多数消费者仍 处于“乱喝” B、“没有文化，葡萄酒就是昂贵的饮料”。 (2)、与世界消费认知的差距 A、我国目前的葡萄酒产业仍处在培育期。目前人均消费 0.61 升，城镇人均消费葡萄酒 1.1 升。与世界人均 6升多的消费量差距很大。从国内饮料酒的消费结构看，葡萄酒也仅占酒类年消费总量的 1.6%。 B、在饮用上，中国人完全省略了观、晃、闻、品的步 骤，一口一杯还觉着不过瘾 C、我国葡萄酒的消费水平低原因有两个方面：一是引 入时间短，二是居民收入低 (2)、进口红酒的市场成熟度与容量分析 A、从 04 年至 09 年的 6 年中，瓶装进口葡萄酒总量连 续多年保持了高速增长态势。据海关最新统计数据显示，2009 年全国瓶装酒进口葡萄酒总量达到了创纪录 的84360 吨，比 2008 年的 55500 吨新增 28860 吨，增长比率为 52%，比 2007 年的 48815 吨增长 72.8%，比2004 年的 7080 吨增长了 10 倍多。2009 年葡萄酒进口
葡萄酒质量的评价模型 全国数学建模
承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）：长江师范学院 参赛队员(打印并签名) ：1. 李蓉 2. 马艳 3. 周成楷 指导教师或指导教师组负责人(打印并签名)：廖江东 日期： 2012 年 9 月 10 日赛区评阅编号（由赛区组委会评阅前进行编号）：
编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进
葡萄酒质量的评价模型 摘要 本文围绕葡萄酒的质量评价问题进行讨论，主要应用数据的统计原理以及数据的处理方法对酿酒葡萄的分级、葡萄酒和葡萄的理化指标的联系、以及葡萄酒质量评价问题建立了模型，并对模型做了较详细的模型检验，客观地实现了问题的解决。 问题（1），是一个数据统计问题，首先对红、白葡萄酒每类酒的样本数据建立了两独立样本的T检验模型，通过对比T统计量t值与T分布表给出的相伴概率值之间的大小，得出两组数据样本具有显著性差异。对于两数据样本的可信度问题，本文巧妙通过对每类的两个数据样本的均值方差的图像分析和对客观的评价准则考虑，得出结果：第二组评酒员给出的分数更具有可信性。 问题（2），属于多方案排序问题，首先利用问题（1）中的结果得到两组样品的有效性较高的评分数据样本，并借以建立了排序模型。同时本文还应用逼近理想解排序法（TOPSIS法），得出了两类葡萄酒质量的排序，然后通过权重法筛选出氨基酸、糖、蛋白质作为核心理化指标。最后基于“层次分析法”评价模型建立分级评价模型，通过权重算法得到以核心量化指标的贴近度作为分级的标准，确定出了对酿酒葡萄的四个等级：（见表4-15、4-16）。 问题(3)，对附件2中一级指标下的多重数据进行求平均值处理获得该级指标的最优值，建立了多元线性回归模型，首先对酿酒红、白葡萄的30种一级指标进行筛选，筛选出众多核心理化指标的最优值,并采用“逐步回归”的方法，针对多重数据下的多种指标进行分别拟合，从中抽出拟合最好的一组数据和结果进行图像分析，得出整体的酿酒葡萄与葡萄酒的理化指标成正相关的关系。 问题（4），本文基于问题（1）、问题(2)和问题（3）的研究结果，首先针对酿酒葡萄和葡萄酒的理化指标对葡萄酒质量影响问题，建立了多元回归分析模型，并运用逐步回归方法对这里的最优值进行有效而合理的筛选，之后将筛选得到的多个理化指标给与拟合，并对其进行图像分析，得出筛选出来的5个一级指标就可以反映出整体的关系，最后应用这个结果论证出：用葡萄和葡萄酒的理化指标来判断葡萄酒的质量是不全面的。 关键词：葡萄酒的评价 T检验层次分析法多元线性回归分析逐步回归法
葡萄酒评分详解
葡萄酒评分详解 什么是葡萄酒评分？关于葡萄酒评分网不多，乐美尚品特撰写此篇文章，供大家分享。 有些人热衷于葡萄酒投资，所以进行葡萄酒评分： 因为新酒刚上市时的价格比完全熟化低很多，作投资为日后饮用。 完全是为了投资，现在买进葡萄酒是为了以后在卖出赚取利润。正国外拥有私人酒窖的人居多。以上两种因素都会影响葡萄酒的投资。全世界对于产量有限的优质葡萄酒的需求，在过去20年间有了巨大的增长。投资葡萄酒的收益可以并且经常超过美国道琼斯和英国金融时报100指数，葡萄酒的回报巨大但又不像股市那样波动剧烈。 给葡萄酒评分对于葡萄酒市场的影响很大。葡萄酒的分数让葡萄酒的知识不多的潜在投资者进入葡萄酒市场，同时也增强了购买者的决策信心。 学习相关葡萄酒评分系统，对葡萄酒鉴别有益无害。谁来为葡萄酒评分?知名的葡萄酒作家和葡萄酒专家为葡萄酒打分。最开始为葡萄酒打分的是美国著名的葡萄酒评论家罗伯特·帕克。