釀酒葡萄與葡萄酒理化指標(biāo)及其質(zhì)量的分析與評(píng)估摘要本文通過(guò)運(yùn)用SPSS首先對(duì)兩組品酒員對(duì)葡萄酒的評(píng)價(jià)進(jìn)行了差異顯著性分析以及評(píng)Cronbacha系數(shù)分析對(duì)品酒員評(píng)價(jià)的可信度進(jìn)行了分析，得到了兩組品酒員評(píng)價(jià)之間存在顯著性差異，并且第一組品酒員的評(píng)價(jià)結(jié)果更為可信。接下來(lái)我們?nèi)〉谝唤M評(píng)酒員給每個(gè)樣品酒所給出的總分的平均分表示該樣品葡萄酒質(zhì)量的量化指標(biāo)進(jìn)行相關(guān)討論我們通過(guò)對(duì)葡萄及葡萄酒的理化指標(biāo)歸一化處理，將它們之間的聯(lián)系現(xiàn)實(shí)的更為明顯，緊接著我們利用因子分析、主成分分析將決定葡萄酒質(zhì)量的因素維度較低，從而達(dá)到簡(jiǎn)化模型的目的，并通過(guò)分析將各成分因子重新命名，再將命名后的主成分和評(píng)論員對(duì)葡萄酒的評(píng)價(jià)作為依據(jù)對(duì)釀酒葡萄等級(jí)評(píng)定，并引入層次分析法對(duì)評(píng)定體系進(jìn)行改進(jìn)構(gòu)想。最后利用MATLAB求解主成分因子與葡萄酒質(zhì)量之間的函數(shù)關(guān)系，并用BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證及討論。最后我們?cè)诿恳粋€(gè)問(wèn)題后面進(jìn)行了深入的反思與總結(jié)，得出了一些具體的改進(jìn)思路及方法，并得出在原有問(wèn)題上的修正。關(guān)鍵字SPSSMATLABCronbacha系數(shù)分析主成分分析 層次分析法BP人工神經(jīng)網(wǎng)絡(luò)模型的改進(jìn)與修正問(wèn)題重述隨著經(jīng)濟(jì)的日益發(fā)展，人們生活水平的不斷提高，葡萄酒的受眾隨之增加，品酒行業(yè)逐漸專(zhuān)業(yè)化。品質(zhì)是現(xiàn)代葡萄酒生產(chǎn)追求的目標(biāo)之一，針對(duì)酒類(lèi)的質(zhì)量檢測(cè)也成為食品行業(yè)工作的重中之重。根據(jù)已有數(shù)據(jù)，運(yùn)用數(shù)學(xué)建模的方法，對(duì)葡萄酒進(jìn)行評(píng)價(jià)是一個(gè)重要問(wèn)題。確定葡萄酒質(zhì)量時(shí)一般是通過(guò)聘請(qǐng)一批有資質(zhì)的評(píng)酒員進(jìn)行品評(píng)。每個(gè)評(píng)酒員在對(duì)葡萄酒進(jìn)行品嘗后對(duì)其分類(lèi)指標(biāo)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(guān)系，葡萄酒和釀酒葡萄檢測(cè)的理化指標(biāo)會(huì)在一定程度上反映葡萄酒和葡萄的質(zhì)量。從上述相關(guān)關(guān)系出發(fā)，參考相關(guān)數(shù)據(jù)，針對(duì)釀酒葡萄與葡萄酒的理化指標(biāo)和葡萄酒的質(zhì)量這幾個(gè)變量，進(jìn)行分析并建立數(shù)學(xué)模型，討論關(guān)于葡萄酒的評(píng)價(jià)問(wèn)題：特別注意指出模型中的優(yōu)點(diǎn)和不足之處，并做出改進(jìn)方向。符號(hào)說(shuō)明符號(hào)說(shuō)明符號(hào)說(shuō)明aj,j第i個(gè)品酒員對(duì)第j款酒所給的總分S香氣指標(biāo)K整個(gè)品嘗的次數(shù)Ni第i類(lèi)芳香物質(zhì)（1WiW8）S2X總得分的方差Q其他影響因素S2i所有在第i位品酒師打分的方差k香氣指標(biāo)關(guān)于芳香物質(zhì)函數(shù)的常系數(shù)Y葡萄酒的單寧M測(cè)得葡萄酒評(píng)分X1葡萄酒的總酚Z葡萄酒標(biāo)準(zhǔn)分值（真實(shí)匍萄酒評(píng)分）X2葡萄酒的黃酮醇U外觀指標(biāo)S?i第一組的總平均分V口感指標(biāo)L 1—理化指標(biāo)向量W整體評(píng)價(jià)指標(biāo)X,J代表原來(lái)數(shù)據(jù)群體的因子a香氣指標(biāo)占總分的權(quán)重i iX,X 1 2-兩類(lèi)新的性質(zhì)因子P外觀指標(biāo)占總分的權(quán)重J[口感類(lèi)物質(zhì)成分因子Y口感指標(biāo)占總分的權(quán)重1Jc色澤類(lèi)物質(zhì)成分因子6整體評(píng)價(jià)指標(biāo)占總分的權(quán)重模型建立與求解3.1.數(shù)據(jù)處理3.1.2.數(shù)據(jù)預(yù)處理由于試題中給出的附件酒樣品未按照順序排列，我們首先將數(shù)據(jù)進(jìn)行了預(yù)處理，每組數(shù)據(jù)均按照樣品號(hào)和品酒員號(hào)順序排列，加和得到每一劑量酒樣品的總評(píng)分?jǐn)?shù)，并求得各項(xiàng)明細(xì)指標(biāo)的平均值；其次將多組同類(lèi)理化指標(biāo)取平均值，以便分析討論，進(jìn)行模型的建立與求解。3.1.3.數(shù)據(jù)處理方法數(shù)據(jù)的預(yù)處理和部分圖示，采用辦公軟件MicrosoftExcel2010；數(shù)據(jù)的歸一化處理，采用辦公軟件MicrosoftExcel2010；數(shù)據(jù)結(jié)果的顯著差異分析，采用SPSS19.0；數(shù)據(jù)結(jié)果的信度分析，采用SPSS19.0；數(shù)據(jù)結(jié)果的主成分分析，采用SPSS19.0；數(shù)據(jù)處理的擬合分析，采用MATLAB2012a問(wèn)題1.1：附件1中兩組評(píng)酒員評(píng)價(jià)結(jié)果的顯著性差異分析要比較兩組評(píng)論員之間是否具有顯著性差異，而每組有10個(gè)評(píng)論員，27或28個(gè)葡萄酒樣品，由于附件中的數(shù)據(jù)都是單項(xiàng)給出的，整體可比性不強(qiáng)，所以我們先用EXCEL將數(shù)據(jù)進(jìn)行了初步的整理（求出每個(gè)品酒員對(duì)各樣品的總分，以及各個(gè)明細(xì)樣品的平均值），以第一組對(duì)紅葡萄酒樣品一的評(píng)價(jià)為例，處理結(jié)果如表1所示：表1.