2012数模竞赛论文.docx

12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）：多种数学模型在葡萄酒质量评定体系中的创新应用摘要确定葡萄酒质量时,目前国际上惯用的是感官评分的方法，一般是通过聘请一批有资质的评酒员进行品评。但受人员的嗜好、习惯、情绪、年龄、经验等因素的影响较大，评定常有一定程度的主观性和不确定性，误差较大。本文从葡萄酒各类成分入手，建立数学统计学模型对葡萄酒质量进行综合评价，将酿酒葡萄及葡萄酒的理化指标加入评定，使评定标准更加多元化，对葡萄酒的质量评定体系进行创新，更加客观评价葡萄酒质量。第一问运用统计假设检验方法，建立了双边检验模型，得出两组品酒员对同组红（或白）葡萄酒评价时，均会产生显著性差异。并根据两组品酒员对红（或白）葡萄酒评分的标准差，可以确定评分波动较小的一组，即为评分结果可信的一组。第二问利用多元统计分析中的主成分分析法和模糊综合评价法，借助计算机统计分析软件SPSS 18.0的帮助，根据酿酒葡萄的理化指标和品酒员评价得分，将这些酿酒葡萄分为优、良、中、差四分级。第三问运用Microsoft Office Excel 2007数据分析宏进行通径分析，建立回归模型，分别将酿酒葡萄和葡萄酒的各项理化指标进行相关度分析，得出不同理化性质间的相关程度。对于第四个问题，为了消除各项评价指标的量纲不同的影响，需要用各项指标的变异系数来衡量各项指标取值的差异程度，为此使用了变异系数法确定各理化系数的权重。在此基础上利用层次分析法确定各理化系数分别占酿酒葡萄理化系数与葡萄酒理化系数的权重，建立各理化数据与葡萄酒总评价的模型。得知理化系数对葡萄酒质量有影响，与品酒师所得数据线性拟合，相关性系数R=0.18339，属于低度线性相关，不可由此确定葡萄酒质量。葡萄酒质量需由理化性质与感官性质共同决定。同上利用变异系数法与层次分析法，结合品酒师打分，综合附录2与附录3数据建立新模型，再次与品酒师所得数据线性拟合，得到相关性系数R”=0.662276R.相关性显著提高，故此模型达到要求。关键词：葡萄酒质量评定体系，统计假设检验，主成分分析，模糊综合评价法，通径模型，变异系数法，层次分析法多种数学模型在葡萄酒质量评定体系中的创新应用一、 问题重述葡萄酒是由新鲜葡萄或葡萄汁经过酒精发酵而得到的一种含酒精饮料。通常分为红葡萄酒和白葡萄酒【1】。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。因此，品评人员的品评是决定酒样品质量结果的关键因素。葡萄酒的风味取决于酿酒葡萄的品种。因为不同的葡萄，所酿制出来的香味、喝的方式、收藏的方式都不同，所以风味会有很大的差别。葡萄的品种千变万化，而不同地区的地理位置、纬度、土质与气候，都有适合栽培的葡萄品种【2】。这些都可改变葡萄的理化指标。综上，葡萄酒的主要质量指标大体可分为感官指标（品酒员感官品评）和理化指标两大类。根据以上所述，提出以下四个问题：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、 模型的假设1、假设葡萄酒在制成的过程中对葡萄原料的需求量相同，且比例在一段时间内保持不变。2、假设同一种葡萄酒的制造工艺完全相同，而且酿造过程严格按照工艺实施，无事故发生。(即葡萄酒质量只与本身质量有关，与工艺无关)3、假设每种葡萄酒的生产日期相同，保存期限相同，贮藏环境相同。4、假设理化数据的二级指标对总体模型的影响已包含在其所属一级指标中。三、 模型的建立图1 葡萄酒质量评定的关系图3.1 问题一： 1、对于此问题，我们首先分别算出第一组10个品酒员对酒样品1打的总分，及10位品酒员对该样品的每一项指标打分的平均分，进而算出10名品酒员对酒样品1评的总分的平均数（见表1）。 2、同理，将两组红葡萄酒样品、两组白葡萄酒样品，共54份酒样品的两组品酒员评分的总分平均数分别算出来，见附表。3、将这些数值整理下，得下表1、表2：4、按照统计学通常取值，显著性水平=0.055、假设两组品酒员对相同酒样品的分数的评价只受随机误差的影响6、通过以上的数据处理，问题一判断是否有明显差异即可转化为2未知数学期望的双边检验模型，进而可以用t检验法求解【3】。