1、葡萄酒的評價摘要本文以葡萄酒的評價為爭辯對象，對葡萄酒的質(zhì)量進行分析。通過運用配對樣本t檢驗、K-均值聚類和對比分析的方法，解決了與葡萄酒相關的問題。對于問題一：分析兩組評酒員的評價結(jié)果有無明顯差異，且哪組更可信。由于附件一中的數(shù)據(jù)過于龐雜，所以對數(shù)據(jù)進行了平均值處理。然后利用配對樣本t檢驗的顯著性值來比較，最終可以得出其次組更為牢靠。 對于問題二：依據(jù)所釀酒葡萄的理化指標和質(zhì)量對釀酒葡萄進行分級。由于附件二中的理化指種類標過于繁多，所以對理化指標做了隨機選取性處理。然后利用K-均值聚類分析的方法，將葡萄進行分類。最終，可以得出釀酒葡萄的等級。對于問題三：分析釀酒葡萄與葡萄酒的理化指標之間的聯(lián)

2、系。在眾多指標數(shù)據(jù)中隨機選取釀酒的紅、白葡萄和紅、白葡萄酒的理化指標數(shù)據(jù)。然后利用SPSS軟件對所選數(shù)據(jù)進行散點圖的繪制。最終通過運用MATLAB軟件繪制擬合曲線。通過散點圖與擬合曲線圖的比較可以得到釀酒葡萄與葡萄酒的理化指標之間的聯(lián)系。 對于問題四：分析釀酒葡萄和葡萄酒的理化指標對葡萄酒質(zhì)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(zhì)量。在繁雜的數(shù)據(jù)中利用隨機選取的方法對數(shù)據(jù)進行選擇，并與其相對應的質(zhì)量一起利用MATLAB軟件進行擬合曲線的繪制。最終通過對擬合曲線的分析，可以得出理化指標對質(zhì)量的影響。關鍵詞：葡萄酒 平均值 聚類分析 擬合曲線 一、問題重述1.1問題背景確定葡萄

3、酒質(zhì)量時一般是通過聘請一批有資質(zhì)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(zhì)量。釀酒葡萄的好壞與所釀葡萄酒的質(zhì)量有直接的關系，葡萄酒和釀酒葡萄檢測的理化指標會在肯定程度上反映葡萄酒和葡萄的質(zhì)量。1.2 問題條件附件1給出了某一年份一些葡萄酒的評價結(jié)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)。1.3需要解決的問題問題一： 兩組評酒員的評價結(jié)果有無顯著性差異，哪組更可信；問題二： 依據(jù)釀酒葡萄的理化指標和葡萄酒的質(zhì)量對釀酒葡萄進行分級；問題三：分析釀酒葡萄與葡萄酒的理化指標之間的聯(lián)系；問題四：分析釀酒葡萄和葡萄酒的

4、理化指標對葡萄酒質(zhì)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(zhì)量；2、 模型假設 1.假設每位評酒員都是公正、公正的；2.假設給兩組評酒員的各樣品都是同樣的；3.假設所給的全部數(shù)據(jù)都真實有效；4.假設釀酒的工藝差別等其他外界條件不影響葡萄酒的質(zhì)量；5.假設全部評酒員在除去自身品酒水平以外，其他條件相同； 三、符號說明為了便于問題的求解，我們給出以下符號說明：符號符號說明1總體均值差2總體差的樣本均值3修正樣本標準差4配對總體差顯著性5每組紅、白葡萄酒各自方差6每組紅、白葡萄酒各樣品的平均值四、問題分析葡萄酒在生活中也是常見的一種酒。由于每個人的喜好不同，所以葡萄酒會有各種不同的

5、種類。對這些不同種類的葡萄酒的質(zhì)量我們請評酒員對此做出了評價。對于問題一：分析附件一中兩組評酒員的評價結(jié)果有無顯著性差異，且哪組更可信。對于這個問題，我們選擇接受SPSS軟件中的配對樣本t檢驗這種方法。首先應對附錄一中的各個數(shù)據(jù)進行整理。求出附錄一中四個表的10個評酒員對各個樣品酒評價分數(shù)的平均值，并將這四組平均值進行分類后和樣品酒編號對應起來放在Excel表中。最終利用SPSS軟件對這兩組數(shù)據(jù)中的顯著性進行觀看，從而推斷評出酒員的評價結(jié)果有無顯著性差異。對于哪組更可信這個問題可以通過比較最終結(jié)果表中的方差來推斷。對于問題二：依據(jù)釀酒葡萄的理化指標和葡萄酒的質(zhì)量對這些釀酒葡萄進行分級。對于這個