紅葡萄酒樣品一的評(píng)價(jià)項(xiàng)目品酒員12345678910平均值外觀澄清度544443432433.5分析色調(diào)1088666686666.6香氣分析純正度655545544544.6葡濃度867767774646.1萄酒樣品1質(zhì)量161412121414121412121212.8純正度655545644554.8口感濃度866766866666.3分析持久性876767876666.6質(zhì)量221916191616191916161617.2平衡/整體評(píng)價(jià)11109109109999109.4總分1008478827579848169757277.9初步分析：針對(duì)處理后的數(shù)據(jù)，我們初步的想法是將每組中各個(gè)品酒員對(duì)每項(xiàng)樣品的總分作為一個(gè)樣本，因此每個(gè)樣本里將有270項(xiàng)數(shù)據(jù)。針對(duì)紅葡萄酒評(píng)價(jià)的兩組樣本，利用SPSS進(jìn)行一次相互獨(dú)立樣本之間的T檢驗(yàn)，探測(cè)兩個(gè)樣本是否具有顯著性差異。但隨后通過(guò)查閱統(tǒng)計(jì)分析中T檢驗(yàn)法的一些特性得到了相反的結(jié)論：鑒于本題樣本是每十個(gè)總分針對(duì)一個(gè)葡萄酒樣本，并不滿(mǎn)足獨(dú)立樣本T檢驗(yàn)方法的適用范圍，每組樣本中的數(shù)據(jù)是有一定關(guān)聯(lián)的，因此我們采用了另外一種檢驗(yàn)方法一一配對(duì)樣本T檢驗(yàn)法。二次分析首先，我們對(duì)紅葡萄酒的評(píng)價(jià)進(jìn)行差異性分析（白葡萄酒的處理方法與其一致），將每項(xiàng)葡萄酒樣品各項(xiàng)明細(xì)評(píng)分的平均分作為一個(gè)樣本（包括總分的平均分），則每個(gè)樣本里共有1127=297項(xiàng)數(shù)據(jù)，兩組數(shù)據(jù)之間都是針對(duì)相同的樣品和指標(biāo)進(jìn)行評(píng)價(jià)，所以?xún)山M中每項(xiàng)數(shù)據(jù)都是一一配對(duì)，互相關(guān)聯(lián)的。其次，我們對(duì)兩組葡萄酒的全部總分?jǐn)?shù)據(jù)共27*10*2=540組，進(jìn)行綜合處理并作圖1、圖2所示，可以得知兩組數(shù)據(jù)在數(shù)值上差異較大，初步判斷兩組數(shù)據(jù)具有顯著性差異，關(guān)于信度分析下文將給出分析討論。

圖1圖2再次，我們以?xún)山M紅葡萄酒樣品1為例，對(duì)其數(shù)據(jù)做了歸一化處理，利用雷達(dá)圖表示，如圖3所示。加強(qiáng)了上述關(guān)于顯著性差異的推論。外觀澄清度過(guò)以上對(duì)數(shù)據(jù)和檢驗(yàn)方法的分析，我們采而己對(duì)T檢驗(yàn)法對(duì)兩組樣本圖1圖2再次，我們以?xún)山M紅葡萄酒樣品1為例，對(duì)其數(shù)據(jù)做了歸一化處理，利用雷達(dá)圖表示，如圖3所示。加強(qiáng)了上述關(guān)于顯著性差異的推論。外觀澄清度過(guò)以上對(duì)數(shù)據(jù)和檢驗(yàn)方法的分析，我們采而己對(duì)T檢驗(yàn)法對(duì)兩組樣本進(jìn)行差析。3.2.3.基本假設(shè)：每組評(píng)論員對(duì)各項(xiàng)酒的評(píng)價(jià)分?jǐn)?shù)成正態(tài)分布。評(píng)論員都具有一定的專(zhuān)業(yè)品酒技術(shù)，對(duì)每種酒的各個(gè)指標(biāo)的評(píng)價(jià)不會(huì)有大的偏差（保證評(píng)分的關(guān)聯(lián)度）。3.2.4.模型的建立與求解：將處理后的數(shù)據(jù)導(dǎo)入到SPSS軟件中，針對(duì)兩組紅葡萄酒評(píng)價(jià)中的各項(xiàng)指標(biāo)評(píng)分的平均值進(jìn)行配對(duì)樣本T檢驗(yàn)法，設(shè)定置信度區(qū)間為95,得到結(jié)果如下：表2.成對(duì)樣本統(tǒng)計(jì)量均值N標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤對(duì)1紅葡萄酒各項(xiàng)平均分113.285629719.397301.12555紅葡萄灑各項(xiàng)平均分212.820929718.634121.08126表3.成對(duì)樣本相關(guān)系數(shù)N相關(guān)系數(shù)Sig.對(duì)1紅葡萄酒各項(xiàng)平均分1紅葡萄灑各項(xiàng)平均分2297.996.000

表2為描述性統(tǒng)計(jì)表，給出了紅葡萄酒的各項(xiàng)平均分的平均值，標(biāo)準(zhǔn)差以及標(biāo)準(zhǔn)誤。表3為樣本間的配對(duì)性的測(cè)驗(yàn)結(jié)果，可以看到測(cè)出的P值（即sig值）等于0<0.001，因此在95%的置信水平上差異顯著，即兩組紅葡萄酒的各項(xiàng)平均分的平均值顯著相關(guān)，驗(yàn)證了我們之前的推論，因此也符合配對(duì)樣本T檢驗(yàn)的前提條件。表4.成對(duì)樣本檢驗(yàn)成對(duì)差分TdfSig.（雙側(cè)）均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤差分的95%置信區(qū)間下限上限對(duì)1紅葡萄酒各項(xiàng)平均分1紅葡萄灑各項(xiàng)平均分2.464681.88444.10935.24949.679884.250296.000表4為最終的配對(duì)樣本T檢驗(yàn)結(jié)果報(bào)表。其中t表示用公式:t_ %-X2S+S?-2rS、S2\n所計(jì)算出的值，是最終計(jì)算出P值的依據(jù)。df為自由度，sig（雙側(cè)顯著性概率）則為我們所需要的P值?？梢钥吹阶罱K結(jié)果是P=0.000<0.001，因此在95%的置信水平上差異顯著，所以?xún)山M評(píng)論員評(píng)分無(wú)顯著性差異的假設(shè)不成立，即兩組評(píng)論員對(duì)紅酒的評(píng)分具有顯著性差異。圖四為以上結(jié)果的綜合圖形描繪。圖4.結(jié)果的綜合圖形描繪對(duì)于白葡萄酒的組，利用同樣的方法進(jìn)行差異性分析，在SPSS軟件里同樣也得到如下結(jié)果，如表5、表6、表7所示： 表5.成對(duì)樣本統(tǒng)計(jì)量 均值N標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤對(duì)1 白葡萄酒各項(xiàng)平均分113.501930819.645421.11940白葡萄灑各項(xiàng)平均分213.914930820.210871.15162