由误差理论可得Dj=X1j-X2N（0，2）原假设与备择假设 H0：=0，H1：0拒绝域为W=Tt2n-1标准差S=1i=1NxiN检验统计量T=D-Sn7、通过分别比较红葡萄酒两组品酒员对酒样品的总分的平均数的标准差，以及分别比较白葡萄酒两组品酒员对酒样品的总分的平均数的标准差，可以得出哪一组结果更可信。3.2 问题二：1、人为选择变量(评价因子)往往会带有主观性，必须对所考虑的众多变量，用数理统计方法，经过正交化处理，变成一些相互独立、为数较少的综合指标(或者称之为主成分)，以这些综合指标作为酿酒葡萄理化指标评价新的数值依据，而主成分分析法正好为实现这种想法提供了十分有效的数学方法【4】，故本问题采用了主成分分析法和模糊综合评价法。2、应用主成分分析，从累计贡献率确定品质评价因素的选择个数，然后应用分层分析法选择评价的类别和评价因素。酿酒葡萄理化指标主要有氨基酸总量、蛋白质、VC含量、花色苷、酒石酸、苹果酸、柠檬酸、多酚氧化酶活力、褐变度、DPPH自由基、总酚、单宁、葡萄总黄酮、白藜芦醇、黄酮醇、总糖、还原糖、可溶性固形物、PH值、可滴定酸、固酸比、干物质含量、果穗质量、百粒质量、果梗比、出汁率、果皮质量27 个指标变量组成。由于这27个指标变量之间存在着相对独立性和密切相关性，其相关性的存在易造成提供的整体信息发生重叠，使酿酒葡萄的品质评价不易得出简易的规律性。主成份分析能将许多相关的随机变量压缩成少量的综合指标，但又能反映原来较多因素的信息。因此，可以应用主成分分析，从累计贡献率的大小来决定评价因素的类别个数【5】。3、在层次分析过程中，定义一致性指标: CI 越大，不一致越严重1-=nnCIl为衡量CI 的大小，引入随机一致性指标 RI，计算CI 即得RI。定义一致性比率 CR = CI/RI当CR0.1时，通过一致性检验【6】4、用软件SPSS 18.0编写主成分分析程序，从样本的相关矩阵出发，对酿酒葡萄理化指标原始数据进行标准化处理后，计算各指标的特征值和方差贡献率，从累计贡献率(达到80以上)的大小来确定品质评价因素的类别个数， 然后应用模糊综合评价法选择评价的类别和评价因素（如图2），最后对酿酒葡萄分级。图2 酿酒葡萄质量的评价指标图3.3 问题三：1、酿酒葡萄与葡萄酒拥有许多相同的理化指标，要确立其中的相关联系需要进行线性拟合。首先分别对红葡萄和葡萄酒相同的一级指标（花色苷、单宁、总酚、酒总黄酮、白藜芦醇、DPPH）用Microsoft Office Excel 2007软件建立通径分析模型进行分析。2、根据分析所得结果确定红葡萄和红葡萄酒的理化指标之间的线性相关程度。（R的绝对值小与等于0.4为弱相关,0.4到0.8间为中等相关.大于0.8为强相关.R2的小与等于0.16为弱相关,0.16到0.64间为中等相关.大于0.64为强相关）3、同理，可确定白葡萄和白葡萄酒的理化指标之间的联系。3.4 问题四：1确定酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，即由酿酒葡萄和葡萄酒的理化指标的葡萄酒质量的函数关系。由于评价指标体系中的各项指标的量纲不同，不宜直接比较其差别程度。为了消除各项评价指标的量纲不同的影响，需要用各项指标的变异系数来衡量各项指标取值的差异程度。各项指标的变异系数公式如下： 式中：是第项指标的变异系数、也称为标准差系数；是第项指标的标准差；是第项指标的平均数。各项指标的权重为： 利用这种变异系数法确立各个理化指标与对于葡萄与葡萄酒的权重，从而得到酿酒葡萄和葡萄酒的理化指标的具体得分。使用层次分析法得到酿酒葡萄和葡萄酒的理化指标所占葡萄酒质量的权重，由此进一步得到葡萄酒质量的总得分。与品酒员品得分数相比较，确定是否具有相关关系。若中等相关以上，则酿酒葡萄和葡萄酒的理化指标对葡萄酒质量有影响；反之，则没有影响。2.进一步思考用葡萄和葡萄酒的理化指标来评价葡萄酒的质量，以上所得结果为中等相关，即酿酒葡萄和葡萄酒的理化指标对葡萄酒质量有影响；但相关程度偏低。并不能以此单独评价葡萄酒质量。3.查阅资料得知葡萄酒质量除理化指标外还有感官指标，因此需考虑感官指标。由附录3及相关化学知识得知理化指标与酯类，醇类等物质决定。鉴于附录3各种化学物质较复杂，将其分为醇类，酯类，醛类，醚类四大类，并整合数据。