帕克推崇的是葡萄酒100分制评分体系。 帕克的100分制给葡萄酒的打分范围是50-100，基于以下四个因素：外观，香气，风味，总体质量或潜力。每瓶葡萄酒最低都能得到50分。 5 points Colour and appearance颜色和外观 15 points Aroma and bouquet香气 20 points Flavour and finish风味和回味 10 points Overall quality level orpotential总体品质或潜力 美国的葡萄酒商展示葡萄酒时会配上带有帕克评分的卡片，从这点可以看出他对葡萄酒消费者、收藏者和投资者的影响程度。当然，他意识到评分系统的局限性，因此坚持认为品尝纪录和评分一起才能对葡萄酒有更精淮的评价。帕克说：“品尝葡萄酒最重要的是自己的味蕾，没有什么比自己品尝更好的培训。”帕克将葡萄酒分成四个档次(从50-100分)，具体的打分体系如下： 分数解释 96-100 Extraordinary极佳 90-95 Outstanding优秀 80-89 Above average优良 70-79 Average一般 60-69 Below average低于一般 50-59 Unacceptable次品 帕克对葡萄酒的影响是不容忽视的，如果帕克给出超过90的分数，那么葡萄酒的价格会急剧上涨。毫不夸张的讲，很多波尔多酒商在帕没有打分之前不知道怎么给自己经销的酒定价。 此外，还有《葡萄酒观察家》杂志的评分体系(100分制)。《葡萄酒观察家》杂志一直是100分制葡萄酒评分标准的提倡者。该杂志是这样解释它的评分体系的：“葡萄酒通常是盲品，酒瓶被包起来并编号，品尝人员只知道葡萄酒的大致风格和年份。价格对评分不产生影响” 分数解释 90-95 优秀的，有个性，有风格 80-89 品质优，有特点
中国葡萄酒行业市场分析报告
中国葡萄酒行业市场分析报告 一、关于中国葡萄酒生产、葡萄酒生产企业概况以及葡萄酒进出口、进口葡萄酒价格 （1）中国年酒葡萄种植面积、酿酒葡萄产量和葡萄酒产量 1. 在中国，葡萄酒还不是主流的饮用酒水。在大多数消费者的日常生活中，白酒和啤酒消费还占有很大的比重，具体数据见下表： 1988-1997年中国酒水产量比较对照表单位：万吨 年度酒水总产量白酒啤酒黄酒葡萄酒果酒酒精 1988 1357.29 468.54 662.77 85.9 30.85 109.23 108.78 1989 1284.63 448.31 643.41 83.66 27.18 82.07 107.79 1990 1385 513.91 692.23 75.5 25.4 78.2 129.3 1991 1538.92 524.48 838.37 80.64 24.10 71.24 136 1992 1752.71 547.43 1020.66 93.26 24.60 66.66 145.03 1993 1967.43 593.67 1190.08 103.61 23.60 56.45 151.24 1994 2233 651.29 1414.66 104.81 18.00 44.26 170.47 1995 2567.34 798.62 1568.82 134.53 22.90 42.45 227.81 1996 2650.94 801.3 1681.91 119.70 17.00 31.00 200.28 1997 2834.11 781.79 1888.94 121.63 18.55 23.20 213.28 2. 酿酒葡萄种植面积、酿酒葡萄产量和葡萄酒产量见下表： 年度葡萄种植面积（万亩）葡萄产量（万吨）葡萄酒产量（万吨） 1990 183.9 85.9 25.40 1991 170.8 91.6 24.10 1992 208.5 112.5 24.60 1993 212.8 135.5 23.60 1994 223.3 152.2 18.00 1995 228.9 174.2 22.90 1996 230.2 188.3 17.00
基于数据挖掘技术的葡萄酒评价体系研究