表6.成對(duì)樣本相關(guān)系數(shù)N相關(guān)系數(shù)Sig.對(duì)1 白葡萄酒各項(xiàng)平均分1白葡萄灑各項(xiàng)平均分2308.996.000表7.成對(duì)樣本檢驗(yàn)成對(duì)差分TdfSig.（雙側(cè)）均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤差分的95%詈信區(qū)間下限上限對(duì)白葡萄酒各項(xiàng)平均分11白葡萄灑各項(xiàng)平均分2-.412991.93277.11013-.62969-.19628-3.750307.000成叉寸樣本檢驗(yàn)對(duì)1白葡萄酒各項(xiàng)平均分1-白葡萄酒各項(xiàng)平均分2-]_圖5.白葡萄酒成對(duì)樣本檢驗(yàn)，此時(shí)P值仍小于0.001-]_圖5.白葡萄酒成對(duì)樣本檢驗(yàn)，此時(shí)P值仍小于0.001，因此兩組評(píng)論員對(duì)白葡萄酒的評(píng)價(jià)在95%的置信水平上也具有差異顯著性，從而可得出結(jié)論：無(wú)論是針對(duì)紅葡萄酒還是白葡萄；如圖5所評(píng)酒員的評(píng)價(jià)結(jié)果都有顯著性差異。兩組3.2.成對(duì)密均成對(duì)琶分標(biāo)瑚睇t均成對(duì)差分差成對(duì)差分差 tS!。慎 淮差值的標(biāo)"崔麝楝■曾捕5.問(wèn)題反思：對(duì)于該問(wèn)題，我們將每項(xiàng)葡萄酒評(píng)分做了平均化處理，再把處理出來(lái)的平均分作為樣本，這樣每個(gè)樣本中的數(shù)據(jù)變成了與每個(gè)指標(biāo)得分情況對(duì)應(yīng)的一元數(shù)值，然后用配對(duì)樣本T檢驗(yàn)法對(duì)其進(jìn)行差異顯著性分析。通過(guò)這種方法處理出來(lái)的結(jié)果具有一定的科學(xué)性與準(zhǔn)確性。但是由于數(shù)據(jù)是進(jìn)行了平均化處理后的數(shù)據(jù)，因此模型所反映出的情況不具有完整性，對(duì)此我們便有了下面這種改進(jìn)思路：將每組中10名品酒師對(duì)27項(xiàng)樣品的評(píng)價(jià)總分作為一個(gè)1027的矩陣（a…a}1，1. 1：27:??: （其中Lj第i個(gè)品酒員對(duì)第j款酒所給的總分）。".1 …"10,27^每個(gè)矩陣分別對(duì)應(yīng)該組品酒師的評(píng)分具體情況，再用這兩組數(shù)據(jù)構(gòu)成的矩陣進(jìn)行多元數(shù)據(jù)的T檢驗(yàn)，如此處理出的結(jié)果就應(yīng)該更具有完整性與可靠性。但由于本組成員所了解的統(tǒng)計(jì)學(xué)知識(shí)還不足以去運(yùn)用這樣多元性的、更為精確的處理手段，因此就將這作為一個(gè)以后改進(jìn)的思路。問(wèn)題1.2：附件1中兩組評(píng)酒員評(píng)價(jià)結(jié)果的信度分析我們針對(duì)兩組中每位品酒師對(duì)每種酒所給出的總分得出10x27的矩陣TOC\o"1-5"\h\z" "1,1 1,27: ,- : , ，一…? -- 對(duì)其中的元素逐行進(jìn)行可信度分析。I"10.1 …"10,27）模型討論首先我們根據(jù)品酒師打分為主觀作用，我們選擇評(píng)價(jià)評(píng)分者信度的KendallW協(xié)同檢驗(yàn)?zāi)Ｐ?，通過(guò)SPSS對(duì)紅白葡萄4組數(shù)據(jù)進(jìn)行模擬分析，得到的漸進(jìn)顯著性系數(shù)p均小于0.05（等于0.00），協(xié)同系數(shù)均為0.50左右，無(wú)法得出明確的結(jié)論。經(jīng)過(guò)思考，我們發(fā)現(xiàn)Kendall模型對(duì)于采用等級(jí)評(píng)定方式評(píng)分的情況是可取的，然而當(dāng)評(píng)分者用其他非等級(jí)評(píng)定的方式（如百分制）評(píng)定時(shí)，其信度系數(shù)是不合適的，因?yàn)槠湫哦认禂?shù)僅能反映評(píng)分者之間的相對(duì)一致性，并沒(méi)有考慮評(píng)分者之間存在的評(píng)分絕對(duì)差別，在這種情況下評(píng)分者之間的系統(tǒng)誤差也看會(huì)被成是隨機(jī)誤差，此時(shí)計(jì)算出的信度系數(shù)不能正確反映評(píng)分者信度的高低。所以我們選擇內(nèi)部一致性信度分析。問(wèn)題假設(shè)為簡(jiǎn)化模型，排除品酒員主觀因素和個(gè)人偏好不同而造成的影響，我們做出如下假設(shè)：1、 每位品酒員鑒定的同一種葡萄酒特質(zhì)完全相同。2、 對(duì)于每一種類(lèi)葡萄酒被任何一品嘗相當(dāng)于對(duì)其質(zhì)量進(jìn)行一次客觀的測(cè)試，每一項(xiàng)指標(biāo)的評(píng)價(jià)，相當(dāng)于一道題目的得分。3、 葡萄酒的特質(zhì)可以從品酒員的品嘗時(shí)考慮的方面（即客觀測(cè)試的一系列“題目”）測(cè)量出來(lái)。3.3.3.模型的建立及求解對(duì)于抽象出來(lái)的測(cè)試模型，由于每道測(cè)試題目表示一個(gè)特質(zhì)指標(biāo)的評(píng)價(jià)，所以我們不能采用簡(jiǎn)單的二分法計(jì)分。因而我們選擇Cronbach或系數(shù)分析。WS2其中a=（-￡）（1-?二）式中，K為整個(gè)品嘗的次數(shù)；S2為總得分的方差；S2為K-1 S2 X iX是所有在第i位品酒師打分的方差。'a...a'我們先用EXCEL進(jìn)行數(shù)據(jù)處理，得到27x10的矩陣：偵..1：』°，以紅葡萄酒為例。,??頃27.1 …"27,10頃27.1 …"27,10^表9.第二組紅葡萄酒可靠在統(tǒng)計(jì)量Cronbach'sAlpha基于標(biāo)準(zhǔn)化項(xiàng)的CronbachsAlpha項(xiàng)數(shù).912.92110表8.第一組紅葡萄酒Cronbath'sAlpha基于標(biāo)準(zhǔn)化項(xiàng)的CronbachsAlpha項(xiàng)數(shù),861.86710可靠性統(tǒng)計(jì)量如表8、表9所示，不難看出對(duì)于紅葡萄酒，第一組標(biāo)準(zhǔn)化CronbachsAlpha較高，即第一組品酒師對(duì)紅葡萄酒的評(píng)價(jià)更為可靠。同樣地對(duì)于白葡萄酒，第一組標(biāo)準(zhǔn)化CronbachsAlpha比第二組更高，如表10、表11所示。