对葡萄品质和葡萄酒质量的分析研发论文

1、2012高教社杯全国大学生数学建模竞赛承诺书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网 上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。矚慫润厲钐瘗睞枥庑赖。我们知道，抄袭别人的成果是违反竞赛规则的，如果引用别人的成果或其他公开的 资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参 考文献中明确列出。聞創沟燴鐺險爱氇谴净。我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规 则的行为，我们将受到严肃处理。 残骛楼諍锩瀨濟溆塹籟。我们授权全国大学生数学建模

2、竞赛组委会，可将我们的论文以任何形式进行公开展 示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。酽锕极額閉镇桧猪訣锥。我们参赛选择的题号是（从 A/B/C/D中选择一项填写）：A我们的参赛报名号为（如果赛区设置报名号的话） ：所属学校（请填写完整的全名）：云南省保山市隆阳区保山学院参赛队员（打印并签名）：1.赵建忠2. 陈晓娇3. 张顺香指导教师或指导教师组负责人（打印并签名）：曾庆红日期：2012 年09月7_日赛区评阅编号（由赛区组委会评阅前进行编号）：2012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

3、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）：基于多元回归分析的葡萄酒评价模型摘要酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系， 葡萄酒和酿酒葡萄检测的理化 指标会在一定程度上反应葡萄酒和葡萄的质量 彈贸摄尔霁毙攬砖卤庑。本文基于酿酒葡萄和葡萄酒的理化指标及芳香物质的一系列统计数据， 建立了酿酒 葡萄与葡萄酒的概率模型、质量优化模型和回归模型。 謀荞抟箧飆鐸怼类蒋薔。针对问题一，通过对两组品酒队员的品酒质量的离散性的对比， 利用图表辅助分析， 最终确定第二组的品酒质量波动程度较小，可信度较高。 厦礴恳蹒骈時盡继價骚。针

4、对问题二，在问题一的基础上进一步得出葡萄酒的质量，将得到的数据与酿酒葡 萄的理化指标数据进行综合分析，利用系统聚类对数据进行处理，从而预测葡萄可分为 四个级别。其中，红葡萄中 3、6、21 各自成一级，剩余的被聚到同一级之中；在白葡 萄中 3、24、28 各自成一级，剩余的被聚到同一级之中。 茕桢广鳓鯡选块网羈泪。针对问题三， 我们选取酿酒葡萄与葡萄酒的理化指标之间的共同点， 利用 MATLAB 对问题所提供的葡萄和葡萄酒的理化指标表中的数据进行拟合，得出二者成正相关关 系。 鹅娅尽損鹌惨歷茏鴛賴。针对问题四，综合葡萄酒的质量，酿酒葡萄与葡萄酒的理化指标及葡萄和葡萄酒的 芳香物质的数据，建立回

5、归模型，分析得出能用葡萄和葡萄酒的理化指标来评价葡萄酒 的质量。 籟丛妈羥为贍偾蛏练淨。关键词 ：葡萄酒质量 方差 聚类分析 拟合 多元线性回归一、问题重述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。 酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系， 葡萄酒和酿酒葡萄检测的理化指标 会在一定程度上反映葡萄酒和葡萄的质量。 附件 1 给出了某一年份一些葡萄酒的评价结 果，附件 2 和附件 3 分别给出了该年份这些葡萄酒的和酿酒葡萄的成分数据。请尝试建 立数学模型讨论下列问题： 預頌圣鉉儐歲龈

6、讶骅籴。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？ 渗釤呛俨匀谔鱉调硯錦。二、问题的分析针对问题一，由于每个品酒员在品酒的时候，由于各种各样的原因，对葡萄酒的评 分或多或少的存在一定的差异性。这一差异性，能够通过离散程度和波动程度很好的反 应出来。在两组品酒员之中，综合各组品酒员对葡萄酒的评分的离散性和波动程度，其 中离散性小以及波动程度小