6、問題，我們選擇接受SPSS軟件中的K-均值檢驗這種方法。首先應對在附件二中對數(shù)據(jù)進行舍取，并將整理后的數(shù)據(jù)放在Excel中。最終利用SPSS軟件對這組數(shù)據(jù)進行K-均值聚類。最終通過整理聚類后的結(jié)果列出等級表。對于問題三：分析釀酒葡萄與葡萄酒的理化指標之間的聯(lián)系。對于這個問題，我們選擇對比分析的方法。首先將附件二中釀酒的紅、白葡萄和紅、白葡萄酒的理化指標整理出來后放入Excel中，利用SPSS軟件對所選數(shù)據(jù)進行散點圖的繪制。再通過運用MATLAB軟件繪制擬合曲線。最終通過對散點圖和擬合曲線的對比分析得出結(jié)果。對于問題四：分析釀酒葡萄和葡萄酒的理化指標對葡萄酒質(zhì)量的影響，并論證能否用葡萄和葡萄酒的

7、理化指標來評價葡萄酒的質(zhì)量。對于這個問題，我們選擇對比分析的方法。首先將釀酒的紅、白葡萄和紅、白葡萄酒的理化指標中選取出的理化指標整理出來后放入Excel中，利用MATLAB軟件對所選數(shù)據(jù)繪制擬合曲線，最終通過對散點圖和擬合曲線的對比分析得出結(jié)果。五、模型的建立與求解經(jīng)過以上對題目和問題的分析和預備，將進一步闡述模型的實際建立過程和求解。5.1 特別數(shù)據(jù)處理在假設中提到數(shù)據(jù)要真實有效，所以在處理數(shù)據(jù)前要對所給數(shù)據(jù)進行檢查。當數(shù)據(jù)中出面漏寫、填多等失誤時，實行平均值法。就是將該項的平均值求出后填入所失誤的位置，以此來削減誤差。在對第一組白葡萄酒的數(shù)據(jù)中的樣品3進行評價時，第七個評酒員在長久性的評

8、價中消滅了特別。對特別數(shù)據(jù)進行處理：1其中，為樣品3中長久性的平均值； 為第幾個評酒員。在對第一組紅葡萄酒的數(shù)據(jù)中的樣品20進行評價時，第四個評酒員在色調(diào)的評價中消滅了特別。對特別數(shù)據(jù)進行處理：2其中，為樣品20中色調(diào)的平均值；為第幾個評酒員。5.1.1模型一的建立與求解題中的附錄一給出了27樣紅葡萄酒和28樣白葡萄酒，且有每組10個評酒員分別對紅、白葡萄酒進行評價的分數(shù)等數(shù)據(jù)。利用這些數(shù)據(jù)對這兩組數(shù)據(jù)進行處理，從而推斷有無顯著性差別和哪組更好。5.1.2 顯著性模型的建立（1）數(shù)據(jù)處理、求取平均值先對附錄一中的第一張表格（第一組紅葡萄酒）進行處理。這組紅葡萄酒共有27種樣品，且這10個評酒員

9、分別需要對這27種紅葡萄酒進行評分，所以可以先對各樣品中小指標的分數(shù)進行求和，算出每個人對各樣品的評價分數(shù)。然后將這些分數(shù)和對應的樣品放入Excel表中。并將這10個評酒員對各個樣品的分數(shù)進行求和取平均值，從而得到27個與樣品對應的平均值。用同樣的方法可以得到其他三個表中的平均值。 其中，兩組葡萄酒的平均值為表1：表一 兩組葡萄酒的平均值樣品酒第一組紅葡萄酒()第一組白葡萄酒()其次組紅葡萄酒()其次組白葡萄酒()162.78268.177.9280.374.27475.8380.485.374.675.5468.679.471.276.9573.37172.181.5672.268.466.

