《大數(shù)據(jù)分析技術(shù)》課程設(shè)計(jì)指導(dǎo)書一、課程設(shè)計(jì)目的與任務(wù)本課程設(shè)計(jì)是為數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、應(yīng)用統(tǒng)計(jì)學(xué)等相關(guān)專業(yè)設(shè)置的，是這些專業(yè)教學(xué)計(jì)劃中實(shí)踐環(huán)節(jié)的有機(jī)組成部分，在完成了數(shù)學(xué)分析（或高等數(shù)學(xué)）、高等代數(shù)（或線性代數(shù)）、概率論與數(shù)理統(tǒng)計(jì)、Python程序設(shè)計(jì)、大數(shù)據(jù)分析技術(shù)等課程的學(xué)習(xí)之后，接受本課程設(shè)計(jì)的綜合訓(xùn)練，提升數(shù)據(jù)分析實(shí)踐創(chuàng)新能力。本課程設(shè)計(jì)的任務(wù)是培養(yǎng)學(xué)生對(duì)源于生產(chǎn)或生活中的數(shù)據(jù)建立數(shù)據(jù)模型，然后運(yùn)用Python開發(fā)一個(gè)數(shù)據(jù)分析或可視化的自建庫函數(shù)（API），并將自建庫函數(shù)推廣應(yīng)用于更廣泛類型的數(shù)據(jù)，實(shí)現(xiàn)從數(shù)據(jù)資源中獲取價(jià)值的目標(biāo)，最后撰寫設(shè)計(jì)說明書（或設(shè)計(jì)報(bào)告）等方面的能力，培養(yǎng)方式以上機(jī)操作和實(shí)踐為主。通過課程設(shè)計(jì)的綜合訓(xùn)練，讓學(xué)生加深對(duì)數(shù)據(jù)科學(xué)概論、大數(shù)據(jù)分析技術(shù)等課程理論與方法的掌握，同時(shí)具備對(duì)源自生產(chǎn)生活實(shí)際的數(shù)據(jù)進(jìn)行分析與挖掘并提供解決方案的能力，改變傳統(tǒng)的理論教學(xué)與生產(chǎn)實(shí)際脫節(jié)的現(xiàn)象，從而解決實(shí)踐創(chuàng)新能力相對(duì)薄弱的問題。二、課程設(shè)計(jì)組織及教學(xué)方式由指導(dǎo)教師向?qū)W生發(fā)放有關(guān)的課程設(shè)計(jì)背景資料，并向?qū)W生講述課程設(shè)計(jì)的方法、步驟和要求，設(shè)計(jì)過程采取在實(shí)驗(yàn)室機(jī)房中集中輔導(dǎo)，學(xué)生獨(dú)立設(shè)計(jì)的方式進(jìn)行。在設(shè)計(jì)的每個(gè)環(huán)節(jié)中，學(xué)生每人1臺(tái)計(jì)算機(jī)獨(dú)立自主地進(jìn)行操作，教師則巡回指導(dǎo)并回答學(xué)生的問題。三、課程設(shè)計(jì)課題及步驟（一）設(shè)計(jì)課題當(dāng)前本課程設(shè)計(jì)的相關(guān)課題如下表所示。對(duì)下述所有課題課程設(shè)計(jì)要達(dá)到的目標(biāo)是，就課題設(shè)計(jì)任務(wù)的解決過程及相關(guān)算法集成為一個(gè)PythonAPI，以解決普適性問題。序號(hào)課題設(shè)計(jì)任務(wù)1我國(guó)省域數(shù)字經(jīng)濟(jì)評(píng)估1.數(shù)字經(jīng)濟(jì)受到三大定律的支配，其中第一個(gè)定律是梅特卡夫法則：數(shù)字網(wǎng)絡(luò)的價(jià)值等于其節(jié)點(diǎn)數(shù)的平方。