葡萄酒质量评价模型

PAGEPAGE2葡萄酒质量评价模型摘要葡萄酒质量的高低评估是通过评酒专家对葡萄酒的感官评分来体现。酿酒葡萄和葡萄酒的理化指标一定程度上反映了葡萄酒的质量。问题一，首先对附件1的数据进行预处理，分别求得评酒员关于样品酒的4组平均得分，在此基础上，利用F检验，发现不管对于红葡萄酒还是白葡萄酒，两组评酒专家的评分结果都存在显著的差异。此外，建立了评价可信度的层次分析模型，发现第二组评酒员的评分更加可信。问题二，运用主成分分析对酿酒葡萄的30个理化指标进行降维，主成分降维后减少了变量间的重叠部分，然后通过Q型聚类对酿酒葡萄酒的样品进行归类，利用问题一中第二组评分数据，得到每一类样品的平均得分，通过得分的大小来分等级。问题三，建立了酿酒葡萄与葡萄酒理化指标的典型相关分析模型，得出酿酒葡萄与葡萄酒理化指标之间有着密切的联系。如：红葡萄与红葡萄酒的理化指标的第一典型相关系数，第一典型变量可以解释29.9%红葡萄理化指标组内变差，并解释39%红葡萄酒理化指标的变差；其两者的相关系数相互解释每组内的变差。问题四，对于酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，本文先通过线性回归做初步的分析，然后运用TOPSIS模型进行了进一步的分析，得到葡萄和葡萄酒的理化指标不一定能评价葡萄酒的质量，但有一定的联系。关键词：F检验；主成分分析；Q型聚类；样品典型相关分析；TOPSIS模型1、问题提出葡萄酒是用新鲜的葡萄或者葡萄汁经发酵酿成的酒精饮料。质量评价主要通过外观、香气、口味、典型性体现。所以确定葡萄酒的质量一般通过聘请一批有资深的评酒员对葡萄酒进行品尝后对其分类指标打分，然后求和得到总分，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。建立数学模型讨论下列问题：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？2、问题分析问题一：要求找出两组评酒专家的评分结果的差异性，可以选用方差分析当中的F检验体现评酒结果的显著性。若无差异性则都可信，若存在差异性是可以通过引入评价可信度的方法，找出到底哪一组更加的可信。问题二：葡萄酒质量高低与酿酒葡萄的优劣有直接的关系，通过主成分的方法进行变量的降维，后对样品进行Q聚类，求出每类的均值后进行评级。问题三：酿酒葡萄跟葡萄酒的理化指标关联密切，个别的理化指标是其重要的成分，此过程通过了样品典型相关分析来分析得出。问题四：酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，可以通过酿酒葡萄和葡萄酒的理化指标与葡萄质量之间的相关性得到，若存在相关性可以通过回归思想实现。3、符号说明：第组的第个样品的颜色葡萄酒总平均分：第组颜色葡萄酒总平均分的均值：葡萄颜色，n=1表示红色，n=2表示白色：第i个样品的n颜色酿酒葡萄的第j个一级理化指标的含量4、模型基本假设（1）每一种葡萄酒的生产工艺是大致相同。（2）葡萄的质量决定葡萄酒的质量。（3）相应的葡萄酒是由相应的酿酒葡萄酿制得到。（4）评酒员的个数足够多，评酒总平均分数能充分反映葡萄酒的质量。5、模型的建立与求解5.1数据的预处理和初步分析通过对附件一中数据表的初步的观察，我们发现，表中存在好几处的数据异常的情况，比如：第一组白葡萄酒中的样品三7号评酒员在浓度指标中的评分为77，明显的不正确。本文遇到类似的情况用本行的均值代替原来数据。为了评价一种葡萄酒的好坏，通常的做法是由感官评酒专家根据国际葡萄与葡萄组积（OIV）的评价方法对葡萄酒的澄清度、色度、纯净度等方面进行打分，最后将个方面得到总分的方法对葡萄酒的好坏进行评价。通过对附件1的分析，对同一个样品分两组评酒专家每组10名，分别对27个红葡萄酒的样品和28个白葡萄酒的样品进行了评价。