表10.第一組白葡萄酒 表11.第二組白葡萄酒可靠性統(tǒng)計(jì)星Cronbach'sAlpha可靠性統(tǒng)計(jì)星Cronbach'sAlpha基子標(biāo)準(zhǔn)化頊的CronbachsAlpha項(xiàng)數(shù).779.80110可舞惟統(tǒng)計(jì)星Cronbach'sAlpha基于標(biāo)準(zhǔn)化項(xiàng)的CronbachsAlpha頊故69771710即第一組更為可信。再對(duì)第一組進(jìn)行進(jìn)一步討論，對(duì)于第一組十位品酒師對(duì)紅白葡萄酒的評(píng)價(jià)的項(xiàng)已刪除的Cronbach'sAlpha值（詳見(jiàn)附錄）進(jìn)行分析，沒(méi)有任何一位品酒師對(duì)于整體的標(biāo)準(zhǔn)化CronbachsAlpha有明顯影響，所以十位品酒師的評(píng)價(jià)分?jǐn)?shù)也均可信。綜上所述，無(wú)論對(duì)于紅葡萄酒還是白葡萄酒，兩組品酒師的評(píng)價(jià)均存在顯著差異，其中第一組品酒師的評(píng)價(jià)結(jié)果更可信，并且第一組十位品酒師的評(píng)價(jià)都屬于可信范圍。問(wèn)題2：根據(jù)釀酒葡萄的理化指標(biāo)和葡萄酒的質(zhì)量對(duì)釀酒葡萄進(jìn)行分級(jí)問(wèn)題分析如果單用葡萄酒為釀酒葡萄打分，則直接在葡萄酒的外觀、香氣、口感質(zhì)量權(quán)重中賦予權(quán)值，所得之和即可作為對(duì)釀酒葡萄的評(píng)分。而本題卻引入了另一類(lèi)變量，就是葡萄的理化指標(biāo)。這是一項(xiàng)很龐大雜亂的數(shù)據(jù)，所以我們想到利用主成分分析法對(duì)這些數(shù)據(jù)進(jìn)行主要因子分析，找出這些指標(biāo)的公共因子，求的每一樣品在這些因子上的成份得分系數(shù)矩陣，給數(shù)據(jù)降低維度，再以此作為研究釀酒葡萄等級(jí)評(píng)定的依據(jù)。模型建立（以紅葡萄為例）首先對(duì)數(shù)據(jù)進(jìn)行歸一化處理，再用SPSS因子分析對(duì)處理后的數(shù)據(jù)進(jìn)行因子分析。并選擇具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法進(jìn)行處理。得到的結(jié)果如表12所示：

表12.成份矩陣a成份12345678花色苷.852總酚.851單寧.759DPPH自由基.734葡萄總黃酮.704果梗比.585蛋白質(zhì).584L-.578黃酮醇.562-.524百粒質(zhì)量-.542出汁率.533干物質(zhì)含量.847總糖.792還原糖.777可溶性固形物.758氨基酸總量.559白藜蘆醇.812A.724可滴定酸-.599果皮質(zhì)量-.597.530B.500.590褐變度.618.673多酚氧化酶活力.661蘋(píng)果酸.639酒石酸果穗質(zhì)量.610VC含量-.546固酸比檸檬酸-.571提取方法：主成份。a.已提取了8個(gè)成份SPSS經(jīng)過(guò)因子分析和旋轉(zhuǎn)處理后一共得到了8個(gè)主成分，但在8個(gè)主成分之中，葡萄的理化指標(biāo)所載負(fù)荷主要是分配在前四個(gè)成分當(dāng)中。而觀察這四個(gè)成分的高負(fù)荷指標(biāo)，成分一中高負(fù)荷的指標(biāo)主要有單寧、酮類(lèi)酚類(lèi)物質(zhì)以及蛋白質(zhì)等，而這些物質(zhì)，特別是單寧，在很大程度上影響到了葡萄酒的口感，因此可將該成分命名為“口感類(lèi)物質(zhì)”；成分二中高負(fù)荷的指標(biāo)有糖類(lèi)、氨基酸類(lèi)、VC含量等營(yíng)養(yǎng)成分類(lèi)物質(zhì)的指標(biāo)，可命名為“營(yíng)養(yǎng)類(lèi)物質(zhì)”；成分三主要有a、b色澤，以及果皮含量指標(biāo)，可命名為“色澤類(lèi)物質(zhì)”；成分四主要有蘋(píng)果酸，酒石酸等指標(biāo)，可命名為“酸類(lèi)物質(zhì)”。這樣通過(guò)軟件做

出的成份得分系數(shù)，就可求得對(duì)應(yīng)的因子變量解，如表13所示:表13.成份得分系數(shù)矩陣成份12345678氨基酸總量-.004.129-.173-.069.000.210-.059.052蛋白質(zhì).089-.041-.113.027-.041.053.139.140VC含量.039-.155-.002-.107.086.071-.212-.110花色苷.115-.007.178.004.002-.064.012-.014酒石酸.009-.005-.165-.015-.048-.009.017.464蘋(píng)果酸.024.000.319-.018.120-.140-.039-.043檸檬酸-.076-.065.142.067.022.021-.122.509多酚氧化酶活力-.108.061.229.111-.100.142.106-.040褐變度-.030-.051.285-.024-.023.065.006-.036DPPH自由基.186-.013-.060.082.096.096.042-.065總酚.197.047-.041-.002.022-.021.070-.115單寧.171-.041.065.047.062.042-.220.074葡萄總黃酮.233.031-.077.064.075-.043.046-.095白藜蘆醇.045-.041-.019.014.357.157-.003-.103黃酮醇-.043.052.004.130.063.460-.058.020總糖.022.245-.041.020.046.017.125-.180還原糖-.047.178-.010-.001-.016.009.024.008可溶性固形物.014.234.005.061.018.030.065-.144可滴定酸.033.032.005.051.033.012-.391.058固酸比-.006.084.040.015-.004-.090.424-.084干物質(zhì)含量.005.189.023.016.012.016-.050.056果穗質(zhì)量.029-.003-.004.342.044-.026.074.121百粒質(zhì)量.053.013-.015.296.065-.015-.025-.073果梗比-.049-.064.033-.120-.056.298-.026-.036出汁率.199-.014.002-.021.003-.184-.050-.021果皮質(zhì)量.017.047.057.411.059.172-.098.028L-.118-.006-.034.107.080.192.199-.207B.048.045.065.106.358-.088-.064.082A.007.013.001.052.360.019-.010-.054提取方法：主成份。旋轉(zhuǎn)法：具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。構(gòu)成得分。并據(jù)此算得每個(gè)樣品在每類(lèi)成分上的得分，結(jié)果如表14所示:

表14?基于四類(lèi)主成分負(fù)荷的樣本得分表樣品口味類(lèi)物質(zhì)營(yíng)養(yǎng)類(lèi)物質(zhì)色澤類(lèi)物質(zhì)酸類(lèi)物質(zhì)1.001.310.173.05-1.012.001.410.300.22-0.793.000.682.21-1.11-0.664.00-0.88-0.23-0.32-0.605.000.43-0.02-0.231.796.000.021.36-0.310.087.00-1.010.540.41-1.318.00-0.35-0.132.940.999.002.78-0.73-0.89-0.7310.000.11-2.66-0.39-0.8211.00-1.060.05-0.13-0.3612.00-0.841.74-0.140.4813.00-0.27-0.76-0.74-0.5714.00-0.38-0.291.220.5215.00-0.18-0.380.240.0816.00-0.31-0.740.17-1.2717.000.530.93-0.252.0618.00-0.840.96-0.04-0.1919.00-0.06-0.14-0.27-0.6920.00-0.40-0.05-0.991.0221.00-0.230.49-1.18-1.3222.00-0.480.750.26-0.9823.002.40-0.09-0.340.9324.000.21-0.07-0.081.1825.00-0.48-1.68-0.610.4226.00-0.86-1.01-0.421.7227.00-1.27-0.52-0.060.04由于要求對(duì)葡萄進(jìn)行評(píng)級(jí)，因此我們決定用百分制的得分來(lái)作為評(píng)級(jí)的依據(jù)，由于時(shí)間關(guān)系我們對(duì)評(píng)分的系統(tǒng)只能做一個(gè)簡(jiǎn)單化的處理?，F(xiàn)在我們掌握的數(shù)據(jù)一共有4個(gè)主成分因子得分，還有一個(gè)葡萄酒質(zhì)量得分（由于在一問(wèn)中已經(jīng)論證了第一組的評(píng)論員打分更可信，于是這里葡萄酒質(zhì)量得分以第一組為標(biāo)準(zhǔn)），所以我們將賦予主成分與葡萄酒所得分?jǐn)?shù)1:1:1:1:6的權(quán)重，以此求得釀酒葡萄的最終評(píng)分。如此，則每個(gè)成份所占分?jǐn)?shù)為10分，評(píng)論員評(píng)價(jià)所占分?jǐn)?shù)為60分。最后的等級(jí)評(píng)價(jià)我們將效仿目前權(quán)威的葡萄酒評(píng)分系統(tǒng)一美國(guó)著名的葡萄酒評(píng)論家羅伯特?帕克推崇的是葡萄酒100分制評(píng)分體系，帕克的評(píng)分系統(tǒng)會(huì)給每一款酒一個(gè)基礎(chǔ)的分?jǐn)?shù)（50分）。在50分的基礎(chǔ)上，按酒的質(zhì)量特點(diǎn)加分，將酒的品質(zhì)分成四類(lèi)。而我們也效仿這一模式對(duì)釀酒葡萄進(jìn)行分級(jí)，將葡萄分成如下六個(gè)等級(jí)：96-100Extraordinary90-95Outstanding80-89Aboveaverage70-79Average60-69Belowaverage50-59Unacceptable頂級(jí)：各類(lèi)指標(biāo)全面優(yōu)秀的釀酒葡萄。優(yōu)秀：營(yíng)養(yǎng)成分飽滿(mǎn)，味道純正的釀酒葡萄。優(yōu)良：綜合指標(biāo)尚佳的釀酒葡萄。一般：略有瑕疵，尚無(wú)大礙的釀葡萄。低于一般：不值得推薦次品

根據(jù)成份得分系數(shù)以及評(píng)論員評(píng)價(jià)數(shù)據(jù)處理后各樣品的釀酒葡萄得分明細(xì)以及對(duì)應(yīng)等級(jí)如表15所示：表15.釀酒紅葡萄得分明細(xì)及等級(jí)樣品口味類(lèi)物質(zhì)營(yíng)養(yǎng)類(lèi)物質(zhì)色澤類(lèi)物質(zhì)酸類(lèi)物質(zhì)瓶酒員評(píng)價(jià)最總得分等級(jí)1.006.355.8210.250.9437.6260.99低于般2.006.616.093.391.5748.1865.84低于般3.004.8210.000.181.9648.2465.19低于般4.000.954.992.082.1441.1651.33次品5.004.185.432.309.2143.9865.11低于般6.003.188.272.124.1543.3261.04低于般7.000.646.583.870.0442.9054.02次品8.002.275.2010.006.8443.3867.68低于般9.0010.003.960.711.7548.9065.32低于般10.003.400.001.931.4944.5251.34次品11.000.515.562.552.8542.0653.53次品12.001.079.052.515.3432.3450.31次品13.002.463.921.062.2244.7654.42次品14.002.184.875.825.4643.8062.13低于般15.002.684.683.444.1535.2250.17次品16.002.363.943.260.1744.9454.68次品17.004.457.382.2510.0047.5871.66一般18.001.067.442.773.3635.9450.57次品19.002.9747.1659.39次品20.002.155.370.476.9447.1662.09低于般21.002.556.480.000.0046.2655.29次品22.001.957.003.491.0146.3259.77次品23.009.055.272.036.6651.3674.37一般24.003.665.332.667.4246.8065.86低于般25.001.952.011.385.1541.5252.02次品26.001.013.391.849.0144.2859.53次品27.000.004.412.714.0443.8054.96次品3.4.3.