7、的一组对葡萄酒的质量的评估更为可信。 铙誅卧泻噦圣骋贶頂廡。针对问题二，题目要求结合葡萄酒的质量以及酿酒葡萄的理化指标综合对酿酒葡萄 进行分级。首先，采用通过品酒对葡萄酒质量进行评估结果可信度高的品酒小组的评分 数据，求出各种葡萄酒的平均得分，即可大致知道葡萄酒的质量。再结合葡萄的各项理 化指标进行聚类，便可以得到酿酒葡萄的分级情况。 擁締凤袜备訊顎轮烂蔷。针对问题三，想要知道酿酒葡萄与葡萄酒的理化指标之间的联系，若能够利用它们 之间的联系，建立起函数关系，该问题便可以迎刃而解。 贓熱俣阃歲匱阊邺镓騷。针对问题四，问题考虑酿酒葡萄的理化指标、葡萄酒的理化指标，以及葡萄酒质量 之间的关系。并且提

8、出，通过酿酒葡萄和葡萄酒的理化指标是否可以判断出葡萄酒的品 质，这便要求我们利用现有数据，在酿酒葡萄和葡萄酒的理化指标和葡萄酒的品质之间 建立函数关系架造桥梁，使抽象的问题转化为较为直观的问题，这有利于我们在不通过 品酒师对葡萄酒进行评分的情况下，得出一个对葡萄酒的品质较为合理的评价。 坛摶乡囂 忏蒌鍥铃氈淚。三、模型假设与符号说明3.1 模型假设1）假设品酒员不受到主观情绪环境等影响，能够客观公正的评酒；2）评定方法具有可靠性稳定性；3）酒的品质长期不变；4）葡萄品质在一个可接受的变动范围之内；5) 酿酒葡萄与酒样品对应3.2符号说明1) i、j :第i、j个事物；2) A、B、C、D、E、

9、F、G、H、I、J :酒样品的各项评分;3) K :酒样品的综合得分；4) S :酒样品评分区间；5) L :距离；6)X:putao 酿酒葡萄理化指标；7)Yputaojiu:葡萄酒理化指标；8)f1 niangjiu:X putao与Yputaojiu之间的函数关系;9)B .nian gjiu:fniangjiu中的待疋系数；10) X putaofangxiang : 酿酒葡萄芳香物质;11) X jiufangxiang :酒样品芳香物质；12) Yiuzhiliang ：酒样品的质量；13) b :回归模型待定系数；14) R2 :相关系数；15) F : F 值；16) P :与

10、F对应的概率.四、模型的建立与求解4.1.1通过品酒判定葡萄酒品质的可信度的模型的建立首先，根据根据各个品酒员 PingJiuYuanj(j 1,2,11),10)对样品酒Jiq (i = 1,2,川,n)， 给出的评分Aj、Bj、5、D j、Ej、F j、Gj、H j、I j、J j，具体情况如下：表1:品酒员对样品酒品分数据酒样品Jiui(i =1,2，川,n)品酒员 PingJiuYuanj (j =1,2J|,10)分数外观分析15澄清度5Aj色调10Bj香气分析30纯正度6Cj浓度8质量16E.ij口感分析44纯正度6rFj浓度8G持久性8rHj质量22|u然后，根据表1中的数据，进

11、行如下计算：1 10 1 10 1 10求均值：AAj、BiBij、JiJii ；10 j4 j10y j10y j10 _ 2 10 _ 2 10 _ 2求方差和：、幽A)、' (Bj -B) 、J - J)； j 1j a根据一级指标，将方差和进行求和：10 _ 2 10a、外观分析得分=Z (Aj -A) +送(Bjj 4j 410 _ 2 10香气分析得分=E (Cj -C) +E (Djj 二jv10 2 101)2)3)-Bi)2-Di)10、(Ejj=12 102-E)；4)口感分析得分=' (Hj -Hi)j仝10 平衡/整体评价得分=Z (JijjA将所有一级

12、指标方差和进行求和：10 _+ ' (Gj -G)' (Fjj 42-Ji )；2 102J)2 10 _ 2-FiZ (lij-G ;j4、(Aj -A) +川+、(Jjj 1j 二通过对上述数据中的2)、3)、4)项的数据进行对比，就可以得出两组品酒员,哪一组的评分标准波动程度较小，从而得出该组的结果比较可信。蜡變黲癟報伥铉锚鈰赘。Jij平衡/整体评价114.1.2通过品酒判定葡萄酒品质的可信度的模型的求解利用MATLA进行程序编写(程序： WT1.m ,可以得到以下结果：買鯛鴯譖昙膚遙闫撷凄。表2:方差波动程度综合分析红葡萄 酒综合分析第一组5670.59第二组3211.