本模型采取10个评酒专家对同一个样品的总评价得分的平均值作为该样品的最后得分。数据部分如表1所示。表1：样品评分均值样品一组红葡萄酒一组白葡萄酒二组红葡萄酒二组白葡萄酒162.7082.0068.1077.90280.3074.2074.0075.80380.4085.3074.6075.60……………2673.8081.3072.0074.302773.0064.8071.5077.002881.3079.60图1和图2可以直观地反映上述数据：图1：红葡萄酒的平均得分图2：白葡萄酒的平均得分由于上述数据是由专家的感官评价得分获得的，在实践中，由于各种因素的共同影响下，专家组成员间和组间之间存在异质性。造成异质性的主要原因有：评价尺度的差异、评价位置的差异、评价方向的差异这三个方面。5.2方差分析—F检验对同一个样品由两组不同的评酒专家分开独立地进行评价。为了反映出两组评酒专家评价的结果是否存在较大的差异性，本文利用F检验对两组评酒专家的评价结果作显著性检验。5.2.Step1:模型的假设两组评酒专家的评价得分可作为同一因素下的不同水平，对不同样品的评分可作为样本观察值。取原假设为：；样本的观察值可以分解为：其中：红葡萄酒的情况下：n=1时，白葡萄酒时：n=2时Step2:构造F统计量是第k组数据的组平均值，是总平均值。考察全体数据对的偏差平方和：对上述的式子分解可得：记：是各组均值对总方差的偏差平方和，反映两组品酒员间的差异是各组内的数据对均值偏差平方和的总和。则表示在同一组品酒员下的随机误差的大小。由分布的可加性知：对进一步分析可得：当成立时，该比值服从自由度1，的F分布，即：为检验，给定显著性水平，记F分布的分为数为若：则接受，否则拒绝。5.2本模型F检验的显著性水平取：，由matlab求解可得：拒绝对于红葡萄酒两组的评分存在显著性差异。拒绝对于白葡萄酒两组的评分存在显著性差异。综上所述，对于两种葡萄酒，两组专家的给分都存在着显著性的差异。5.3判断可信度的层次分析模型从上述的模型可以看出第一组品酒员和第二组品酒员对于红葡萄酒和白葡萄酒的评价具有显著性差异，葡萄酒质量评价结果可信程度直接关系到消费者的利益和市场对葡萄酒的科学管理。那么对于上述两组评酒专家的评价结果，我们关心的是到底哪一组的可信度比较高，从而选择接受哪一组的评价的结果，为了能更好地反映出两组数据的可信度，我们引入了判断可信度的层次分析模型，对、、、分配一个可信度权重从而得到一个排序，可以得到四种情况下的可信度排序。5.Step1：根据评分的极差矩阵和可行度评估标度确定判断矩阵本模型在上述的数据的基础上选择每一种情况下的极差为：其中：，为每一种情况下的最大和最小上述的极差能够很好地反映出每一组评酒专家的总评分的差异，这个差异可以再一定的程度上体现出这组评酒专家的可信度。根据每两种情况下的差异矩阵根据可行度评估标度，如表2所示。表2：可行度评估标度评估标度值含义0判断完全无把握0.2判断非常无把握0.4判断比较无把握0.6判断比较有把握0.8判断非常有把握1判断完全有把握0.1,0.3,0.5,0.7,0.9表示相邻评估的中间值根据差异矩阵的每个数据的差异程度的大小反映在可信度评估标度表上，以差异越小相互可信度越大为标准可以得到判断矩阵Step2:权重的分配判断矩阵的最大特征值为：相应的特征向量为：所以得到权重向量：Step3:一致性检验计算一次性指标：相应的随机一次性指标可以通过查表获得。计算一次性比率：若，那么对一次性检验通过。5.3通过matlab的计算可以得到极差矩阵为：通过上述的差异根据可行度评估标度得到了判断矩阵为：可以得到：，权重向量为：上述的结果表明：无论是红葡萄酒还是白葡萄酒第二组的分配的权重都比对应的第一组的权重都要高，所以可以得到最后的结论为：第二组的评价结果比第一组的评价结果更为可信。5.4主成分模型附件二给出了和红葡萄27个样品和白葡萄28个样品的30项的理化指标数据，我们发现有部分的指标之间有一定的相关性，为了尽量排除指标间重叠部分对葡萄质量的重复的影响带来的误差，本文采用主成分的方法相对30个变量进行降维，提取出30个变量的主要成分。5.4.1Step1:数据标准化处理表示第个样品第个指标的取值其中：分别表示红葡萄和白葡萄标准化后的数据为：其中：为第理化指标的均值，为第理化指标的方差Step2:计算相关系数矩阵根据相关系数的定义：可以得到每两个指标之间的相关系数：Step3:寻找主成分相关系数矩阵排序后的的特征值为：特征值对应的特征向量为：用新的变量作为主成分取代原来的数据：