4.利用变异系数法（具体操作同上所述）确立四类物质占酿酒葡萄和葡萄酒的感官指标的权重，得到感官指标的评价分数。5.之后综合理化评价分数与感官评价分数进一步得到总评价分数。四、 模型的求解4.1问题一：1、定义符号说明i 小组编号 j 酒样品编号Xij第i组对第j红葡萄酒样品打的平均分 Yj 第j红葡萄酒酒样品Xij第i组对第j红葡萄酒样品打的平均分 Yj第j红葡萄酒酒样品DjX1j-X2j D D的平均数djXij-X2j d d的平均数SD的标准差 W 拒绝域T 红葡萄酒检验统计量 T白葡萄酒检验统计量H0原假设 H1备择假设 对红葡萄酒：红葡萄酒酒样品Y1酒样品Y2酒样品Y3酒样品Y4酒样品Y5酒样品Y6第一组X162.780.380.468.673.372.2第二组X268.17474.671.272.166.3D=X1-X2--酒样品Y7酒样品Y8酒样品Y9酒样品Y10酒样品Y11酒样品Y12酒样品Y1371.572.381.574.270.153.974.665.36678.268.861.668.3-14.45.8酒样品Y14酒样品Y15酒样品Y16酒样品Y17酒样品Y18酒样品Y19酒样品Y207358.774.979.359.978.678.672.665.769.974.565.472.675.80.4-754.8-5.562.8酒样品Y21酒样品Y22酒样品Y23酒样品Y24酒样品Y25酒样品Y26酒样品Y2777.177.285.67869.273.87372.271.677.171.568.2728.56.511.81.5表1对白葡萄酒：白葡萄酒酒样品Y1酒样品Y2酒样品Y3酒样品Y4酒样品Y5酒样品Y6第一组X18274.285.379.47168.4第二组X277.975.875.676.981.575.5d=X1-X24.1--10.5-7.1酒样品Y7酒样品Y8酒样品Y9酒样品Y10酒样品Y11酒样品Y12酒样品Y1377.571.472.974.372.363.365.974.272.380.479.871.472.473.93.3-0.9-7.5-5.50.9-9.1-8酒样品Y14酒样品Y15酒样品Y16酒样品Y17酒样品Y18酒样品Y19酒样品Y207272.47478.873.172.277.877.178.467.380.376.776.476.6-5.1-66.7-1.5-3.6-4.21.2酒样品Y21酒样品Y22酒样品Y23酒样品Y24酒样品Y25酒样品Y26酒样品Y2776.47175.973.377.181.364.879.279.477.476.179.574.377-2.8-8.4-1.5-2.8-2.47-12.2表22、t检验法解题对红葡萄酒：问题化为方差2未知的双边检验问题H0：=0，H1：0这里根据表1，Dj分别为：-5.4, 6.3, 5.8, -2.6, 1.2, 5.9, 6.2, 6.3, 3.3, 5.4, 8.5, -14.4, 5.8, 0.4, -7, 5, 4.8, -5.5, 6, 2.8, 4.9, 5.6, 8.5, 6.5, 1, 1.8, 1.5拒绝域为W=Tt2n-1计算得D=2.540741，S=5.371883,n=27=5.196152而 t2n-1=t0.02526=2.0555因T的观察值T=D-Sn=2.4576262.0555故拒绝H0，即认为附件1中两组评酒员对红葡萄酒的评价结果有显著性差异。对白葡萄酒：根据表2，采取与对红葡萄酒分析相同的方法计算得d= -2.41852，S= 5.552341,n=27=5.196152T的观察值T=d-Sn=2.2633682.0555故拒绝H0，即认为附件1中两组评酒员对白葡萄酒的评价结果也有显著性差异。综上可知，附件1中两组评酒员的评价结果有无显著性差异。3、比较可信度红葡萄酒：第一组X1j的标准差：S1= 7.342622第二组X2j的标准差：S2=3.977988可得S1 S2白葡萄酒:第一组Xij的标准差：S1=5.110472第二组X2j的标准差：S2= 3.172725可得S1 S2综上可知，第二组结果更可信。4.2问题二：对红葡萄1、酿酒葡萄理化指标的主成分分析：红葡萄有27个理化指标，由于27个数据是不同的理化指标，其计量单位不同，所以数据量纲也不一致。