請(qǐng)以梅特卡夫法則為準(zhǔn)則，完成下述三問。（1）自定義網(wǎng)絡(luò)價(jià)值；（2）按自定義的數(shù)字網(wǎng)絡(luò)價(jià)值計(jì)算表中各省級(jí)行政單位的數(shù)字網(wǎng)絡(luò)的價(jià)值；（3）可視化相關(guān)結(jié)果。2.根據(jù)當(dāng)前數(shù)據(jù)，選用合適的方法預(yù)測(cè)各省級(jí)行政單位在2021年的數(shù)據(jù)。3.根據(jù)當(dāng)前數(shù)據(jù)（不包括預(yù)測(cè)的2021年的數(shù)據(jù)），對(duì)各省級(jí)行政單位在各年的數(shù)字經(jīng)濟(jì)水平進(jìn)行評(píng)估。2腎病綜合征影響因素分析本設(shè)計(jì)要求根據(jù)所附數(shù)據(jù)集研究慢性腎病綜合征（CKD）的影響特征，并據(jù)此對(duì)CKD患者進(jìn)行識(shí)別。1.建立兩個(gè)CKD識(shí)別模型，比如logistic模型和隨機(jī)森林模型；2.對(duì)模型中的參數(shù)進(jìn)行估計(jì)，并對(duì)模型精度進(jìn)行評(píng)估（隨機(jī)森林沒有待估計(jì)的參數(shù)）；3.現(xiàn)有100份體檢數(shù)據(jù)，見附件“體檢待識(shí)別數(shù)據(jù).xlsx”，試應(yīng)用所建模型對(duì)這100份體檢數(shù)據(jù)進(jìn)行識(shí)別，給出識(shí)別結(jié)果。3帕金森病步態(tài)分析本設(shè)計(jì)根據(jù)所附數(shù)據(jù)集研究帕金森患者的步態(tài)特征，并據(jù)此對(duì)帕金森患者進(jìn)行識(shí)別。1.建立兩個(gè)帕金森病識(shí)別模型，比如logistic模型和隨機(jī)森林模型；2.對(duì)模型中的參數(shù)進(jìn)行估計(jì)，并對(duì)模型精度進(jìn)行評(píng)估（隨機(jī)森林沒有待估計(jì)的參數(shù)）；3.現(xiàn)有如下3名受試者的步態(tài)數(shù)據(jù)，見附件“三名受試者步態(tài)數(shù)據(jù).zip”，試應(yīng)用所建模型對(duì)三名受試者進(jìn)行識(shí)別。4膽囊術(shù)后膽漏病理因素分析由所附數(shù)據(jù)集進(jìn)行膽囊術(shù)后膽漏病例分析。1.用至少兩種相關(guān)性描述各變量與膽漏的相關(guān)性；2.建立膽漏識(shí)別模型，并對(duì)模型進(jìn)行評(píng)估（包括混淆矩陣、ROC曲線，等）；3.根據(jù)模型提取各變量的重要性并可視化；4.提取重要性前10或前多個(gè)變量重新建模，并對(duì)模型進(jìn)行評(píng)估。5小麥種子的識(shí)別本設(shè)計(jì)根據(jù)所附數(shù)據(jù)集研究小麥種子的識(shí)別規(guī)則，并據(jù)此對(duì)小麥進(jìn)行識(shí)別。1.對(duì)數(shù)據(jù)先進(jìn)行描述性統(tǒng)計(jì)分析，再進(jìn)行標(biāo)準(zhǔn)化變換；2.應(yīng)用標(biāo)準(zhǔn)化數(shù)據(jù)建立小麥品種的logistic識(shí)別模型及神經(jīng)網(wǎng)絡(luò)識(shí)別模型；3.對(duì)logistic模型，要求對(duì)模型中的參數(shù)進(jìn)行估計(jì)，并提取各特征的重要性；4.對(duì)兩個(gè)模型的精度進(jìn)行評(píng)估，要求輸出描述精度的混淆矩陣；5.