得到个主成分矩阵形式为：，累加贡献率为：5.4.2（1）对红葡萄数据的求解通过matlab的求解可以得到红葡萄指标可以降到14个主成分部分数据如下所示：

对红葡萄的主成分解释如表3所示：表3：红葡萄主成分解析表主成分包含成分名称累计贡献率第一主成分花色苷、DPPH自由基、总酚、23.23%第二主成分总糖、干物质含量39.70%第三主成分白藜芦醇、可滴定酸52.15%第四主成分苹果酸61.61%第五主成分固酸比、果穗质量68.28%第六主成分果皮颜色74.08%第七主成分黄酮醇、果皮质量、b*（+黄；-蓝）78.81%第八主成分柠檬酸83.04%第九主成分VC含量、葡萄总黄酮、出汁率86.25%第十主成分单宁、还原糖、可溶性固形物88.71%第十一主成分多酚氧化酶活力、百粒质量91.01%第十二主成分氨基酸总量、褐变度92.73%第十三主成分蛋白质、果梗比、L*94.37%第十四主成分酒石酸、PH值95.61%（2）对白葡萄酒的求解通过matlab的求解可以得到红葡萄指标可以降到14个主成分部分数据如下所示：

对红葡萄的主成分解释如表4所示：表4：白葡萄主成分解析表主成分包含成分名称累计贡献率第一主成分可溶性固形物、干物质含量19.58%第二主成分总酚、葡萄总黄酮36.61%第三主成分可滴定酸、固酸比、L*、b*（+黄；-蓝）48.82%第四主成分氨基酸总量、褐变度55.81%第五主成分酒石酸、苹果酸、黄酮醇62.14%第六主成分白藜芦醇67.46%第七主成分PH值72.49%第八主成分单宁、果皮质量76.90%第九主成分果梗比、果皮颜色80.88%第十主成分出汁率84.35%第十一主成分花色苷、柠檬酸87.48%第十二主成分蛋白质、DPPH自由基、还原糖、百粒质量90.16%第十三主成分VC含量、果穗质量92.31%第十四主成分多酚氧化酶活力94.00%第十五主成分总糖95.30%（3）对主成分的解析本文根据需要分别对红葡萄和白葡萄的30个理化指标经主成分分析后，得到14个主成分和15个主成分，累计贡献率可达到95.61%和95.30%。表中数据表明酿酒葡萄的理化性质对酿酒葡萄的优劣有很大的贡献作用。我们进一步对表3进行分析可以知道：对于红葡萄，第一主成分是花色苷、DPPH自由基、总酚；第二主成分是总糖、干物质含量；第三主成分是白藜芦醇、可滴定酸说明这些物质比较具有代表性。对表4进行进一步分析可知：第一主成分是可溶性固形物、干物质含量；第二主成分是总酚、葡萄总黄酮；第三主成分是可滴定酸、固酸比、L*、b*（+黄；-蓝）。说明这些物质依次对白葡萄具有代表性。5.5聚类模型我们的目的是为了对不同的样品进行评级，本模型先通过最远距离法分别对红葡萄和白葡萄的样品进行聚类，体现样品之间的差异后，然后对聚类的样品分在同一个等级。5.5.1每个样品可以看做维空间的一个向量本模型使用欧氏距离定义每两个样品之间的距离每两个样品之间的距离定义为：两个类别之间的距离使用最长距离法：则：5.5.2运用spss软件求解可得聚类图，如图3与图4所示图3：红葡萄的样品聚类图图4：白葡萄的的样品聚类图5.6葡萄质量的等级模型酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系，从上述的聚类图可以根据葡萄酒样品的聚类结果和葡萄酒的品分均值进行了等级的划分。