Advances in Applied Mathematics 应用数学进展, 2015, 4(4), 376-384 Published Online November 2015 in Hans. https://www.wendangku.net/doc/b45631895.html,/journal/aam https://www.wendangku.net/doc/b45631895.html,/10.12677/aam.2015.44047 The Study on Evaluation System of Wine Based on Data Mining Sizhe Wang1, Zhigang Wang2*, Yong He2 1Automation Professional Class 1301, School of Information Science and Engineering, Central South University, Changsha Hunan 2College of Information Science and Technology, Hainan University, Haikou Hainan Received: Nov. 8th, 2015; accepted: Nov. 23rd, 2015; published: Nov. 30th, 2015 Copyright ? 2015 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). https://www.wendangku.net/doc/b45631895.html,/licenses/by/4.0/ Abstract Based on Question A of Mathematical Contest in Modeling for college students in 2012, the empha-sis in this paper is mainly on the establishment of evaluation system of wine based on data mining technology. The wine quality is determined by the score of the wine tasting. We analyze the credi-bility of the liquor score by one-way ANOVA. We classify the wine grape by extracting common factors of some physical and chemical indicators from the wine grape, and by clustering the factor score and wine score. The stepwise regression model is established through the correlation be-tween the physical and chemical indicators and the physical and chemical indicators of wine grapes. By the regression model between the aroma substances and the score of the wine, the key physical and chemical indicators of wine quality will be found. In the end, some shortcomings of current rating system of wine will be pointed out. Keywords Evaluation System of the Wine, Data Mining Technology, One-Way ANOVA, Cluster Analysis, Regression Analysis 基于数据挖掘技术的葡萄酒评价体系研究 王思哲1，王志刚2*，何勇2 1中南大学信息科学与工程学院自动化专业1301班，湖南长沙 2海南大学信息科学技术学院，海南海口 *通讯作者。
葡萄酒市场调研报告
葡萄酒市场调研报告 一.调研目的： 1、初步了解样本市场主要大型商场和超市甜型葡萄酒的市场现状，分析武汉市场甜型葡萄酒的整体情况。 2、收集样本市场主要大型商场和超市不同品牌葡萄酒的市场分布、销售价格、销售状况以及同一品牌葡萄酒的产品分类、销售价格、销售状况，并进行对比分析。寻找武汉市场最佳突破点。 3、了解样本市场消费者对葡萄酒的需求层次、品牌认知程度。 4、了解样本市场消费者的饮酒（葡萄酒）类型、习惯、场合、男女比例、年龄层次等因素，挖掘潜在市场消费者。 二.调研方法： 1、大型商场超市的走访和调研； 2、与部分商场超市促销员的个别访谈调研； 3、与部分商场超市消费者的个别访谈调研； 4、在互联网上查找资料进行补充。 三．