現(xiàn)獲得一批小麥麥粒在7個(gè)特征上的觀測(cè)值，見數(shù)據(jù)集中“新樣本”表，試識(shí)別這批小麥分別來自哪個(gè)品種。6城市重金屬污染問題本設(shè)計(jì)要求完成以下任務(wù)：1.可視化8種主要重金屬元素在該城區(qū)的空間分布；2.根據(jù)可視化結(jié)果分析重金屬污染物的傳播特征，確定污染的源和匯的位置；3.應(yīng)用TOPSIS方法對(duì)該城區(qū)內(nèi)不同區(qū)域重金屬的污染程度進(jìn)行綜合評(píng)價(jià)；4.對(duì)該城區(qū)內(nèi)不同區(qū)域重金屬的污染程度進(jìn)行聚類分析。7紅葡萄酒的評(píng)價(jià)本設(shè)計(jì)要求完成以下任務(wù)：1.分析附件1中兩組評(píng)酒員的評(píng)價(jià)結(jié)果有無顯著性差異，哪一組結(jié)果更可信？2.根據(jù)附件1中兩組評(píng)酒員的評(píng)價(jià)結(jié)果對(duì)葡萄酒進(jìn)行質(zhì)量分級(jí)。3.葡萄酒質(zhì)量等級(jí)與釀酒葡萄的理化指標(biāo)緊密相關(guān)，試建立以釀酒葡萄的理化指標(biāo)為變量、以葡萄酒質(zhì)量等級(jí)為目標(biāo)的葡萄酒等級(jí)識(shí)別模型，并對(duì)模型進(jìn)行評(píng)估。8雷達(dá)回波的識(shí)別本設(shè)計(jì)要求完成以下任務(wù)：1.對(duì)數(shù)據(jù)集進(jìn)行描述性統(tǒng)計(jì)分析；2.對(duì)數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化變化；3.應(yīng)用標(biāo)準(zhǔn)化數(shù)據(jù)建立大氣結(jié)構(gòu)的決策樹識(shí)別模型和支持向量機(jī)識(shí)別模型；4.對(duì)建立的識(shí)別模型進(jìn)行評(píng)估，并以ROC及混淆矩陣來可視化評(píng)估結(jié)果。9鮑魚年齡預(yù)測(cè)問題本設(shè)計(jì)根據(jù)所附數(shù)據(jù)集研究鮑魚年齡的預(yù)測(cè)問題。1.按如下步驟對(duì)數(shù)據(jù)進(jìn)行預(yù)處理：（1）對(duì)數(shù)據(jù)先進(jìn)行描述性統(tǒng)計(jì)分析；（2）對(duì)定量變量識(shí)別其中的奇異值，并刪除所發(fā)現(xiàn)的奇異值；（3）對(duì)定量變量進(jìn)行標(biāo)準(zhǔn)化；（4）對(duì)定性變量進(jìn)行獨(dú)熱編碼。完成預(yù)處理。2.應(yīng)用預(yù)處理后的數(shù)據(jù)建立鮑魚年齡的下述預(yù)測(cè)模型：（1）線性回歸模型（2）一次有理模型（3）logistic模型3.對(duì)上述模型的精度進(jìn)行評(píng)估。10乳腺癌致病基因挖掘本設(shè)計(jì)根據(jù)所附數(shù)據(jù)集挖掘乳腺癌的致病基因。1.給出每個(gè)基因分別在Normal、DCIS、IDC三類組織中的表達(dá)信息進(jìn)行探索性分析；2.自定義可視化方法對(duì)Normal、DCIS、IDC三類組織中前100個(gè)基因進(jìn)行可視化；3.通過倍數(shù)差異法篩選DCISvsNormal、IDCvsNormal、DCISvsIDC的差異表達(dá)基因；4.通過兩樣本t檢驗(yàn)方法篩選DCISvsNormal、IDCvsNormal、DCISvsIDC的差異表達(dá)基因；5.建立基因表達(dá)差異模型，篩選乳腺癌差異表達(dá)基因。