不同量纲之间不便于做主成分分析和聚类分析，因此，在进行主成分分析和聚类分析时，根据附件2中各评价因子(自变量)的原始数据，用标准化法将其量纲化，并输入计算机，用软件统计分析SPSS 18.0进行主成分分析（程序见附录），计算机根据已知的变量数据，经过一系列变换后得到特征值和累积贡献率（表3）、成分矩阵（表4），即前n(n=1，2，3，27)个主成份的累计贡献率，其中的27个因子即27个理化指标。成份初始特征值提取平方和载入合计方差的 %累积 %合计方差的 %累积 %氨基酸总量6.61024.48124.4816.61024.48124.481蛋白质4.64317.19741.6784.64317.19741.678含量2.90410.75552.4332.90410.75552.433花色苷2.83410.49862.9312.83410.49862.931酒石酸1.9677.28470.2151.9677.28470.215苹果酸1.5135.60575.8201.5135.60575.820柠檬酸1.2164.50480.3241.2164.50480.324提取方法：主成份分析。表三 特征值和累积贡献率按主成份理论分析，若前r 个主成份的累计贡献率达到了80%原则， 则这r 个主成份即能反映足够的信息。从表3可见，前7个主成分的累计贡献率均已达到80.32%，故选取前7 个特征值。所以决定用7个新变量来代替原来的27个变量。2、酿酒葡萄理化指标综合主成分值分析在主成分分析的基础上，根据综合主成分值的得分公式，求得27个加工葡萄品种的主成分得分和综合主成分值。根据表4中各主成分的特征向量，构建主成分与酿酒葡萄各品质指标的线性关系式如下：Y1=0.3552X1+0.6402X2-0.1252X3+0.8271X4+0.4096X5+0.3959X6+0.3401X7+0.2940X8+0.6058X9+0.7715X10+0.8438X11+0.7226X12+0.7045X13+0.1833X14+0.5690X15+0.2220X16+0.0362X17+0.1947X18+0.2996X19-0.3878X20+0.4504X21+0.3232X22-0.3426X23-0.5673X24+0.6116X25+0.5062X26-0.3010X27Y2=0.5681X1-0.4964X2-0.4181X3-0.0597X4+0.0506X5+0.2786X6+0.1294X7+0.1676X8-0.0499X9-0.4240X10-0.1040X11-0.0840X12-0.2331X13-0.2043X14+0.0742X15+0.8206X16+0.7787X17+0.8234X18-0.2763X19+0.5064X20-0.0922X21+0.8899X22-0.4509X23-0.3235X24-0.1629X25-0.1357X26-0.1552X27Y3=-0.0584X1-0.0053X2-0.0772X3+0.1973X4-0.2992X5-0.1650X6-0.4189X7+0.1167X8-0.0923X9+0.2696X10+0.3604X11+0.4245X12+0.4393X13-0.6000X14-0.0009X15+0.1201X16+0.0025X17+0.2672X18-0.0485X19+0.5183X20-0.3532X21+0.1210X22+0.3519X23+0.5619X24-0.2047X25+0.4144X26+0.6747X27Y7=0.0387X1-0.0219X2+0.1784X3+0.0265X4-0.4950X5-0.0336X6-0.5001X7+0.2754X8+0.1311X9-0.0273X10-0.0298X11-0.2496X12-0.1618X13+0.0081X14+0.2527X15+0.1968X16+0.1322X17+0.1568X18+0.3605X19-0.2873X20+0.3047X21-0.0400X22+0.0240X23+0.0953X24+0.1814X25-0.0614X26+0.0615X27以7个主要成分Y1、Y2、Y3、Y4、Y5、Y6、Y7与其方差贡献率构建出葡萄理化指标的预测评价模型Z1, Z1是主成分Y1、Y2、Y3、Y4、Y5、Y6、Y7的线性组合，即：Z1=0.2448Y1+0.1720Y2+0.1076Y3+0.1050Y4+0.0728Y5+0.0561Y6+0.0450Y7利用该数学模型对27种酿酒葡萄进行综合评价，评价结果见表（附录一）。