调研概况： 2002年3月24日至2002年3月25日对样本主要大型商场和超市进行了市场走访和调研。此次调研的大型商场和超市包括：中南超市、亚贸超市、中百仓储超市（武昌珞狮路店）、徐东平价超市、麦德龙超市（徐东店）、好又多超市（民意广场）、家乐福超市（武胜路十升店）、武商千禧龙超市、武汉广场、世贸广场、华联超市（汉阳店）等。这些商场超市为武汉市场知名度较高的商场超市，几乎垄断了武汉市场大部分百货零售和批发；另外，它们分布于武昌、汉口、汉阳，由点及面辐射整个武汉三镇因此，上述调研的样本可以比较真实地反映武汉市场葡萄酒销售现状。 本次调研普遍感受到消费者在选择甜型葡萄酒时较为看重产品品牌、葡萄酒的包装、葡萄酒的价位和葡萄酒的容量。以上四点是促成消费者购买某一品牌甜型葡萄酒产品的主要因素。而在选择档次较高的的干红时则更注重品牌，对品牌似乎已经产生一定的忠诚度。像张裕、王朝等强势品牌，无论其甜型葡萄酒还是其干红葡萄酒都在武汉市场取得了不错的销售佳绩。但是如果加上促销手段，那么情况就有一定的变化。例如威龙系列产品，历来是人们公认的低档产品制造商。但是，在武汉一些卖场，他们开展了一些买一送一的促销活动，销售量就立刻超过了几大品牌。 在武汉市场红酒主要品牌排序：张裕、长城、王朝、威龙。张裕大约占30％左右的市份额。丰收一般化。
中国进口红酒的市场调查报告
关于中国进口红酒的市场调查分析报告 一、调查背景 随着国外葡萄酒市场的持续低迷，中国市场已成为世界各葡萄酒产国的避风港。作为当前葡萄酒消费量增长最强劲的中国，市场现状与未来趋势到底如何? 伴随着国外市场的低迷而中国却在加入WTO之后，随着葡萄酒进口关税税率从65%一路降至14%(瓶装)和20%(散装)，进口葡萄酒在中国的机会开始大幅显现。越来越多的国外葡萄酒如潮水般涌入国内市场，进口量持续高速增长。数千个品牌，几十个品种，以及新旧世界葡萄酒的不同分级方法让消费者眼花缭乱。各国外葡萄酒企业及其中国的合作伙伴们均使出浑身解数，力图在中国这个当前全球最大的新兴葡萄酒市场上尽可能多的分得一杯羹，把握住这个难得的机遇。
二、市场分析 1、红酒市场目前的容量分析 (1)、目前消费在认知度分析 A、中国葡萄酒文化相对世界相比很薄弱，属于有历史无文化的情况。中国的葡萄酒文化营销处于初级阶段，既学习和接受欧美的葡萄酒文化。大部分消费者通过影视剧，广告片和网络了解红酒认识红酒。但深层次的红酒文化教育仍然十分缺乏。导致大多数消费者仍处于“乱喝” B、“没有文化，葡萄酒就是昂贵的饮料”。 (2)、与世界消费认知的差距 A、我国目前的葡萄酒产业仍处在培育期。目前人均消费0.61升，城镇人均消费葡萄酒1.1升。与世界人均6升多的消费量差距很大。从国内饮料酒的消费结构看，葡萄酒也仅占酒类年消费总量的1.6%。 B、在饮用上，中国人完全省略了观、晃、闻、品的步骤，一口一杯还觉着不过瘾 C、我国葡萄酒的消费水平低原因有两个方面：一是引入时间短，二是居民收入低 (2)、进口红酒的市场成熟度与容量分析
数学建模A葡萄酒的评价完整版
数学建模A葡萄酒的评 价 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】
2012高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、 网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开 的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处 和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛 规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开 展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）： 参赛队员 (打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人 (打印并签名)： 日期： 2012 年 9 月 7 日赛区评阅编号（由赛区组委会评阅前进行编号）：
2012高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国评阅编号（由全国组委会评阅前进行编号）：