針對(duì)白葡萄的模型建立依照對(duì)紅葡萄的等級(jí)評(píng)價(jià)，我們也首先對(duì)白葡萄進(jìn)行了主成分分析（結(jié)果見(jiàn)附件），同樣也將白葡萄指標(biāo)分成了對(duì)應(yīng)的4個(gè)主成分，并求得了樣品在每個(gè)成分上的得分，最后進(jìn)行歸總評(píng)分，得出表16的結(jié)果：表16.釀酒白葡萄得分明細(xì)及等級(jí)白葡萄口味類(lèi)物質(zhì)營(yíng)養(yǎng)類(lèi)物質(zhì)色澤類(lèi)物質(zhì)酸類(lèi)物質(zhì)瓶酒員評(píng)價(jià)最總得分等級(jí)1.004.205.535.972.8649.2067.76低于般2.005.776.064.388.6944.5269.43低于般3.004.477.896.0210.9751.1880.54優(yōu)良4.005.3210.005.897.6147.6476.47一般5.007.268.434.546.5242.6069.35低于般6.003.398.127.915.9641.0466.43低于般7.003.727.499.372.6146.5069.70低于般

8.000.725.294.509.1342.8462.49低于般9.007.476.767.219.6343.7474.81一般10.007.7944.5873.01一般11.000.998.516.3912.6143.3871.89一般12.005.917.457.1210.0037.9868.47低于般13.000.007.878.797.9139.5464.11低于般14.005.138.634.695.2843.2066.92低于般15.002.414.887.555.4643.4463.74低于般16.003.610.005.715.2144.4058.94次品17.002.438.586.359.2747.2873.91一般18.001.677.747.794.5443.8665.59低于般19.005.272.234.8110.7643.3266.40低于般20.006.987.194.774.8646.6870.48一般21.005.498.933.626.9345.8470.81一般22.006.664.498.398.7942.6070.92一般23.006.817.225.538.0445.5473.14一般24.008.517.6410.547.8843.9878.55一般25.007.854.334.958.0746.2671.47一般26.0010.006.487.368.0948.7880.72優(yōu)良27.005.685.2113.629.4438.8872.83一般28.008.148.256.876.5548.7878.60一般3.4.4.模型的改進(jìn)構(gòu)想我們對(duì)于釀酒葡萄的評(píng)級(jí)把標(biāo)準(zhǔn)主要是建立的數(shù)據(jù)的歸一化以及主成分提取的基礎(chǔ)之上，由于時(shí)間關(guān)系，對(duì)影響釀酒葡萄等級(jí)的給個(gè)因素只是進(jìn)行了一個(gè)簡(jiǎn)單的權(quán)重化處理，所以我們對(duì)此的改進(jìn)構(gòu)想是運(yùn)用層次分析法將各個(gè)因子構(gòu)建一個(gè)多層次，決定權(quán)重因素更多，更為復(fù)雜的等級(jí)評(píng)價(jià)系統(tǒng)，將(W1A=(W1A=:WnWn:Wn作為各因素的比較矩陣；W=(1 1W1，W21Wn)作為權(quán)重向量;IW1 Wn利用AW=XW求得其最大特征向量，并以此作為排序求得最終的權(quán)重向量，最后再進(jìn)行評(píng)級(jí)處理，這樣將使得評(píng)定結(jié)果更具可靠性。問(wèn)題3：分析釀酒葡萄與葡萄酒的理化指標(biāo)之間的聯(lián)系先將葡萄酒以及釀酒葡萄的指標(biāo)整合在一起，總共包括35組指標(biāo)。經(jīng)過(guò)對(duì)數(shù)學(xué)建模中相關(guān)性的研究，得知在SPSS軟件中共有三種研究相關(guān)性的方法，分別為雙變量相關(guān)性分析、偏變量相關(guān)性分析以及距離相關(guān)性分析。而前兩種方法主要是針對(duì)兩組或三組數(shù)據(jù)進(jìn)行關(guān)聯(lián)度測(cè)試，而本題中是要求對(duì)多項(xiàng)指標(biāo)進(jìn)行對(duì)比，因此我們先采用距離相關(guān)分析法對(duì)這35組指標(biāo)進(jìn)行初步的關(guān)聯(lián)度探測(cè)。通過(guò)SPSS的處理，得到了各指標(biāo)間的相似性距離，也就是Pearson相關(guān)系數(shù)?？梢钥吹狡咸丫婆c釀酒葡萄各項(xiàng)指標(biāo)之間存在較多Pearson相關(guān)較大的組合，比如酒的花色苷與葡萄的花色苷，酒的總酚、酒總黃酮與葡萄的DPPH自由基，酒的單寧與果梗比……

由于具有相似性的指標(biāo)太多，所以我們抽取幾組具有代表性的指標(biāo)進(jìn)行更進(jìn)一步的分析。3.5.1.色酒的色澤與釀酒葡萄的顏色比較，由于花色苷是影響酒和酒的釀酒葡萄的重要因素，所以酒中花色苷與葡萄中花色苷的理化指標(biāo)的聯(lián)系反映了葡萄的顏色對(duì)葡萄酒色澤的影響。于是我們對(duì)以上兩組理化指標(biāo)做了一次雙因素相關(guān)性分析，結(jié)果如表17所示:表17.相關(guān)性花色苷W花色苷花色苷W Pearson相關(guān)性1.923**顯著性（雙側(cè)）.000N2727花色苷 Pearson相關(guān)性.923**1顯著性（雙側(cè)）.000N2727**.在.01水平（雙側(cè)）上顯著相關(guān)。兩者在0.01的置信水平上顯著相關(guān)，且相關(guān)系數(shù)為0.923，說(shuō)明酒的花色苷含量跟葡萄花色苷有很密切的關(guān)系，或者說(shuō)，酒的色澤從很大程度上取決與葡萄的顏色。下面用MATLAB對(duì)它們進(jìn)行二次擬合，處理數(shù)據(jù)如下：p1*x2+p1*x2+p2*x+p3(with95%confidencebounds):0.000412(-0.002904,0.003728)2.22(0.9547,3.485)22.21(-63.17,107.6)Goodnessoffit:SSE:2.041e+005R-square:0.8516AdjustedR-square:0.8393RMSE:92.22該擬合結(jié)果在95%的置信區(qū)間內(nèi)，準(zhǔn)確性較高。最終對(duì)應(yīng)的公式為：y=0.000412xx2+2,22xx+22.21圖6.擬合對(duì)比圖