10、375.5771.577.565.374.2872.371.46672.3981.572.978.276.81074.274.368.879.81170.172.361.671.41253.963.368.372.41374.665.968.873.914717272.677.11558.772.465.778.41674.97469.976.31779.378.874.580.31859.773.165.476.7197872.272.676.42078.677.875.876.62177.176.472.279.22277.27171.679.42385.675.977.177.42478

11、73.371.576.12569.277.168.279.52673.881.37274.3277364.871.5772881.379.6（2）數(shù)據(jù)導入在算出四張表中每個樣品所對應的平均值后，將第一組的紅葡萄酒和其次組的紅葡萄酒中的葡萄酒樣品、每個樣品所對應的平均值放在一個新的Excel表格中，并注釋好每一列的名稱。用同種方法也可以得到第一組白葡萄酒和其次組白葡萄酒的新表格。5.1.2 模型的求解先將第一組紅葡萄酒與其次組紅葡萄酒所建的新表格導入SPSS軟件中。通過運用SPSS軟件中的配對樣本t檢驗可以對兩總體均值差的原假設寫成：1其中、代表配對樣本的總體，都是未知的。選擇檢驗統(tǒng)計量并給出統(tǒng)

12、計量的分布。假設總體聽從正太分布，檢驗統(tǒng)計量是統(tǒng)計量，其構成為：2在總體差的樣本均值和修正樣本標準差中：34當原假設為真時，。SPSS軟件會依據(jù)樣本觀測值自動計算統(tǒng)計量的觀測值，并依據(jù)統(tǒng)計量的分布自動計算統(tǒng)計量觀測值發(fā)生的概率（值）。其中，第一組與其次組紅葡萄酒的顯著性概率為表2；第一組與其次組白葡萄酒的顯著性概率為表3：（代碼見附錄一）表2 第一組與其次組紅葡萄的顯著性CorrelationSiq第一組白葡萄平均值&其次組白葡萄平均值270.6930.000表3 第一組與其次組白葡萄的顯著性CorrelationSiq第一組白葡萄平均值&其次組白葡萄平均值280.2650.1

13、73觀看表可知：在表1中可得，由于當值（配對總體差顯著性）小于0.05時，說明配對總體間均值有顯著差異，反之無明顯差異。由此可以得出：a. 對于紅葡萄酒的評分有顯著性差異；b. 對于白葡萄酒的評分無顯著性差異；5.1.3優(yōu)劣性評價模型的建立與求解在通過SPSS軟件得出值得同時，也會消滅這兩組中紅、白葡萄各自的方差。比較這些方差可以選出哪組更可信。其中，兩組各自紅葡萄酒的方差為表4、兩組各自白葡萄酒的方差為表5。表4 兩組各自紅葡萄酒的方差meamNStd.DeviationStd.Error mean第一組紅葡萄酒平均值72.952277.35031.4146其次組紅葡萄酒平均值70.5152

14、73.97800.7656表5 兩組各自白葡萄酒的方差meamNStd.DeviationStd.Error mean第一組白葡萄酒平均值74.26285.2010.983其次組白葡萄酒平均值76.721282.51370.4750觀看表可知：第一組紅葡萄酒的方差；其次組紅葡萄酒的方差；第一組白葡萄酒的方差；其次組白葡萄酒的方差；由此數(shù)據(jù)可知：；由于只有在方差越小時它的可行度才越高，所以我們得出其次組的更可信。5.2模型二的建立與求解在同樣穩(wěn)定的制造工藝下，不同的釀酒葡萄會釀出不同質(zhì)量的酒。因此可以對釀酒葡萄的質(zhì)量進行等級分類。5.2.1模型的建立（1） 數(shù)據(jù)舍取從香氣、外觀、口感、保鮮度這四

15、個角度考慮，選取了白黎蘆醇、果皮顏色、黃酮醇、單寧這四個具有代表性的指標作為檢驗的數(shù)據(jù)。（表見附錄二）（2）數(shù)據(jù)的導入在進行數(shù)據(jù)的舍取整理后，將這些新數(shù)據(jù)放入Excel中，并標注好表頭。最終將該表導入SPSS軟件中。5.2.2模型的求解在SPSS軟件中運用K-均值聚類檢驗，首先對導入數(shù)據(jù)進行處理，從而得到釀酒葡萄的分類等級。通過聚類分析的原理：定義與之間的距離為兩類最近樣品的距離：5設類與合并成一個新類記為，則任一類與的距離為：67最短距離法進行聚類分析的步驟如下：（a） 計算樣品的兩兩距離，得一距離陣記為，開頭每個樣品自成一類，這時。（b）找出最小距離，設為，則將和合并成一個新類，記為，即。