葡萄酒的评价 摘要 目前，葡萄酒备受大家的青睐，其质量也日益受到人们的关注。葡萄酒的质量与 酿酒葡萄的好坏有直接关系，葡萄酒和酿酒葡萄的理化指标会在一定程度上反应葡萄 酒和酿酒葡萄的质量。 对于问题1，我们采用方差分析的方法建模解决。基本思路是：对两组评酒员的评 价结果进行单因素方差分析，然后再用F检验对得出的结果进行进一步验证，得出两 组评酒员的评价结果无显着性差异，通过比较两组评酒员评价结果的方差值，得出第 二组的结果更可信。 对于问题2，我们采用主成分分析方法，建立综合评价模型，对酿酒葡萄进行分 级。基本思路是运用因子分析的方法，以特征值大于1为标准，得出酿酒葡萄理化指 标的8种主成分，在此基础上把综合因子作为一项排名指标，结合问题1得出的葡萄 酒的质量，对酿酒葡萄进行排名，用两种排名的名次之和作为对酿酒葡萄分级的主要 依据。此方法消除了主观加权的盲目性，保证了分级的客观性；避免了两个指标中因 某一指标数值上远远大于另一指标而使另一指标对排名起不到作用的现象的发生。最 终将酿酒葡萄分为了Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ五个等级。 对于问题3，我们对酿酒葡萄和葡萄酒的理化指标中具有可比性的同类指标一一对 比，经相关性检验得到他们具有显着的线性相关性，进而用线性回归的方法得出回归 方程，找到酿酒葡萄和葡萄酒的理化指标之间的联系。 对于问题4，先将酿酒葡萄和葡萄酒的量化指标进行无量纲化处理，用F检验验证两组值的相似程度为1，得出酿酒葡萄和葡萄酒的理化指标会对葡萄酒质量产生影响，所以可以用葡萄和葡萄酒的理化指标来评判葡萄酒的质量。 文章最后对论文的优缺点做了评价，并给出了一些改进方向，以利于在实际中应 用和推广。 关键词：方差分析；因子分析；主成分分析法；线性回归分析；SPSS软件；F检验 1．问题的重述 确定葡萄酒质量时一般是通过聘请一批有资质的的评酒员进行品评。每个评酒员在对葡萄酒进行品尝后对其分类指标打分，然后求和得到其总分，从而确定葡萄酒的质量。酿酒葡萄的好坏与所酿葡萄酒的质量有直接关系，葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量。附件1给出了某一年分一些葡萄酒的评价结果，附件2和附件3分别给出了该年份这些葡萄酒的和酿酒葡萄的成分数据。请尝试建立数学模型讨论下列问题： 1.分析附件1中两组评酒员的评价结果又无明显差异，哪一组结果更可信? 2.根据酿酒葡萄的理化指标和葡萄酒的质量对这些酿酒葡萄进行分级。 3.分析酿酒葡萄与葡萄酒的理化指标之间的关系。
葡萄酒品质分析方法
葡萄酒品质分析方法 摘要：实验建立了以多壁碳纳米管为填料，基于核熔融技术的在线固相萃取-高效液相色谱-串联质谱联用系统来测定葡萄酒中白藜芦醇的含量。实验中，葡萄酒样品经稀释、过膜后直接进样，经在线固相萃取净化后经熔融核色谱柱分离，串联质谱多反应监测模式下定性与定量分析。实验测定了来自中国七个地区八个品种的葡萄酒，通过实验，测得顺式白藜芦醇与反式白藜芦醇的定量限分别为0.06和0.05 ng/mL；低、中、高3个添加水平的平均回收率为76.9% ~108.3%；日内精密度均小于6.81%，日间精密度均小于7.69%。。结果表明，本方法快速，准确，灵敏度高，可用于实际检测工作。 关键词：葡萄酒；白藜芦醇；在线固相萃取；高效液相色谱-串联质谱 A method of wine quality analyzes Abstract: The experiment was established with multi walled carbon nanotubes as filler, the content of online SPE, fused-core technology and HPLC-MS/MS based on the coupled system to the determination of resveratrol in Wine. In the experiment, Wine samples diluted, after filtration, direct injection, by on-line solid phase extraction purification by column chromatography and nuclear fusion, a series of qualitative and quantitative analysis of mass spectrometry under multiple reaction monitoring mode. The experiment of eight varieties from seven areas of Chinese wine, through the experiment, the measured