从附录一可以看出，各品种的综合主成分值各不相同。排名靠前的酿酒葡萄酿酒适宜性较好，排名靠后的酿酒适宜性较差。3、酿酒葡萄理化指标与葡萄酒的质量综合层次分析本题CI=0，通过一致性检验。由于在问题一中我们已经得出结论，B组评价结果比较可靠，所以我们选用B组评分进行层次分析，对其进行标准化，即可得分级结果，结果如下表：排名123456样品序号葡萄样品15葡萄样品18葡萄样品5葡萄样品12葡萄样品17葡萄样品778910111213葡萄样品20葡萄样品27葡萄样品25葡萄样品6葡萄样品26葡萄样品24葡萄样品414151617181920葡萄样品19葡萄样品22葡萄样品3葡萄样品16葡萄样品9葡萄样品1葡萄样品221222324252627葡萄样品8葡萄样品14葡萄样品21葡萄样品23葡萄样品13葡萄样品10葡萄样品11表五由表五可得：酿酒葡萄样品15、18、5、12、17、7号的级别相比其他酿酒葡萄样品比较高，排名前六位，评为优级；酿酒葡萄样品20、27、25、6、26、24、4号评为良级；酿酒葡萄样品19、22、3、16、9、1、2号评为中级；酿酒葡萄样品11、10、13、23、21、14号的级别相比其他酿酒葡萄样品比较低，排名倒数后六名，评为差级。对白葡萄同理，采取与对红葡萄相同的处理方法，得到排名123456样品序号葡萄样品5葡萄样品17葡萄样品15葡萄样品20葡萄样品18葡萄样品1278910111213葡萄样品26葡萄样品25葡萄样品27葡萄样品7葡萄样品6葡萄样品24葡萄样品314151617181920葡萄样品4葡萄样品19葡萄样品22葡萄样品9葡萄样品2葡萄样品21葡萄样品1621222324252627葡萄样品14葡萄样品8葡萄样品23葡萄样品1葡萄样品13葡萄样品10葡萄样品11表六由表六可知：酿酒葡萄样品5、17、15、20、18、12号的级别相比其他酿酒葡萄样品比较高，排名前六位，评为优级；酿酒葡萄样品26、25、27、7、6、24、3号评为良级；酿酒葡萄样品4、19、22、9、2、21、16号评为中级；酿酒葡萄样品11、10、13、1、23、8号的级别相比其他酿酒葡萄样品比较低，排名倒数后六名，评为差级。4.3问题三：1、用Microsoft Office Excel 2007软件建立通径分析模型进行分析，得附录图表，根据图表得：花色苷的R2=0.8512单宁的R2=0.5156总酚的R2=0.7659酒总黄酮的R2=0.6771白藜芦醇的R2=0.0002DPPH的R2=0.60572、通过比较，可得红葡萄与红葡萄酒的花色苷、总酚、酒总黄酮、DPPH为强相关，单宁为中等相关，白藜芦醇为弱相关。3.同理可得白葡萄白葡萄酒总酚R2=0.299白葡萄酒单宁R2=0.329白葡萄酒总黄酮R2=0.485白葡萄酒白藜芦醇R2=0.045均为中等线性相关。4.4 问题四： 1、定义符号说明第项指标的变异系数； 第项指标的标准差； 第项指标的平均数； iWi第项指标的权重；2、 以酿酒红葡萄理化指标为例，先根据各个理化指标的数据，分别计算这些理化指标的平均数和标准差；3、 根据均值和标准差计算变异系数，再计算构成评价指标体系的这27个指标的权重；并求出有理化指标得到的评价分数。计算的结果见表七所示。葡萄的理化指标葡萄酒的理化质量权重葡萄的理化指标1 1/30.25葡萄酒的理化质量31 0.75表七图三4、将得到的理论评价分数与品酒师所得分数进行线性拟合，得到相关性系数R=0.18339，为低度线性相关。故各理化指标对葡萄酒质量有影响，但并不能由此确定葡萄酒质量，因为存在大量误差，导致结果不稳定。5、查询资料得知需要理化指标与感官指标相结合。感官指标由附录表3决定。鉴于数据复杂，依据所占比例将各种化学成分分成酯类，醇类，酯类，醚类四大项进行分析。同理可用变异系数法求的其权重。