表5：红葡萄酒样品聚类表类别样品平均得分14、6、7、11、12、15、18、19、20、22、23、369.1721、2、5、8、9、10、13、14、16、17、24、25、26、27、2171.16表6：白葡萄酒样品聚类表类别样品平均得分11、6、7、8、11、12、13、14、16、17、18、19、2274.982375.60321、23、2777.87415、24、2878.0352、4、5、9、10、20、25、2678.10上述的归类可以把红葡萄酒样品分为好、差两类，白葡萄酒归为五类为：很好、好、中等、差、很差。5.7典型相关系数模型5.7.1Step1：计算相关系数矩阵将相应剖分为其中：分别为n颜色葡萄理化指标变量和n颜色葡萄酒理化指标变量的相关系数阵。为n颜色葡萄理化指标与n颜色葡萄酒变量的相关系数阵。Step2:求典型相关系数及典型变量可得：的特征根和特征向量。的特征根，特征向量，则有则典型变量为Step3:典型相关系数的显著性检验。Step4:典型结构与典型冗余分析。根据典型结构可以计算任一个典型变量或解释本组变量X(或Y)总变差的百分比。同时可求得前t个典型变量（或）解释本组变量X(或Y)总变差的累计百分比典型冗余分析用来研究典型变量解释另一组变量总变差百分比的问题。第二组典型变量解释第一组变量X总变差的百分比。5.7.2酿酒葡萄与葡萄酒的理化指标的联系分析将附录2经过处理的指标数据利用matlab软件的canoncorr函数进行处理，得出如下结果。典型相关系数及其检验如表7所示：序号123456789典型相关系数红0.990.920.890.860.620.490.440.280.11白0.920.810.660.580.420.260.05表7：典型变量相关系数由上表可知，红葡萄和红葡萄酒理化指标的前两个典型相关系数均较高，表明相应典型变量之间密切相关。白葡萄与白葡萄酒的第一个典型相关系数较高，表明相应典型变量之间密切相关。但要确定典型变量相关性的显著程度，尚要进行相关系数的统计量检验，具体做法是：比较统计量计算值与临界值的大小，据比较结果判定典型变量相关性的显著程度。其结果如表8所示表8相关系数检验表序号123456789概率红0.00020.0150.0870.3610.8780.8990.8330.8210.634白0.0410.4310.7930.8880.9590.9670.97从上表看着9、7对典型变量中葡萄与葡萄酒的理化指标的典型变量中红色的第一和第二典型变量、白色的第一典型变量均通过了统计量检验。红葡萄和红葡萄酒的理化指标的相关性很高，第一典型相关系数为0.99.它比红葡萄和红葡萄酒的理化的任一相关系数都高。检验总体中除了第一和第二典型相关系数外。其他的都没有通过检验。第二典型系数为0.92。因此，两组变量的相关性的研究转化为研究第一对和第二对典型相关变量的相关性。白葡萄和白葡萄酒的理化指标的相关性很高，第一典型相关系数为0.92.它比白葡萄和白葡萄酒的理化指标的任一相关系数都要高。检验总体中除了第一典型相关系数外。其他的都没有通过检验。因此，两组变量的相关性的研究转化为研究第一对典型相关变量的相关性。鉴于原始变量的计量单位不同，不宜直接比较，本文才用标准化的典型系数，给出典型相关模型，如表9所示：表9：典型相关模型1，2由表9第一组典型相关方程可知，红葡萄酒的理化指标的第一典型变量与呈高度相关，说明在红葡萄酒的理化指标中，占的比重比较大。白葡萄酒的理化指标的第一典型变量与呈高度相关，说明在红葡萄根据第二组典型相关方程，是红葡萄理化指标的主要成分。