16、（c）按上式計算新類與其他類的距離。（d）重復（b）、（c）兩步，直到全部元素并成一類為止。假如某一步距離最小距離不止一個，則對應這些最小距離的類可以同時合并。模型求解結(jié)果：按評分從高到底，將紅、白葡萄酒依次分為優(yōu)秀、良好、較差這三個等級。紅葡萄等級如表6所示：（代碼見附錄三；表見附錄四）表6 紅、白葡萄等級優(yōu)秀的葡萄酒良好的葡萄酒較差的葡萄酒紅葡萄樣品1,5,6,7,12,15,16,18,20,22,24,26,272,4,9,10,11,13,17,19,21,23,253,8,14,白葡萄樣品1,2,3,4,5,6，7,8,9,10,11,12,13,14,15,16,17,18,19

17、,20,21,22,23,24,25,26,28275.3 模型三的建立與求解因釀酒葡萄的理化指標與葡萄酒的理化指標的不同，可以爭辯這兩類的理化指標有什么聯(lián)系。5.3.1模型的建立1) 數(shù)據(jù)的選取與整理在附件二中釀酒的紅葡萄的理化指標和紅葡萄酒的理化指標從附件中導出來放入Excel表中。同理，將釀酒的白葡萄和白葡萄酒的理化指標放入另一個表（其中單寧的指標表見附錄五）。2) 散點圖的繪制將處理好的兩張理化指標表分別導入SPSS軟件中，通過GeaphsLegacy DialogsIneractiveScatterplot對這兩張表進行散點圖繪制。3) 擬合曲線的繪制將處理好的兩張理化指標表分別導入

18、MATLAB中，在workspace中消滅data數(shù)據(jù)即為理化指標表中的數(shù)據(jù)，然后利用MATLAB繪制擬合曲線圖。5.3.2模型的求解基于散點圖和擬合曲線的基礎上，將釀酒的紅、白葡萄和紅、白葡萄酒的理化指標繪制好的散點圖與擬合曲線放在一起進行比較分析。其中，紅葡萄酒的白黎蘆醇為圖1；花色苷為圖2；總酚為圖3；單寧為圖4；白葡萄酒的單寧為圖5；總酚為圖6；白黎蘆醇為圖7。圖1 釀酒的紅葡萄與紅葡萄酒的白藜蘆醇指標對比圖2 釀酒的紅葡萄與紅葡萄酒的花色苷指標對比圖3 釀酒的紅葡萄與紅葡萄酒的總酚指標對比圖4 釀酒的紅葡萄與紅葡萄酒的單寧指標對比圖5 釀酒的白葡萄與白葡萄酒的單寧指標對比圖6 釀酒的

19、白葡萄與白葡萄酒的總酚指標對比圖7 釀酒的白葡萄與白葡萄酒的白藜蘆醇指標對比分析圖可知：圖1：釀酒的紅葡萄與紅葡萄酒的白藜蘆醇之間的相關性較差；圖2：釀酒的紅葡萄與紅葡萄酒的花色苷之間的相關性較強；圖3：釀酒的紅葡萄與紅葡萄酒的總酚之間的相關性較強；圖4：釀酒的紅葡萄與紅葡萄酒的單寧之間的相關性較強；圖5：釀酒的白葡萄與白葡萄酒的單寧之間的相關性較差；圖6：釀酒的白葡萄與白葡萄酒的總酚之間的相關性較差；圖7：釀酒的白葡萄與白葡萄酒的白藜蘆醇之間的相關性較差；綜上可得：釀酒葡萄與葡萄酒在理化指標不同時，它們的相關性也不肯定相同。5.4 模型四的建立與求解可以通過各種理化指標與質(zhì)量的關系，來推斷指

