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。     

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.     

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．     

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.     

通过构造线性映射模型实现对酿酒葡萄的分级

本文首先利用成对数据的t检验对两组评酒员对葡萄酒质量的评价结果进行显著性差异分析;然后通过主成分分析法和线性加权法得出酿酒葡萄品质的数值指标,最后通过构造线性映射模型实现对酿酒葡萄的分级。     

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.     

基于多元描述性统计对葡萄酒质量的评价

基于对两组评酒员的评价结果的方差分析,以及显著性检验,第二组评价结果的可信度较之第一组的更高.在以此确定葡萄酒质量的基础上,本文利用SAS软件以酿酒葡萄的各项理化指标为标准对酿酒葡萄样品进行系统聚类,并参照葡萄酒的质量建立了酿酒葡萄的等级体系,分别将红、白酿酒葡萄划分为五个等级;通过典型性相关分析,构建了酿酒葡萄与葡萄酒的理化指标的关系;依据多元回归分析的方法,确立了葡萄酒质量与酿酒葡萄的理化指标之间、葡萄酒质量与葡萄酒的理化指标之间的线性关系.本文认为,由于用于分析研究的方程中的自变量个数偏少,上述关系仅在一定程度上可作为葡萄酒质量的评价标准,而要完全充分评估葡萄酒的质量还需与感官评价相结合.     

葡萄酒质量的评价与分析

针对葡萄酒与酿酒葡萄的评价,根据所给数据,利用Matlab软件,运用F检验、模糊C均值聚类、典型相关分析与回归分析方法对葡萄酒的质量、葡萄酒的理化指标与酿酒葡萄的理化指标及三者之间存在的联系进行了分析与求解,并得到较为理想的结果.     

葡萄酒评价体系的数学模型及求解

本文通过对两组感官结果差异性的分析以及对葡萄与葡萄酒理化指标相关度的分析,建立了基于葡萄和葡萄酒理化指标的葡萄酒质量评价体系.本文通过双因素方差分析,得到感官评价结果的显著差异性.进而通过主成分分析法、系统聚类法、相关系数分析的联合运用得到对酿酒葡萄的分级结果.应用典型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联系,对基于理化指标的葡萄酒质量评价体系给出了解析分析结果.     

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。     

基于模糊聚类模型的葡萄酒分类

应用模糊聚类分析的思想和方法,综合考虑酿酒葡萄的各项理化指标,建立了葡萄酒分类的数学模型。一方面,通过对理化指标的相关性分析进行属性约简,刻画了理化指标之间的内在联系;另一方面,在属性约简的基础上对每个属性进行加权,经实验验证两方面均可以优化模糊聚类分析模型对葡萄酒质量的分类效果。     

葡萄酒评价的理化指标研究

葡萄酒的质量和其理化指标间存在一定的关系；首先运用主成分分析法建立数学模型，通过对数据的分析与处理，提取出葡萄酒的主要理化指标；然后运用曲面拟合得出了葡萄酒质量和葡萄酒的2个主要指标间的函数关系，并通过三维仿真图，更加直观地显示得出理化指标对葡萄酒质量的影响。     

2008年份昌黎原产地葡萄酒理化特性的统计学分析

选取代表葡萄酒品质的19项指标,构成了描述葡萄酒理化特性的体系。应用主成分分析法,将原有的19项指标综合成5项互不相关的复合指标,而且该5项指标所涵盖原有19项指标的信息量达到了97.694%,基本反映了原指标的大部分信息。系统聚类分析结果显示,表儿茶素或咖啡酸或阿魏酸或没食子酸或绿原酸、多酚、挥发酸或干浸出物或总酸或色度、pH值、鞣花酸等5项指标可以反映葡萄酒理化特性的绝大部分信息,可用于描述葡萄酒的理化特性。     

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.     

因子分析法在大学生综合排名中的应用

运用SPSS统计软件中主成分因子分析法,以2006级园林班第一学年的各门课程考试成绩为实例,对大学生的主要学科成绩进行统计分析,并根据综合得分给出了该班学生的排名,该结果比较客观地反映了学生在第一学年中各科学习上的表现。