（具体见图四）6、利用层次分析法求的理化数据与感官数据所得权重确定最终葡萄酒所得分数。再次与品酒师的数据线性拟合，得到相关性系数R”=0.662276R.由低度线性相关变为高度线性相关。故该模型合理。五、 模型检验根据上述建立的模型、分析、构建和推导，可以发现葡萄酒的质量和葡萄与葡萄酒的理化指标以及由葡萄和葡萄酒内所含的芳香物质所决定的感官指标是存在明显关系和影响的。模型建立颇适应葡萄酒质量评价的客观现实基础与原理，与目前的评价方法存在相关性及互补性，完全根据所给附录的数据而推导出切实的、符合主观性的结果，但也导致了在整个的分析计算过程中可能因为太过依赖于数据，分析较为死板，若相关假设不成立，则可导致一些问题。故模型可以做出小方面的修改存在加以完善的余地，可以对假设的其中一方面加以讨论，检验。 六、 模型评价模型的优点：该模型便于由葡萄的理化指标与感官指标得出的葡萄酒的质量指标，从而忽略品酒师人为的主观因素影响，客观的评价葡萄酒质量。我们上述改进的模型，对于葡萄酒质量评价有较好的效果。缺点：本模型无法正确对储存条件不同，制作葡萄酒的工艺不同的葡萄制成的葡萄酒进行质量评价，主要是因为模型假设中工艺对酒的质量无影响，但实际上制酒工艺对酒有重大影响。长期预测时由于各种化学反应，对葡萄酒质量的的评价影响越来越大。且模型中得到的方程还可以进一步完善使其与实际质量相关性更高，使结果更加精确。七、 参考文献【1】百度百科，葡萄酒，/view/23275.htm，2012.9.8。【2】中华葡萄酒，葡萄酒的主要质量指标，http:/020./tbc/cpdg.php?id=12619,2012.9.8。【3】张颖 许伯生，概率论与数理统计，上海：华东理工大学出版社，2007.9（2010.6重印）。【4】聂继云 李明强 张桂芳 等.白梨品质评价指标的聚类分析，中国果树，2000(2)：P 16- P 17。【5】张海英 韩涛 王有年 等，桃果实品质评价因子的选择，农业工程学报，2006，22(8)：P 235- P 238。【6】叶其孝，大学生数学建模竞赛辅导教材（一），湖南：湖南教育出版社 ， 2000.9 ，P116八、 附录附录一 成份矩阵成份1234567氨基酸总量3.55E-015.68E-01-5.84E-024.73E-01-2.16E-013.10E-013.87E-02蛋白质6.40E-01-4.96E-01-5.36E-032.75E-012.05E-011.87E-01-2.20E-02含量-1.25E-01-4.18E-01-7.73E-02-6.95E-03-5.54E-01-6.90E-021.78E-01花色苷8.27E-01-5.97E-021.97E-01-3.32E-016.36E-02-1.99E-012.65E-02酒石酸4.10E-015.07E-02-2.99E-014.35E-013.43E-012.30E-01-4.95E-01苹果酸3.96E-012.79E-01-1.65E-01-6.45E-015.52E-02-3.75E-01-3.37E-02柠檬酸3.40E-011.29E-01-4.19E-01-3.08E-013.79E-012.19E-01-5.00E-01多酚氧化酶活力2.94E-011.68E-011.17E-01-6.09E-012.62E-012.31E-012.75E-01褐变度6.06E-01-5.00E-02-9.24E-02-6.99E-01-8.39E-03-2.77E-021.31E-01DPPH自由基7.72E-01-4.24E-012.70E-011.77E-01-7.16E-026.75E-02-2.74E-02总酚8.44E-01-1.04E-013.60E-011.76E-01-6.68E-02-1.50E-01-2.99E-02单宁7.23E-01-8.41E-024.25E-01-1.30E-01-2.31E-011.63E-03-2.50E-01葡萄总黄酮7.05E-01-2.33E-014.39E-012.24E-01-4.04E-02-1.41E-01-1.62E-01白藜芦醇1.83E-01-2.04E-01-6.00E-011.53E-01-2.33E-018.99E-038.18E-03黄酮醇5.69E-017