圖6.擬合對(duì)比圖3.5.2.味單寧是決定酒味道的主要理化指標(biāo)，而在通過(guò)上面的處理方法我們得知酒的單寧指標(biāo)與釀酒葡萄的總酚，總黃酮指標(biāo)具有很高的相似性，Pearson相關(guān)系數(shù)分別為0.817、0.684.于是這里我們將研究酒的風(fēng)味與釀酒葡萄的總酚，總黃酮的關(guān)系。用SPSS中多元線(xiàn)性回歸分析對(duì)酒的單寧，葡萄的單寧、總分以及黃酮醇進(jìn)行處理，得到結(jié)果如表18所示：表18.相關(guān)性灑的單寧葡萄總酚黃酮醇Pearson相關(guān)性 酒的單寧1.000.817.579葡萄總酚.8171.000.346黃酮醇.579.3461.000Sig.（單側(cè)） 酒的單寧..000.001葡萄總酚.000..039黃麗醇.001.039.N 酒的單寧272727葡萄總酚272727黃酮醇272727這里三組數(shù)據(jù)之間處理后的sig值都為0，它們?cè)谥眯艆^(qū)間內(nèi)顯著相關(guān)，因此對(duì)它們做回歸擬合的可靠性很高。下面是線(xiàn)性回歸分析對(duì)這三組數(shù)據(jù)進(jìn)行的回歸分析，所得系數(shù)如表19所示：表19.系數(shù)a模型北標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線(xiàn)性統(tǒng)計(jì)量B標(biāo)準(zhǔn)誤差試用版容差VIF1 （常量）1.893.6942.727.012葡萄總酚.307.046.7016.683.000.8811.136黃酮醇.024.008.3363.206.004.8811.136a.因變量：酒的單寧對(duì)應(yīng)的酒的單寧（Y）與葡萄總酚（XI）、黃酮醇（X2）的線(xiàn)性關(guān)系式如下:Y1.893+0.307X1+0.024X2擬合結(jié)果與原數(shù)據(jù)對(duì)比圖形如下:同樣對(duì)白葡萄中酒的單寧（y）與葡萄總酚（x1）、黃酮醇（x2）進(jìn)行多元化回歸分析，所得結(jié)果如表20：

模型北標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常量）1.222.3943.100.005白葡萄總酚.063.066.254.953.350白葡萄總黃酮.81.387表20.系數(shù)aa.因變量：白葡萄酉單寧）63x因變量：白葡萄酉單寧）63x1+0.102x2+1.222極小值極大值均值標(biāo)準(zhǔn)偏差N預(yù)測(cè)值1.55183.07211.8506.3286028殘差-.938142.23665.00000.6410628標(biāo)準(zhǔn)預(yù)測(cè)值-.9093.717.0001.00028標(biāo)準(zhǔn)殘差-1.4083.357.000.96228因變量：白葡萄酒單寧a.表21.殘差統(tǒng)計(jì)Ba問(wèn)題4.1：因子分析簡(jiǎn)化模型尋求函數(shù)關(guān)系的擬合問(wèn)題分析從葡萄和葡萄酒的理化指標(biāo)來(lái)看，其成分較為復(fù)雜，如果直接對(duì)所有理化指標(biāo)和葡萄酒品質(zhì)的關(guān)系進(jìn)行分析，其對(duì)應(yīng)關(guān)系過(guò)于復(fù)雜，難以得出結(jié)論。為簡(jiǎn)化模型，我們對(duì)其進(jìn)行如下處理：我們以品酒師信度較高的第一組的總平均分s.作為代表每一個(gè)樣品酒品質(zhì)的標(biāo)準(zhǔn)。對(duì)于各種理化性質(zhì)，我們只考慮一級(jí)指標(biāo)，暫時(shí)不考慮芳香類(lèi)物質(zhì)（后文會(huì)提出所求函數(shù)關(guān)系關(guān)于芳香類(lèi)物質(zhì)的修正）為減少變量個(gè)數(shù)，我們通過(guò)因子分析、主成分分析及其嵌套將原來(lái)與得分S相關(guān)聯(lián)的i理化指標(biāo)向量乙.簡(jiǎn)化為兩個(gè)可以代表原來(lái)數(shù)據(jù)群體的因子x,y我們通過(guò)Matlab對(duì)總平均分S與因子x,〉的關(guān)系進(jìn)行三維的擬合，最終得到近似的i ii關(guān)系s=s=F（x,j）ii ii數(shù)據(jù)處理及模型建立：首先，因?yàn)橛绊懫咸丫瀑|(zhì)量的應(yīng)該是各理化成分的相對(duì)含量，為了結(jié)果的準(zhǔn)確性，所以我們有必要對(duì)所有葡萄酒所得總平均分進(jìn)行歸一化處理。另一方面為了減小變量向量的維度，我們利用SPSS對(duì)紅白葡萄理化性質(zhì)指標(biāo)進(jìn)行因子分析分析，所得旋轉(zhuǎn)成分矩陣見(jiàn)附錄。對(duì)于紅葡萄我們得到8個(gè)因子即可以看成一個(gè)8維的特征向量，對(duì)于白葡萄我們的到了9個(gè)因子即一個(gè)9維的特征向量。雖然對(duì)于原來(lái)紅白葡萄所含的理化性質(zhì)指標(biāo)的數(shù)量有了顯著的減少，但是對(duì)于尋求一個(gè)與葡萄酒相關(guān)的固定的關(guān)系依舊存在較大困難。于是我們進(jìn)行了二次因子分析，將原來(lái)的8維向量和9維向量簡(jiǎn)化為2維，以便擬合出較為準(zhǔn)確的函數(shù)關(guān)系。由于紅葡萄與白葡萄各方面類(lèi)似，為了簡(jiǎn)潔起見(jiàn)，下面我們一紅葡萄及紅葡萄酒為例，來(lái)分析紅葡萄理化性質(zhì)、紅葡萄酒理化性質(zhì)與紅葡萄酒質(zhì)量

的關(guān)系。1.紅葡萄的理化性質(zhì)與紅葡萄酒質(zhì)量的關(guān)系首先我們利用SPSS對(duì)紅葡萄31種一類(lèi)理化指標(biāo)進(jìn)行因子分析（主成分分析），得出8個(gè)性質(zhì)因子，即8種代表性成分。其旋轉(zhuǎn)成分矩陣及成分得分系數(shù)矩陣詳見(jiàn)附錄。通過(guò)對(duì)其旋轉(zhuǎn)成分矩陣系數(shù)分析根據(jù)前面問(wèn)題的分析可將它們命名為口感類(lèi)物質(zhì)、營(yíng)養(yǎng)類(lèi)物質(zhì)、色澤類(lèi)物質(zhì)、酸類(lèi)物質(zhì)等。表22 表23屹轉(zhuǎn)成僧痼叫3成份1.901.935，寧灑總黃酣.918西洋L-.862花色mB15.758750白萩擇聰.402597屹轉(zhuǎn)成僧痼叫3成份1.901.935，寧灑總黃酣.918西洋L-.862花色mB15.758750白萩擇聰.402597*旋轉(zhuǎn)存3次送代后收皺+成傍彳旱分系款矩陣成份12花色首J48-.214單寧J75-.029總酚J84.005酒忌或酉國(guó).172-,□08白藜蘆S5.099.366DPPH半肺制體獲.183.057色諼L-J64-.