13、26平衡/整体评外观分析香气分析口感分析价第一组1016.301725.853696.22220.37第二组721.33976.371918.30105.19澄清纯正纯正持久平衡/整体评度色调度浓度质量度浓度度质量价258.6：757.6281.2456.4988.1222.6462.3 :198.9 11824.0第一组736457767220.37674.3157.1309.3509.9290.3119.3第二组46.96713398.6773900.00105.19白匍萄酒综合分析第一组4912.68第二组2968.96外观分析香气分析口感分析平衡/整体评 价第一组1015.751301

14、.433133.04187.86第二组422.14957.571989.32124.18澄清纯正纯正持久平衡/整体评度色调度浓度质量度浓度度质量价237.2778.5234.3341.6725.3202.7339.1271.71593.9第一组149491896187.86361.1124.4308.8524.2226.6108.51030.5第二组61.00466599.46100124.18从上表可以看出，第二组的品酒员在各项指标上的离散程度即波动程度都要小于第 一组的，因此，第二组品酒员判定出的葡萄酒的质量更加可信。綾镝鯛駕櫬鹕踪韦辚糴。根据以下饼状图，能够更加直观的描述他们之间的关系。

15、图1:红葡萄酒评分波动程度大小关系图图2:白葡萄酒评分波动程度大小关系图4.2.1酿酒葡萄分级模型的建立由上一问中，我们知道了第二组品酒员对葡萄酒质量的判定结果更加具有可信度,因此采用第二组品酒员对葡萄酒的判定数据。驅踬髏彦浃绥譎饴憂锦。对于每一种葡萄酒JiUi （i =1,2,川，n），每一个品酒员PingJiuYuaq（j =1,2j|,10）对其 进行打分，将该种葡萄酒所得的分数为：Kij = Aj +Bj +| I I + Jij不难计算出其平均得分：1Ki =i0（Aij+Bij+|（+Jij）根据平均得分，我们很容易将其进行分级：优,K i E Sj良，K i E S2中，K i

16、E S3差, K S4再将平均得Ki分结合葡萄的理化指标进行系统聚类，便可得到酿酒葡萄分级情况。 系统聚类的基本思想是，距离相近的样品（或变量）先聚成类，距离相远的后聚成 类，过程一直进行下去，每个样品（或变量）总能聚到合适的类中。猫虿驢绘燈鮒诛髅貺庑。4.2.2酿酒葡萄分级模型的求解通过MATLABS写程序（程序：WT2.m，很容易就得到葡萄酒的平均得分：锹籁饗迳琐筆襖鸥娅薔。表3:葡萄酒的平均得分葡萄酒样品 编号123456789101112131468.7474.71.72.66.65.6678.68.61.68.68.72.红匍萄酒16213328638677.75.75.76.81.

17、75.74.72.80.79.71.72.73.77.白匍萄酒98695523484491葡萄酒样品 编号151617181920212223242526272865.69.74.65.72.75.72.71.77.71.68.7271.红匍萄酒79546826152578.67.80.76.76.76.79.79.77.76.79.74.7779.白匍萄酒4337462441536葡萄酒分级情况为:1）红葡萄酒：'(9,20,23)优(2,3,4,5,14,17,19,21,22,24,26,27)良(1,6,7,8,10,2,3,15,16,8,25)中11 差2) 白葡萄酒：&#