.42E-02-9.12E-04-6.61E-02-1.50E-016.89E-012.53E-01总糖2.22E-018.21E-011.20E-012.54E-019.53E-02-1.04E-011.97E-01还原糖3.62E-027.79E-012.52E-031.34E-011.35E-012.05E-021.32E-01可溶性固形物1.95E-018.23E-012.67E-011.19E-011.04E-01-5.60E-021.57E-01PH值3.00E-01-2.76E-01-4.86E-027.11E-011.48E-01-1.35E-013.61E-01可滴定酸-3.88E-015.06E-015.18E-01-7.99E-02-3.86E-018.55E-02-2.87E-01固酸比4.50E-01-9.23E-02-3.53E-015.35E-025.65E-01-2.04E-013.05E-01干物质含量3.23E-018.90E-011.21E-018.43E-029.04E-025.07E-03-4.00E-02果穗质量-3.43E-01-4.51E-013.52E-012.11E-025.56E-011.33E-012.40E-02百粒质量-5.67E-01-3.24E-015.62E-019.59E-042.05E-018.03E-029.54E-02果梗比6.12E-01-1.63E-01-2.05E-01-1.87E-01-3.63E-013.64E-011.81E-01出汁率5.06E-01-1.36E-014.14E-011.10E-01-4.08E-02-3.64E-01-6.15E-02果皮质量-3.01E-01-1.55E-016.75E-01-2.04E-012.67E-013.88E-016.15E-02提取方法 :主成份。a. 已提取了 7 个成份。附录二 酿酒葡萄品质预测评价红葡萄y1y2y3y4y5y6y7z1B组品酒师评分评分标准化总分葡萄样品150.3084870.089324-0.107920.0485220.0012450.0478670.0188020.02002178.40.0379970.033503葡萄样品180.2700340.049398-0.232090.089727-0.051150.0253490.0979160.00166976.70.0371730.028297葡萄样品50.393765-0.07203-0.353370.137503-0.054840.0527890.092296-0.023281.50.03950.023826葡萄样品120.3378660.045694-0.416720.149471-0.098630.0363380.093435-0.0139472.40.0350890.022833葡萄样品170.381809-0.08545-0.398150.15565-0.103430.0693540.119201-0.0301180.30.0389180.021662葡萄样品70.363362-0.00805-0.369610.08738-0.115290.0268220.100609-0.0254374.20.0359620.020614葡萄样品200.462034-0.28447-0.925380.316054-0.297180.0509610.214676-0.1130876.60.037125-0.00043葡萄样品270.537159-0.25821-0.93260.245683-0.306730.0631250.166141-0.11708770.037319-0.00128葡萄样品250.589277-0.36537-1.250710.367771-0.475250.068160.244701-0.1640979.50.038531-0.01212葡萄样品60.628468-0.34823-1.263020.386147-0.489170.0539460.23722-0.1617275.50.036592-0.01299葡萄样品260.540184-0.42372-1.240780.363142-0.374670.0751360.265542-0.