CIS resveratrol and trans resveratrol detection limit were 0.06 and 0.05 ng/mL; low, medium and high average recovery of the 3 level of adding rate of ~108.3% was 76.9%. Intra-day and Inter-day precision were less than 6.81% and 7.69% respectively. The results show that this method is rapid, accurate and high sensitivity, which can be used in practical detection work. Keywords: Wine; Resveratrol; Online SPE; HPLC-MS/MS 1. 引言 1.1. 葡萄酒概况 1.1.1. 葡萄酒的定义与分类 葡萄酒，是以新鲜葡萄或葡萄汁为原料，经全部或部分发酵酿制而成的，酒精度等于或大于7.0％（V ol）的发酵酒[1]。按色泽分，葡萄酒可分为白葡萄酒、
中国葡萄酒市场分析报告.doc
中国葡萄酒市场 分析
目录 前言 (3) 一、中国葡萄酒产业发展历程 (3) 第一阶段(1978-1992)：启蒙阶段——半汁葡萄酒的黄金时期 (3) 第二阶段(1992-2002)：调整阶段——量降质升，行业规范奠定后续发展基础 (4) 第三阶段(2002-至今)：快速增长阶段——质量、品牌和产量的全面提升 (4) 二、中国葡萄酒近10年产量变化和主要品牌 (6) 三、中国未来十年葡萄酒产量预测 (7) 四、中国人均葡萄酒消费量水平 (9) 五、欧盟前十大葡萄酒出口目的国及离岸价格 (10) 六、中国葡萄酒消费市场现状 (11) 6.1葡萄酒的流通环节 (11) 6.2葡萄酒各销售渠道占比 (11) 6.3中国不同酒种消费情况（按消费额） (12) 6.4我国消费者选择葡萄酒的动机 (13) 6.5我国葡萄酒饮用场合 (13) 七、进口葡萄酒的现状与未来 (14) 7.1进口葡萄酒正处于导入期，未来2-3年将进入蓬勃发展期 (14) 7.2品牌力成为进口葡萄酒最大软肋，其根源在于厂商合作不足 (14) 7.3进口葡萄酒市场由小众转变为大众，选对合作伙伴、规范操作才是制胜之道.. 14 7.4价格理性回归、“专业化、规模化和品牌化”才是进口葡萄酒的未来。 (15)
前言 葡萄酒的历史相当久远，大约起源于波斯，据说葡萄酒的酿成始于一个美丽的误会。有一位古波斯国王，把吃不完的葡萄藏在密封的瓶中。并写上“毒药”字眼。以防他人偷吃.国王日理万机，很快便把这收藏给忘记了。这时有位妃子被打入冷宫,生不如死，凑巧看到这“毒药”的瓶子，便有轻生之念。打开后，里面颜色古怪的液体也很像毒药，她就喝了几口，在等死的当儿发觉不单不痛苦，反而有种舒恬陶醉的飘飘欲仙感。于是她将这事呈报国王，国王有为惊奇，一试之下果不其然，结果王妃再度获得宠爱。 这当然仅是个美丽的传说。 我国酿造葡萄酒最早的地区是今新疆地区的各族人民。《史记--大宛列传》载：“宛左右以葡萄为酒，富人藏酒至万余石，久者数十岁不败。”内地直到公元前139年，张骞奉汉武帝之命出使西域，带回了龙珠、马乳、水晶和紫葡萄等优良的葡萄品种，才酿造出了葡萄酒。不过那时的葡萄并未得到推广扩种，葡萄酒一直是“珍异之物”，不是普通百姓所能享用的，只是皇宫和少数的富贵人家才能享用。我国葡萄酒酿造兴旺起来是在唐太宗破高昌（今吐鲁番）之后。据《唐书》记载：640年，唐太宗命交河道行军大总管侯君集平定高昌，得到了马奶葡萄种子，“将马乳葡萄实于苑中种之，并得其酒法”。千古绝唱“葡萄美酒夜光杯”就是唐代诗人王翰所作的《凉州词》中的诗句。 一、中国葡萄酒产业发展历程 虽然葡萄酒产业在中国起步已有百年的历程，但他真正的起步、发展、超越还是近三十年的事情，从政策到体制，从法规到市场，从酿造设备到技术，从文化到教育，从科研到人才，中国葡萄酒业发展经历了三个阶段 第一阶段(1978-1992)：启蒙阶段——半汁葡萄酒的黄金时期 1978年，中国轻工业部食品局对葡萄酒工业做了八年发展规划及二十三年设想,国家唯一从事酒类研究工作的机构——中国发酵食品工业研究所于是在1978年开始在做《干白葡萄酒新工艺的研究》工作，这一时期，长城（华夏、沙城）、王朝、华东、丰收、威龙、西夏、龙徽等一批企业纷纷成立，但基本上以生产全汁的干酒、半干酒为主。当时的消费者，长期以来一直喝带甜味的半汁酒，对于酸而涩的真正葡萄酒很难接受。所以这些企业生产的