18、39;（5,7）优（1,2,3,4,6,10,4,15,18,19 ,0,21,22,23 ,4,5 ,7,8 疋良 '（7,8,1/12,3,6）中、16乏差然后将酿酒葡萄理化指标与葡萄酒质量进行组合（数据见：红葡萄分级数据.sav ,白葡萄分级数据.sav , fujian2_putaolihua_fenji_zhengli.xls），采用最短距离法进行聚类，方法如下： 構氽頑黉碩饨荠龈话骛。1） 定义样品之间距离，计算样品变量的两两距离，得到一距离阵记为L（0），开始每 个样品自成一类，显然这时 -=1耳；2）找出距离最小元素，设为Lpq，将对应变量合并成一个新类；3）继续计算新

19、类与其他类的距离；4）重复2）、3）两步，直到所有元素并成一类为止。利用SPSS软件进行聚类，很容易得到以下数据：图3:最短距离聚类结果（左为红葡萄，右为白葡萄）由图可知：在红葡萄中3、& 21各自成一级，剩余的被聚到同一级之中；在白葡 萄中3、24、28各自成一级，剩余的被聚到同一级之中。輒峄陽檉簖疖網儂號泶。4.3.1酿酒葡萄与葡萄酒的理化指标之间的联系模型的建立通过观察附件2我们发现，酿酒葡萄理化指标的子指标与葡萄酒理化指标中所包含 尧侧閆繭絳闕绚勵蜆贅。的子指标，并不是对应的关系，而我们所要进行的工作是建立酿酒葡萄与葡萄酒的理化指标之间的联系模型，因此不妨丢弃不相干指标，提取出

20、酿酒葡萄和葡萄酒都 共同含有的理化指标进行分析，并将进行过多次观测的同一指标采取求平均值的处理方 法降低计算量（数据处理见：fujian2 putaolihua.xls , fujian2 jiulihua.xls ）。因为选取了酿酒葡萄和葡萄酒之间相同的理化指标，因此，挑选出来进行观察的理化指标 是对应的关系。而在酿酒葡萄酿成葡萄酒的这一过程之中，可能伴随着一定的变化规律，即某项理化指标的含量发生了规律性的变化。识饒鎂錕缢灩筧嚌俨淒。假设挑选出来的酿酒葡萄的理化指标为集合为Xputao，葡萄酒的理化指标为集合为Yputaojiu，我们便可以通过对应关系，画出坐标集合(Xputao ,Yput

21、aojiu )的散点图，观察其散点图的变化趋势，建立如下函数关系：凍鈹鋨劳臘错痫婦胫籴。Yputaojiu =fniangjiu (Xputao)若fniangjiu存在，则f中很可能包含一个，甚至多个令X putao转化为Yputaojiu的未知的转 换系数b(1),b(2),b(n)b Bniangjiu，为求出Xputao与Yputaojiu之间的联系，我们可以考虑用曲线拟合的方法，将Bniangjiu求出来，便可以知道他们之间存在着什么样的关系；若fniangjiu不存在，则需要寻求另一种方法，求它们之间的联系。恥諤銪灭萦欢煬鞏鹜錦4.3.2酿酒葡萄与葡萄酒的理化指标之间的联系模型的求

22、解通过MATLABS写程序(程序：WT3.m，绘制出(Xputao，Yputaojiu )总体的散点图如 下：鯊腎鑰诎褳鉀沩懼統庫。图4:(Xputao ,Yputaojiu )的散点图发现，总体的散点图规律较为明显，近似为指数函数图象，因此考虑建立指数函数 关系如下：Yputaojiu= Bniangjiu(1? BniangjiuUeB niangjiu Lxputao运用WT3.m中的程序进行拟合，可以求得:1)红葡萄和红葡萄酒理化指标参数Bniangjiu = (-700.184252422041,708.203104503467,0.00230526654944051 ；2)白葡萄和