11共享單車騎行量預(yù)測(cè)請(qǐng)根據(jù)所給數(shù)據(jù)完成下述任務(wù)。1.建立共享單車騎行量預(yù)測(cè)模型（非線性回歸或隨機(jī)森林或神經(jīng)網(wǎng)絡(luò)，三者之一即可）；2.給出表中影響騎行量的11個(gè)特征的重要性；3.將模型訓(xùn)練好后應(yīng)用于預(yù)測(cè)“待預(yù)測(cè)數(shù)據(jù)”表對(duì)應(yīng)的騎行量；4.將預(yù)測(cè)模型封裝為一個(gè)預(yù)測(cè)函數(shù)，并通過Python實(shí)現(xiàn)，供相關(guān)企業(yè)使用。隨著科技的發(fā)展及對(duì)生產(chǎn)生活實(shí)踐數(shù)據(jù)的積累，本課程設(shè)計(jì)課題將保持增量更新。（二）設(shè)計(jì)步驟第一步：精讀并深刻理解課題。精讀設(shè)計(jì)課題，了解并熟悉問題背景，查找相關(guān)文獻(xiàn)資料以幫助自己迅速深刻理地解課題中的各個(gè)設(shè)計(jì)任務(wù)。比如課題6“城市重金屬污染問題”，該問題是對(duì)某城市表層土壤重金屬污染情況進(jìn)行分析，這就要求首先要了解環(huán)境污染的相關(guān)背景——污染物的分類、污染程度指標(biāo)、污染級(jí)別分類，等等；這些要通過查詢相關(guān)文獻(xiàn)才能獲悉。第二步：數(shù)據(jù)建模。在了解了課題背景、理解了課題中各個(gè)設(shè)計(jì)任務(wù)的基礎(chǔ)上，基于所附數(shù)據(jù)就課題中的各個(gè)問題選用恰當(dāng)?shù)臄?shù)學(xué)方法逐一、遞進(jìn)地建立數(shù)學(xué)模型（機(jī)器學(xué)習(xí)模型），一個(gè)問題可能會(huì)建立多個(gè)模型，這些模型互為補(bǔ)充、或相互印證，以更好地解決問題。比如課題6“城市重金屬污染問題”，對(duì)于第一問，可以通過地貌疊加污染指數(shù)的四維圖形來描述重金屬污染的空間分布；污染程度則可建立內(nèi)梅羅指數(shù)法模型；對(duì)于第二問，可建立多元統(tǒng)計(jì)相關(guān)性模型或模糊聚類模型分析各種重金屬的相關(guān)性來探究重金屬污染的主要原因；對(duì)于第三問，可建立Kriging插值模型來獲得污染源的位置。第三步：模型訓(xùn)練。選用恰當(dāng)?shù)乃惴ǎ\(yùn)用Python相關(guān)庫或模塊對(duì)模型進(jìn)行訓(xùn)練。比如課題6“城市重金屬污染問題”，對(duì)于第一問，可調(diào)用Python插值模塊erpolate及可視化模塊matplotlib.pyplot作重金屬污染空間分布圖，計(jì)算污染指數(shù)后對(duì)污染進(jìn)行分級(jí)，從而獲悉污染程度；運(yùn)用Python統(tǒng)計(jì)模塊scipy.statsmatlab計(jì)算各重金屬的相關(guān)性，以描述重金屬的相伴性；對(duì)于第三問，依然調(diào)用erpolate對(duì)Kriging插值進(jìn)行計(jì)算，獲得污染源位置。第四步：模型評(píng)估。模型評(píng)估主要針對(duì)預(yù)測(cè)模型。對(duì)所求模型的參數(shù)進(jìn)行檢驗(yàn)，并進(jìn)行靈敏度分析和可靠性評(píng)估。對(duì)所求模型的解進(jìn)行檢驗(yàn)，并進(jìn)行靈敏度分析和可靠性評(píng)估，并據(jù)此對(duì)模型進(jìn)行反復(fù)地修正、改進(jìn)，直到得到問題的滿意解為止。