□97色洋a-.038.452色洋□13.451提取為法：主成但*旋轉(zhuǎn)法：且有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法，構(gòu)成得分。Generalmodel:f(x,y)=a+b*sin(m*pi*x*y)+c*exp(—(w*y)^2)Coefficients(with95%confidencebounds):a=72.04(68.14,75.93)b=8.093(—5014,5030)c=8.421(—1.642,18.48)m=—0.04297(—27.03,26.95)w=5.886(—9.009,20.78)2.紅葡萄酒的理化性質(zhì)與紅葡萄酒質(zhì)量的關(guān)系相似地，我們首先將葡萄酒理化性質(zhì)指標(biāo)進(jìn)行歸一化處理，并用SPSS進(jìn)行主成分分

析，得出了成分因子七,J2，旋轉(zhuǎn)成分矩陣和成分得分系數(shù)矩陣如表24、表25：表24 表25成份得分系救矩陣總酚DPPH半加制體枳單寧色津L1■匕色m色洋a色澤b白葫蘆醇[.981.965.938.918-.862.815總酚DPPH半加制體枳單寧色津L1■匕色m色洋a色澤b白葫蘆醇[.981.965.938.918-.862.815.482.758.750.597根據(jù)對(duì)分析，項(xiàng)'可以命名為口化也日單亍總酚酒總黃甑白奈首醇DPPH半抑制體租色澤L色澤a成份84.172099J83-.164-.038-.214-.029.005-.008.366057-.097452可以命名為類(lèi)色澤類(lèi)物質(zhì)。通過(guò)MATLABcustomequation對(duì)總平均分S與其 可因子礦,y進(jìn)行擬合；結(jié)果如圖十:'%.":?.￥二1 2圖9.總平均分S.與其成分因子七七擬合結(jié)果Generalmodel:f(x,y)=Generalmodel:f(x,y)=Coefficients(-3.938e+07,3.938e+07)(-3.979,5.842)(-3.938e+07,3.938e+07)(0.3754,3.012)(-101,101)a+b*sin(m*pi*x*y)+c*exp(-(w*y)^2)(with95%confidencebounds):-26590.931427321.6940.014013.6.3.模型的深度討論分析首先對(duì)比兩種模型，經(jīng)過(guò)分析可以得出模型2對(duì)于葡萄酒質(zhì)量的預(yù)測(cè)能力要強(qiáng)于模型1，其原因可以歸為如下幾點(diǎn)：葡萄酒的理化指標(biāo)與葡萄酒質(zhì)量的關(guān)聯(lián)度要高于葡萄的理化指標(biāo)與葡萄酒質(zhì)量的關(guān)聯(lián)度，我們可以從SPSS相關(guān)性分析的結(jié)果以及相關(guān)資料查閱均可以得出。由于葡萄理化指標(biāo)較多，導(dǎo)致進(jìn)行了主成分分析的嵌套猜得到成對(duì)的因子，然而此時(shí)成對(duì)的因子已經(jīng)缺乏現(xiàn)實(shí)意義，因而缺乏一定的代表性，導(dǎo)致預(yù)測(cè)的準(zhǔn)確性降低。3.6.4.模型改進(jìn)如果為了追求變量考慮的全面性，即葡萄與葡萄酒的理化指標(biāo)同時(shí)考慮，如果我們釀酒葡萄與葡萄酒理化指標(biāo)及其質(zhì)量的分析與評(píng)估 利用現(xiàn)有的算法，那么就必須在首次得出的8個(gè)有關(guān)紅葡萄的因子與2個(gè)有關(guān)紅葡萄酒的因子進(jìn)行匯總再次進(jìn)行因子分析，經(jīng)試驗(yàn)，如果想得出成對(duì)的因子，那么需要連續(xù)進(jìn)行因子分析，然而這樣的情況下，得出的因子早就失去了意義導(dǎo)致結(jié)果不準(zhǔn)確。另一方面由于葡萄酒的因子與葡萄的因子對(duì)葡萄酒質(zhì)量評(píng)分影響的權(quán)重是不同的，所以簡(jiǎn)單的歸一化處理也會(huì)對(duì)結(jié)果造成很大誤差。為得到較為準(zhǔn)確的預(yù)測(cè)，那么便需要利用人工智能算法來(lái)在算法結(jié)構(gòu)上進(jìn)行優(yōu)化，然而這樣一來(lái)便無(wú)法得出具體的關(guān)系，所以我們決定將人工智能算法用于以上我們得出的結(jié)論的準(zhǔn)確性的檢驗(yàn)與論述。問(wèn)題4.2：基于BP人工神經(jīng)網(wǎng)絡(luò)對(duì)于結(jié)果的檢驗(yàn)與討論3.7.1.模型優(yōu)勢(shì)基于BP神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)模型與傳統(tǒng)模型不同的是：此模型只需以歷史數(shù)據(jù)作為輸入，通過(guò)抑制與激活神經(jīng)結(jié)點(diǎn)，自動(dòng)決定影響性能的參數(shù)及影響程度，自動(dòng)形成模型，無(wú)需進(jìn)行模型假設(shè)，再加上神經(jīng)網(wǎng)絡(luò)對(duì)復(fù)雜的非線(xiàn)性系統(tǒng)具有曲線(xiàn)擬核能力，HiddenLayerOuipuiLayerInput圖進(jìn)行分析。Output申經(jīng)網(wǎng)們?nèi)?7組萄酒中的日組作為訓(xùn)練組，以其預(yù)測(cè)能力強(qiáng)，所以是合適的對(duì)比檢驗(yàn)?zāi)Ｐ?。其流程圖如圖10：HiddenLayerOuipuiLayerInput圖進(jìn)行分析。Output申經(jīng)網(wǎng)們?nèi)?7組萄酒中的日組作為訓(xùn)練組，以其我們們以紅葡萄酒為理化指標(biāo)向量作為輸入端，以可信度較高的第一組打出的總評(píng)分為輸出端對(duì)其進(jìn)行訓(xùn)練。經(jīng)過(guò)反復(fù)訓(xùn)練調(diào)試，我們訓(xùn)練出性質(zhì)如圖11、圖12的一組神經(jīng)網(wǎng)絡(luò)，并且其對(duì)于確性的檢驗(yàn)。BestValidationPerformanceis0.22989atepoch410'TrainValidationTestBest10-54組檢驗(yàn)數(shù)據(jù)，結(jié)果誤差不超過(guò)0.02確性的檢驗(yàn)。BestValidationPerformanceis0.22989atepoch410'TrainValidation