23、白葡萄酒理化指标参数Bniangjiu = (-9.40052817741671,8.12312894946934,0.0653510702123807 ;拟合效果如下图所示：图5:红葡萄与红葡萄酒理化指标关系预测作图图6:白葡萄与白葡萄酒理化指标关系预测作图由上述两幅图片看出，拟合效果较为显著，这也证实了Xputao与丫卩血帧之间存在着近似等价于指数函数的函数关系。接下来，将利用SPSS软件对原理化指标与预测理化指标之间的显著性关系进行评 价：表4:红葡萄与红葡萄酒预测理化指标相关性相关性预测花色苷预测单宁预测总酚预测白藜芦醇预测顺式白藜芦 醇苷预测顺式白藜芦醇原花 色苷Pearson相关性

24、.434 ”*.661 *.438 ”*-.363 *-.176.125原单Pearson相关性-.050 ”*-.155 *-.168 ”*-.455 ”*-.364 *.059 *原总酚Pearson相关性.618 ”*.744 *.876 *-.294 ”*-.055.524 *原反式白Pearson.293.418.591-.231.035.785藜芦相关性醇苷原顺式白Pearson.126-.011-.028-.164-.081.219藜芦相关性醇苷原反式白Pearson-.096-.278-.179-.083-.068-.026藜芦相关性醇原顺式白Pearson.016.296.4

25、14 ,-.237 ,-.132.123藜芦相关性醇*.在.01水平（双侧）上显著相关。*.在.005水平（双侧）上显著相关。表5:白葡萄与白葡萄酒预测理化指标相关性相关性预测单预测总 酚预测白藜芦醇预测顺式白藜 芦醇苷预测顺式白藜 芦醇原单宁Pearson相关性.182 ”*-.165 ”*.422*.212 *-.083 :原总酚Pearson相关性.594 *.541 *-.136 *.051-.199 *原顺式白藜芦醇苷Pearson相关性.112-.011-.225-.188.050原顺式白藜芦醇Pearson相关性-.084-.268 *.112 *-.016-.143 *在.01

26、水平（双侧）上显著相关。*.在0.05水平（双侧）上显著相关。通过上述两表，可以看出，部分预测理化指标和原理化指标的相关性较为显著，这 也可以间接的说明，拟合效果较为显著。硕癘鄴颃诌攆檸攜驤蔹。441酿酒葡萄的理化指标、葡萄酒的理化指标、葡萄酒质量之间的关系模型的建立想要直接分析酿酒葡萄的理化指标、葡萄酒的理化指标、葡萄酒质量之间的关系， 就要考虑到酿酒葡萄的理化指标、葡萄酒的理化指标、酿酒葡萄芳香物质、葡萄酒芳香 物质、葡萄酒质量这几个指标所包含的因素，其中酿酒葡萄理化指标包含下级指标50余个，葡萄酒理化指标包含下级指标 10余个，酿酒葡萄芳香物质、葡萄酒芳香物质各 包含下级指标70余个，合

27、计200余个指标，这样庞大的数据量势必会让我们在分析问 题和计算过程中遇到重重困难。因此，考虑筛选出占主要地位的尽量少，且符合我们需 求的变量显得尤为重要。阌擻輳嬪諫迁择植秘騖。对于上述多个指标之间或多或少都存在着一定程度的相关性，为了尽可能的减少指标数量，决定先运用主成分分析，提取出占主导地位的数据，并且综合考虑主成分分析 中的方差贡献率，尽可能的使指标之间所包含的信息保存完整。氬嚕躑竄贸恳彈濾颔澩。想要求它们之间的联系，如果能建立起函数关系，那也是一个不错的选择。在第一 问中，我们已经通过品酒员的评分知道了葡萄酒的质量，且是一个一维数组，而利用主 成分分析方法提取出来的指标，注定是一个多维

28、数组，像这样一对多的关系，想要画出散点图来提供参考比较困难，而又不知道函数表达式，像这样的问题，插值、拟合等方 法将无从下手，这无疑给计算带来了巨大的困难。釷鹆資贏車贖孙滅獅赘。尝试先从最简单的多元线性回归是否能解决这个问题。设因变量葡萄酒的质量为Yjiuzhiliang，自变量葡萄的理化指标为X putaolihua、葡萄酒的理 化指标为 X jiulihua、X putaofangxiang、X jiufangxiang 共四个变量矩阵。注意到，Yjiuzhiliang、XputaolihuajiulihuaX putaofangxiangX jiufa ngxia ng 的维度是相同的，