20、標和質(zhì)量之間的關系。5.4.1模型的建立（1）數(shù)據(jù)舍取由于釀酒的紅、白葡萄與紅、白葡萄酒的理化指標過多，所以選取了全部理化指標中的單寧和總酚這兩個指標作為爭辯對象。將選取的指標與對應的質(zhì)量放入同一張表中（其中白葡萄表見附錄六）。（2）數(shù)據(jù)的導入依據(jù)（1）得出的四張表分別導入MATLAB中，在workspace中消滅data數(shù)據(jù)即為導入表中的數(shù)據(jù)，然后利用MATLAB繪制擬合曲線圖，將紅、白葡萄酒和釀酒葡萄分別與對應的質(zhì)量作對比。5.4.2模型的求解在指標與質(zhì)量的基礎上，將釀酒的紅、白葡萄和紅、白葡萄酒的單寧、總酚指標與質(zhì)量繪制的擬合曲線并放在一起進行比較分析。其中，紅葡萄的單寧與質(zhì)量為圖8、總

21、酚與質(zhì)量為圖9；白葡萄的單寧與質(zhì)量為圖10、總酚與質(zhì)量為圖11；圖8 紅葡萄酒的單寧和釀酒紅葡萄的單寧分別與質(zhì)量的對比圖9 紅葡萄酒的總酚和釀酒紅葡萄的總酚分別與質(zhì)量的對比圖10 白葡萄酒的單寧和釀酒白葡萄的單寧分別與質(zhì)量的對比圖11 白葡萄酒的總酚和釀酒白葡萄的總酚分別與質(zhì)量的對比分析圖可知：圖8：紅葡萄酒的單寧和釀酒紅葡萄的單寧分別與質(zhì)量有影響；圖9：紅葡萄酒的總酚和釀酒紅葡萄的總酚分別與質(zhì)量無影響；圖10：白葡萄酒的總酚和釀酒白葡萄的總酚分別與質(zhì)量有影響；圖11：白葡萄酒的總酚和釀酒白葡萄的總酚分別與質(zhì)量無影響；綜上圖可得：不能用釀酒葡萄和葡萄酒的理化指標來評價葡萄酒的質(zhì)量六、模型評價與

22、改進6.1優(yōu)點1 本文運用SPSS軟件處理部分數(shù)據(jù)，快速簡便，且結(jié)果精確。2 本文在大量的數(shù)據(jù)中進行了舍取，這削減了運算量。3 本文接受了多種方法相結(jié)合的方式對問題進行逐步分析求解。 6.2缺點1 本文對于數(shù)據(jù)的選取具有任憑性，沒有進行檢驗。2 本文的對題的解法有些簡便，且不夠嚴謹。6.3改進1 取更多的數(shù)據(jù)用來削減誤差率。參考文獻1胡竹菁.平均數(shù)差異顯著性檢驗統(tǒng)計檢驗力和效果大小的估量原理與方法J.心理學探新,2010,30(01):68-73.2李文彬,賀建軍,郭觀七,馮彩英,潘理.基于相關分析的多目標優(yōu)化Pareto優(yōu)劣性猜測J.電子學報,2017,45(02):459-467.3孔銳,

23、張國宣,施澤生,郭立.基于核的K-均值聚類J.計算機工程,2004(11):12-13+80.附錄附錄一：配對樣本t檢驗打開數(shù)據(jù)Step1:選擇AnalyzeCompare MeansPaired-Samples T T進入對話框;Step2:選擇配對的第一個變量“第一組紅葡萄平均值”； 點擊對話框箭頭，將其導入； 選擇配對的其次個變量“其次組紅葡萄平均值”； 點擊對話框箭頭，將其導入；Step3:選擇Options進入對話框； 在置信區(qū)間“Confidence interval”框中指定置信水平，默認值95%； 點擊Continue回到主對話框； 點擊OK完成設置。附錄二：指標數(shù)據(jù)的選取樣品

24、編號白藜蘆醇果皮顏色黃酮醇單寧紅葡萄樣品13.1953.2017.67808.023紅葡萄樣品24.8894.8927.455012.411紅葡萄樣品34.7644.76164.992758.173紅葡萄樣品43.4123.4126.967911.264紅葡萄樣品5.637.646.65022.642紅葡萄樣品62.2032.207.72724.045紅葡萄樣品7.623.629.86483.703紅葡萄樣品85.9495.95115.554642.484紅葡萄樣品94.9074.9158.540722.785紅葡萄樣品1012.30712.3128.747517.787紅葡萄樣品1126.8