Python提供了豐富的模型評(píng)估模塊，各模塊又集成了豐富的評(píng)估方法?；貧w：RMSE（平方根誤差）、MAE（平均絕對(duì)誤差）、MSE(平均平方誤差)、Coefficientofdetermination(決定系數(shù)R2)、MAPE（平均絕對(duì)百分誤差）、MSLE（均方根對(duì)數(shù)誤差），等。分類：混淆矩陣、精確率、召回率、準(zhǔn)確率、F1值、ROC-AUC、PRC、G-MEAN等。聚類：蘭德指數(shù)、互信息、輪廓系數(shù)等。第五步：模型應(yīng)用。將評(píng)估好的模型應(yīng)用于實(shí)踐，主要是預(yù)測(cè)和決策。第六步：算法集成。將上述數(shù)據(jù)分析流程整理為一個(gè)綜合算法，并利用Python來實(shí)現(xiàn)，集成為一個(gè)PythonAPI。第七步：撰寫設(shè)計(jì)說明書或設(shè)計(jì)報(bào)告。為第六步集成的PythonAPI撰寫一份使用說明書，包括API的功能，輸入?yún)?shù)、輸出參數(shù)、應(yīng)用示例，等等。將上述六個(gè)步驟的整理為一篇設(shè)計(jì)報(bào)告。提交設(shè)計(jì)說明書或設(shè)計(jì)報(bào)告。四、課程設(shè)計(jì)的具體要求1、設(shè)計(jì)過程以個(gè)人為單位，獨(dú)立自主完成設(shè)計(jì)任務(wù)；2、設(shè)計(jì)說明書或設(shè)計(jì)報(bào)告電子版一律按照提供的“設(shè)計(jì)說明書”或“課程設(shè)計(jì)報(bào)告”模板撰寫，并打印紙質(zhì)版；3、課程設(shè)計(jì)嚴(yán)格按照任務(wù)書上規(guī)定的時(shí)間和內(nèi)容完成。五、課程設(shè)計(jì)基本目標(biāo)理解并掌握數(shù)據(jù)科學(xué)和大數(shù)據(jù)分析技術(shù)等課程相關(guān)理論與方法，對(duì)設(shè)計(jì)課題所涉及的對(duì)象的背景、相關(guān)領(lǐng)域知識(shí)和材料有較好的了解,能靈活運(yùn)用本課程理論知識(shí)和方法，對(duì)數(shù)據(jù)進(jìn)行深刻分析、挖掘數(shù)據(jù)價(jià)值，為相關(guān)問題提供解決方案，通過本課程設(shè)計(jì)，達(dá)到如下目標(biāo)：1.掌握運(yùn)用大數(shù)據(jù)知識(shí)分析和解決生產(chǎn)實(shí)際問題的具體方法；2.培養(yǎng)遇到困難解決困難的堅(jiān)忍不拔的精神，獨(dú)立自主地分析問題和解決問題的能力；3.熟練運(yùn)用python進(jìn)行數(shù)據(jù)建模和數(shù)據(jù)分析的能力；4.將數(shù)據(jù)分析和應(yīng)用的流程整理為算法并利用Python集成為API的能力；5.撰寫設(shè)計(jì)說明書或設(shè)計(jì)報(bào)告的能力；6.為相關(guān)實(shí)際問題提供解決方案的能力。指導(dǎo)教師對(duì)本課程設(shè)計(jì)的內(nèi)容，要求、方法、步驟有較深入的了解和把握。能熟練地指導(dǎo)學(xué)生完成設(shè)計(jì)任務(wù)，能熟練地處理課程設(shè)計(jì)過程所碰到的各種問題。要善于激發(fā)和培養(yǎng)學(xué)生獨(dú)立思考和分析問題的能力和學(xué)生的創(chuàng)新能力，要善于組織和引導(dǎo)學(xué)生獨(dú)立自主進(jìn)行設(shè)計(jì)或按團(tuán)隊(duì)方式進(jìn)行協(xié)作設(shè)計(jì)。