29、所以建立以下数学模型： 怂阐譜鯪迳導嘯畫長凉_1心1 X21+1xn1IIIIII+f川,b?kx=Xputaolihua其中,X jiulihua , X putaofangxiang , X jiufangxiang 丫- Yjiuzhiliangb是我们需要求得待定系数。442酿酒葡萄的理化指标、葡萄酒的理化指标、葡萄酒质量之间的关系模型的求解 通过主成分分析，筛选出变量如下：putaolihua表6:主成分筛选红葡萄理化指标结果红葡萄天门冬氨酸总酚杨梅黄酮总糖花色苷葡萄样品1101.21920423.604457665.304786386208.1746032408.028葡萄样品26

30、4.4254122526.875268428.510852303205224.367葡萄样品3108.070953421.684819219.97727049256.1904762157.939葡萄样品479.3905517510.698446284.183231935189.722222279.685葡萄样品552.2813365717.617810351.979521742209.6626984120.606葡萄样品668.0129700210.671467211.055618837244.384920646.186葡萄样品765.0990659.2143905993.1714456209

31、.861111160.767葡萄样品872.0856610815.240642811.63001268198.8492063241.397葡萄样品972.8900255830.114005311.06344509193.6904762240.843葡萄样品1087.522763939.47594400110.36717828167.20238144.203葡萄样品1194.423482416.07467442417.19775633209.56349217.787葡萄样品1263.3240426612.058988121.678756477247.658730232.343葡萄样品1354.3

32、015949714.385259049.137792422197.857142965.324葡萄样品1471.2736038614.657456237.123300269191.5079365140.257葡萄样品1585.2017167411.90071080.471516614179.107142952.792葡萄样品1673.340961111.213872912.160737983204.007936560.660葡萄样品17107.18957915.335770322.422963882212.738095259.424葡萄样品1832.453710997.3809437880.74

33、1341531226.03174640.228葡萄样品1972.9416414217.425935370.953567604205.7936508115.704葡萄样品2073.4855545212.676986256.890984779193.194444423.523葡萄样品2169.4921252916.19234291.897337787205.793650889.282葡萄样品22110.516807516.442344570.736807431224.146825474.027葡萄样品23120.856292429.704168676.611453744207.6785714172

34、.626葡萄样品2458.602999218.7508833635.839622642201.8253968144.881葡萄样品2573.2778804711.502445420.327569458150.337301649.643葡萄样品2658.998758797.3476756345.31567069173.353174658.469葡萄样品2751.451905638.8970796635.942340081196.666666734.190表7：主成分筛选白葡萄理化指标结果白葡萄丝氨酸缬氨酸组氨酸异亮氨酸天门冬氨TH?厶 酸总糖总酚氨基酸总 量葡萄样品77.15537327.071

35、84524.68808410.94567762.313084175.039685.33642301279.296418379115711259408葡萄样品149.9798744.78873214.14486912.00402471.871227207.777775.09000821870.93152933922143678929葡萄样品286.8807254.36090672.11381620.173761121.27874180.595236.97167075022.138438848574694812747葡萄样品186.9174948.17421148.87238823.2570518

36、9.056352206.884925.24848302085.763743278760386066383葡萄样品158.2328830.53204022.88333237.238885202.916666.32295812658.035056751.488479144466784葡萄样品181.5589246.79028317.90339826.76041283.993687186.4484110.5414361847.119464649525665277227葡萄样品134.4987130.28988028.3427038.325720361.079878161.7460310.267459

37、1721.583071653210919176899葡萄样品96.29525546.00292316.96087220.46716866.584214157.7777752204823325880878553葡萄样品39.03056628.55346215.79855665.886532209.464285.81434291927.42429156.4854521672882571261葡萄样品141.1490420.56795729.91661125.596191120.87984217.996037.72795362095.60741079989573241794