25、5126.8525.575126.426紅葡萄樣品12.696.702.48021.291紅葡萄樣品1310.86310.8640.758620.828紅葡萄樣品146.3136.31134.637549.088紅葡萄樣品15.211.219.71793.380紅葡萄樣品164.5564.568.19005.767紅葡萄樣品17.711.7143.812115.078紅葡萄樣品18.416.426.51612.449紅葡萄樣品193.8213.8231.264912.969紅葡萄樣品201.5451.559.62624.239紅葡萄樣品217.8477.8547.219620.971紅葡萄樣品

26、224.2894.2913.80037.460紅葡萄樣品239.9689.9744.747621.561紅葡萄樣品242.9352.9314.38036.750紅葡萄樣品252.1292.1330.211211.490紅葡萄樣品262.0862.0913.91666.030紅葡萄樣品271.5691.5715.98096.373白葡萄樣品1.155.15.3977.236白葡萄樣品23.0383.041.66272.579白葡萄樣品31.3571.361.63331.449白葡萄樣品4.530.531.3188.793白葡萄樣品51.1621.163.17051.832白葡萄樣品61.7271

27、.738.08643.847白葡萄樣品71.2351.244.79522.422白葡萄樣品8.137.145.60801.960白葡萄樣品9.087.09.7518.308白葡萄樣品10.246.251.1776.556白葡萄樣品11.822.821.85891.168白葡萄樣品12.752.758.43083.311白葡萄樣品13.095.09.2103.133白葡萄樣品14.095.101.3006.497白葡萄樣品154.0234.0211.87346.640白葡萄樣品161.5721.575.31402.819白葡萄樣品171.0261.036.01352.688白葡萄樣品181.82

28、01.822.77712.139白葡萄樣品191.7821.78.85351.473白葡萄樣品20.157.166.16332.159白葡萄樣品21.845.85.7158.802白葡萄樣品22.969.978.92963.622白葡萄樣品231.6501.6512.41065.237白葡萄樣品24.483.483.21381.393白葡萄樣品25.850.858.61953.440白葡萄樣品261.4261.434.30892.387白葡萄樣品271.1551.1550.496617.602白葡萄樣品282.9212.925.73233.858附錄三：K-均值聚類檢驗打開數(shù)據(jù)Step1:選擇

29、AnalyzeClassifyK-Means Cluster進入對話框;Step2:選擇聚類變量“白藜蘆醇、果皮顏色、黃酮醇、單寧”； 點擊對話框箭頭，將其導入； 在Number of Cluster3;Step3: Mehtod勾選lterrate and classify; 點擊Save按鈕，進入對話框； 全部勾選后點擊Continue回到主對話框； 點擊OK完成設置。附錄四：紅、白葡萄的等級紅葡萄酒的等級紅葡萄酒樣品白葡萄酒的等級白葡萄酒樣品11111512161317141121511516116171181812019122110124111126112127113221142411

30、5291162101172111182131192171202191212211222231232251243312538126314128227附錄五：釀酒的紅、白葡萄和紅、白葡萄酒的單寧理化指標樣品白葡萄酒單寧(mmol/L)平均值白釀酒葡萄單寧(mmol/kg)平均值紅釀酒葡萄單寧(mmol/kg)平均值紅葡萄酒單寧(mmol/L)平均值11.6198925882.94738818222.0190333611.0295263521.233422832.23914027923.3613119911.0782122432.0093796472.9900774620.3728709413.25

31、93397642.0166825293.1477124418.638436556.47739635351.5946627612.62587306714.485773445.84934847161.2888285884.50200672215.172985067.35374223571.3740288824.7288925775.6191862754.01389070681.5127836471.67221883422.488991312.0275869491.8438476474.43385340724.3622745612.93314435102.0580655296.78059372916

32、.687701595.566970353111.4154118823.3118583364.5430096844.588384118122.3073793833.2123468067.1689611766.457922131.5152179412.1287868999.8219843146.384893176141.3204744122.3879050713.940541086.073303529152.5303185882.75086415525.417006773.984679176161.2790914122.22805358710.086173144.831813529171.5492

33、980592.24666335315.730337879.169725647181.3302115885.7826145795.3881585024.447195059191.9631280592.21749946713.700023535.980800353202.6763762353.1413273388.1149324115.863954235211.2036282941.95229335713.6130372710.08988882221.8974021186.46257682712.155104317.105444235231.3302115883.38869449324.2569392210.88833729244.4728852948.50630464