六、建議參考文獻(xiàn)（一）Python及數(shù)據(jù)分析相關(guān)文獻(xiàn)[1]銅陵學(xué)院.大數(shù)據(jù)分析技術(shù).2023[2]李子奈、潘文卿.計(jì)量經(jīng)濟(jì)學(xué)[M].北京：高等教育出版社，第四版，2015[3]Python實(shí)現(xiàn)邏輯回歸(LogisticRegressioninPython)：/zj360202/article/details/78688070[4]周志華.機(jī)器學(xué)習(xí)[M].北京：清華大學(xué)出版社，2016[5]邱錫鵬著，神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)，第六章循環(huán)神經(jīng)網(wǎng)絡(luò)．GithubInc.,2020-06-14（二）設(shè)計(jì)課題相關(guān)文獻(xiàn)1.我國(guó)省域數(shù)字經(jīng)濟(jì)評(píng)估[1]逄健,朱欣民.國(guó)外數(shù)字經(jīng)濟(jì)發(fā)展趨勢(shì)與數(shù)字經(jīng)濟(jì)國(guó)家發(fā)展戰(zhàn)略[J].科技進(jìn)步與對(duì)策,2013,30(8):5.[2]趙夢(mèng).“十四五”時(shí)期數(shù)字經(jīng)濟(jì)賦能高質(zhì)量發(fā)展的創(chuàng)新路徑[J].西南金融,（排版定稿）網(wǎng)絡(luò)首發(fā)時(shí)間：2023-03-2214:55:56.[3]李三希,武玙璠,李嘉琦.數(shù)字經(jīng)濟(jì)與中國(guó)式現(xiàn)代化:時(shí)代意義、機(jī)遇挑戰(zhàn)與路徑探索[J].經(jīng)濟(jì)評(píng)論.2023(02):3-14.2.腎病綜合征影響因素分析[1]計(jì)建軍,王長(zhǎng)江,查麗,王小琴,徐佳禛,陶靜.腎病綜合征患者他克莫司血藥濃度影響因素[J].中國(guó)藥物應(yīng)用與監(jiān)測(cè).2022,19(06):371-375.[2]楊昕彤.腎病綜合征患者糖類抗原表達(dá)及影響因素分析[D].皖南醫(yī)學(xué)院.2022.[3]郭瑞.腎病綜合征合并感染的影響因素分析[J].醫(yī)學(xué)理論與實(shí)踐.2020,33(07):1109-1111.[4]戴彧君.腎病綜合征患者腎功能影響因素分析評(píng)價(jià)[J].現(xiàn)代醫(yī)藥衛(wèi)生.2018,34(19):3065-3067.3.帕金森病步態(tài)分析[1]秦靜,馬雪倩,高福杰,季長(zhǎng)清,汪祖民.基于步態(tài)分析的帕金森病輔助診斷方法綜述[J].計(jì)算機(jī)應(yīng)用.（錄用定稿）網(wǎng)絡(luò)首發(fā)時(shí)間：2022-09-2112:34:31[2]陶文旭,彭紫瑩,楊靜,蔣劍軍,鄭志偉.基于隨機(jī)森林模型的帕金森病步態(tài)分析[J].長(zhǎng)江信息通信.2022,35(09):7-94.膽囊術(shù)后膽漏病理因素分析[1]姚德勝.腹腔鏡膽囊切除術(shù)后膽漏的原因及對(duì)策探析[J].中國(guó)農(nóng)村衛(wèi)生.2019,11(22):44-45.[2]高源.腹腔鏡膽囊切除術(shù)后膽漏的原因及處理[J].臨床醫(yī)學(xué)研究與實(shí)踐.2017,2(22):29-30.5.小麥種子的識(shí)別[1]付雪麗,景琦,陳旭,祁曙明,邱軍.