38、2葡萄样品84.34579435.22975034.45872217.02492251.401869167.202387.85397961566.970411397874121617105葡萄样品83.88917932.84674932.21931215.73074997.171293209.365078.48313051724.1573129132030887946125葡萄样品32.97624312.04056411.0522185.863402057.614298153.9087311.773548664.95528138477746252028191葡萄样品140.7277631.04

39、842019.70679215.89217973.920915177.222225.32376781542.166514120783283227321葡萄样品97.80489230.05323216.29104617.12422954.429092169.980158.87148862669.2202156485129265874688葡萄样品59.75804623.00844512.1633189.622803048.133987170.674605.0072935991.91765161156881367324358葡萄样品124.6362438.74072325.31993220.525

40、91574.691754192.400796.57531481167.289717154322978137638葡萄样品84.21543416.04744617.2878297.862555362.957565183.9682511.9572171289.926618839633748749173葡萄样品58.87926522.88438012.17462012.34552157.088879199.146824.7246326817.80695192463711385541823葡萄样品161.0446034.83949723.30415125.83884275.081889219.7817

41、45.25089752045.241420723503241168998葡萄样品133.5193535.66821319.42959514.60612184.503319209.265874.36729491554.021721625925130436594葡萄样品161.6071437.51217536.93181822.52029267.775974167.202386.40946831457.666822293218210317802葡萄样品153.2696833.84252617.15477013.82124568.039339199.345235.12650891522.517123

42、420381767481851葡萄样品274.4023462.79584054.97250730.364570129.69160229.3055510.7554003068.3361242831778889561422葡萄样品162.6441562.27347646.33443121.49917653.171334222.956347.66619292350.7903251611632843923262葡萄样品176.1957143.12680922.44296423.23740562.258251224.841265.81570712073.33312651568913984321葡萄样品1

43、86.0262769.48905147.29343024.77897898.347445190.6150716.9649152475.214327740966126942707葡萄样品60.03906260.35156215.980468220.079366.56673103785.570328403.125557596.40625514813jiulihua表8：主成分筛选红葡萄酒理化指标结果红酒总酚 (mmol/L)花色苷 (mg/L)酒总黄酮 (mmol/L)单宁 (mmol/L)酒样品 19.982555294973.87831478.01986796811.02952635酒样品 2

44、9.559821176517.581288713.3000755611.07821224酒样品 38.549383529398.77001247.36754660313.25933976酒样品 45.982047059183.51945484.3062589346.477396353酒样品 56.0336280.19045853.6436647925.849348471酒样品 65.85832117.02552664.444941437.353742235酒样品 73.85806588290.824783152.7653423234.013890706酒样品 8106

45、8785637.74763936712.02758694酒样品 911.31262118387.76493189.90492262312.93314435酒样品 104.342663529138.71377943.1454350875.566970353酒样品 114.02303529411.83779432.102748184.588384118酒样品 124.81695058884.078562582.9862070376.457922酒样品 134.930367059200.08030983.9569845036.384893176酒样品 145.012851765251.5701363

46、3.0683892576.073303529酒样品 154.064277647122.59157371.8356559673.984679176酒样品 164.043656471171.50185872.6677509384.831813529酒样品 176.167637647234.41995044.9123528029.169725647酒样品 184.35297411871.901734823.530664244.447195059酒样品 195.1572198.61449813.8748022835.980800353酒样品 204.85819294174.376703844.0443

47、031115.863954235酒样品 218.941185882313.78426274.43980504110.08988882酒样品 226.198569412251.01722435.8266299917.105444235酒样品 2312.52927059413.940396512.144388110.88833729酒样品 245.394343529270.10842633.73098345.747108118酒样品 254.425148235158.56864933.0221617585.406306941酒样品 263.888997647151.48054522.1541120673.614666471酒样品 274.734465882138.45464683.2841175825.961326表9：主成分筛选白葡萄酒理化指标结果白酒单宁 (mmol/L)总酚 (mmol/L)酒总黄酮 (mmol/L)白藜芦醇 (mg/L)顺式白藜芦醇苷 (mg/L)酒样品 11