1660974.30.03601-0.01451葡萄样品240.788838-0.52165-1.740270.480686-0.59010.0687350.272452-0.2339676.10.036883-0.03083葡萄样品40.8488-0.65801-2.031560.555899-0.766970.064340.323895-0.2901976.90.03727-0.04459葡萄样品191.027644-0.71414-2.243750.613053-0.877770.078810.363581-0.3177576.40.037028-0.05167葡萄样品221.093704-0.77541-2.550760.666091-0.960120.0524520.372021-0.3612279.40.038482-0.06144葡萄样品31.378994-0.85771-2.809850.807066-1.144210.2086340.435452-0.3832575.60.03664-0.06833葡萄样品161.145406-0.78949-2.746330.688186-0.990430.0609510.357796-0.3834667.30.032618-0.0714葡萄样品91.423315-0.97917-2.858560.790981-1.15430.0945450.391612-0.4190980.40.038967-0.07555葡萄样品11.136275-0.56611-3.2730.323838-0.70866-0.010040.288116-0.4267677.90.037755-0.07837葡萄样品2-0.92989-0.94001-2.867260.741081-1.109030.0636680.402861-0.4740675.80.036737-0.09096葡萄样品81.633595-1.07992-3.572040.742007-1.341840.1552350.53967-0.5167372.30.035041-0.1029葡萄样品141.5872-1.20905-3.779090.897134-1.425170.1849450.578269-0.5487277.10.037367-0.10916葡萄样品211.820423-1.51718-4.704571.279256-1.7880.1726060.607209-0.6812479.20.038385-0.14152葡萄样品232.262866-1.94735-5.878761.558499-2.321410.1163040.837321-0.87377.40.037513-0.19011葡萄样品132.269957-2.13121-6.487731.705176-2.504090.159650.91273-0.9620273.90.035816-0.21364葡萄样品102.394704-2.51426-7.414781.898119-3.2730.0991111.188579-1.1512679.80.038676-0.25881葡萄样品115.148514-5.31828-16.1344.135393-6.190570.2834082.163077-2.4272471.40.034605-0.58086白葡萄y1y2y3y4y5y6y7z2B组品酒师评分总分葡萄样品50.393765-0.07203-0.353370.137503-0.054840.0527890.0922960.02031881.50.034704365葡萄样品170.381809-0.08545-0.398150.15565-0.103430.0693540.1192010.02050380.30.034314391葡萄样品150.3084870.089324-0.107920.0485220.0012450.0478670.0188020.01313378.40.031781203葡萄样品200.462034-0.28447-0.925380.316054-0.297180.0509610.2146760.01562976.60.031751112葡萄样品180.2700340.04