我國(guó)小麥種子供需現(xiàn)狀與產(chǎn)業(yè)發(fā)展趨勢(shì)[J].中國(guó)種業(yè).2023(02):20-23.[2]孫秀枝,張麗,賈代成,孟琳,羅漢民,陳鳳龍,公丕峰.小麥種子健康度檢測(cè)研究及應(yīng)用[J].種子科技.2022,40(23):8-10.6.城市重金屬污染問題[1]ANSARIAA，SINGHIB，TOBSCHALLHJ．ImportanceofgeomorphologyandsedimentationprocessesformetaldispersioninsedimentsandsoilsoftheGangaPlain:identificationofgeochemicaldomains[J]．ChemicalGeology，2000，162:245-266.[2]FORSTNERU，WITTMANNGTW．Metalpollutionintheaquaticenvironment[M]．Berlin,Heidelberg，NewYork:Springer，1981:486.[3]LIYH．Geochemicalcyclesofelementsandhumanperturbation[J]．GeochimCosmochimActa，1981，45:2073-2084.[4]郭大偉等，數(shù)學(xué)建模[M].合肥:安徽教育出版社，2009.[5]朱青等，兩種模糊數(shù)學(xué)模型在土壤重金屬綜合污染評(píng)價(jià)中的應(yīng)用與比較[J].環(huán)境保護(hù)科學(xué)，2004，123(30):54-55.[6]王棟，基于最大熵原理的水環(huán)境模糊優(yōu)化評(píng)價(jià)模型[J].河海大學(xué)學(xué)報(bào)（自然科學(xué)版），2002，30(6):1-5.[7]張磊，宋風(fēng)斌，王曉波，中國(guó)城市土壤金屬污染研究現(xiàn)狀及對(duì)策[J].生態(tài)環(huán)境，2004，2(13):258-260.[8]王從陸，吳超，段瑜，基于主成分綜合的礦區(qū)農(nóng)田重金屬污染評(píng)價(jià)[J].中國(guó)工程科學(xué)，2008，7(10):181-182.[9]王學(xué)松，秦勇，利用對(duì)數(shù)正態(tài)分布圖解析徐州城市土壤中重金屬元素來源和確定地球化學(xué)背景值[J].地球化學(xué)，2007，1(36):98-102.[10]SiegalFR.EnvironmentalGeochemistyofPotentiallyToxicMetals[M].Heidelberg:Spring，2002:1-192.[11]韓忠庚，長(zhǎng)江水質(zhì)綜合評(píng)價(jià)與預(yù)測(cè)的數(shù)學(xué)模型[J].工程數(shù)學(xué)學(xué)報(bào)，2005，7(22):68-69.7.紅葡萄酒的評(píng)價(jià)[1]楊潔.基于多元統(tǒng)計(jì)分析的赤霞珠紅葡萄酒感官特征描述符篩選研究[D].西北農(nóng)林科技大學(xué).2021.[2]繆子陽,李婷玉,祝夢(mèng)琳.葡萄酒的評(píng)價(jià)模型[J].科技與創(chuàng)新.2017(16):22-24.[3]翟明娟.基于聚類分析法的葡萄酒評(píng)價(jià)[J].太原師范學(xué)院學(xué)報(bào)(自然科學(xué)版).2014,13(02):35-40.[4]王百姓,馮積社.模糊綜合評(píng)價(jià)在干紅葡萄酒感官品評(píng)中的應(yīng)用[J].中國(guó)食物與營(yíng)養(yǎng).