所以总体上红葡萄理化指标的主要因素按重要程度依次是；反应红葡萄酒主要理化指标是典型冗余分析：通过典型变量解释另一组变量总变差百分比的关系，来解释本组变量的信息，还解释另一组变量的信息，典型冗余分析结果如表10所示：表10：典型分析结果123456789mu红0.2990.1530.0760.1680.0770.0410.0630.0830.038白0.1280.2120.0980.1060.0810.1160.134mv红0.2920.1280.0650.1240.0290.0100.0120.0060.001白0.1070.1380.0430.0360.0140.0080.000nu红0.3900.1440.0460.0720.0310.0210.0070.0020.001白0.0980.1370.1130.0230.0230.0040.000nv红0.4010.1710.0580.0980.0820.0880.0370.0280.037白0.1180.2110.2560.0690.1320.0530.069注：mu：x组原始变量被u_i解释的方差比例，mv：x组原始变量被v_i解释的方差比例，nu：y组原始变量被u_i解释的方差比例，nv：y组原始变量被v_i解释的方差比例）由表10的典型冗余分析的结果，我们来分析标准化的方差，第一典型变量可以解释29.9%红葡萄理化指标组内变差，并解释39%红葡萄酒理化指标的变差；而典型变量可以解释40.1%红葡萄酒理化指标组内变差，并解释29.2%红葡萄理化指标的变差；第一典型变量可以解释29.2%白葡萄理化指标组内变差，并解释9.8%白葡萄酒理化指标的变差；变量可以解释11.8%白葡萄酒理化指标组内变差，并解释10.7%白葡萄理化指标的变差。5.8酿酒葡萄与葡萄酒的理化指标对葡萄酒质量的影响的分析模型5.8.1多元线性回归模型的初步分析（1）多元回归模型数据的建立由附录一，评酒专家是通过葡萄酒酒的外观分析、香气分析、口感分析这三个主要的方面进行评分来确定葡萄酒的好坏，通过数据的搜索和总结，经过分析不难发现：附录二中葡萄和葡萄酒的某些理化指标以及附录三中的数据可以提升为一些重要的理化指标。数据的提取如表11所示表11：数据的提取与提升表附录二中的提取附录三种的提升葡萄指标酒石酸、还原糖、PH值、单宁、总酚、干涉出物、色泽（）酒精度葡萄酒指标单宁、总酚、酒总黄酮、白藜芦醇、DPPH、色泽（）酒精度酒精度的获得：对于葡萄酒来说酒精量是一个很重要的理化指标，而附录二对该指标的缺失，我们从附录三中用醇类的总量作为酒精度的量化。（2）多元线性回归模型的spss求解结果利用统计软件spss本文对上述的葡萄指标和葡萄酒指标分别对专家的评分作线性回归。红葡萄的结果如下所示：上述的回归模型不能通过检验，大部分的变量没有通过检验，但是较大。对于其他的情况下的数据具有类似的结果。我们不能通过上述的模型说明酿酒葡萄和葡萄酒的理化指标对葡萄酒质量有影响，同时也不能说明影响不存在。5.8.2TOPSIS模型的进一步探讨对于上述的结果我们没有明确的结论。本文通过TOPSIS模型对该问题作进一步的探讨。（1）数据的获得不失一般性，本模型联合附录二和附录三中的数据，把附录三中的每一个芳香物质提升为一个理化指标，联合附录二中的数据得到一个数据，并利用上述的主成分模型（累计贡献率为0.8）进行降维，得到个主成分的新的数据。TOPSIS模型的建立Step1：用向量规划的方法求得规范决策矩阵。设多属性决策问题的决策矩阵为：A=规范化决策矩阵为：其中，。Step2：构成加权规范阵其中：，。各个主成分的权重由主成分的贡献率得到：Step3：确定正理想和负理想。设正理想解的第j个属性值为，负理想解第j个属性值为，则正理想解负理想解Step4：计算各方案到正理想解与负理想解的距离。备选方案到正理想的距离为：；备选方案到负理想解的距离为：。Step5：计算各方案的排队指标值(即综合评价指数）：。Step6：按由大到小排列方案的优劣次序。TOPSIS模型的求解通过matlab的求解得到原来每个样品的排序和用TOPSIS模型求解结果的排序。表12：样本的排序样品（红）123…2627评分排序72224…1715红葡萄TOPSIS排序232218…2113红葡萄酒TOPSIS排序1610…1527样品（白）123…2728评分排序19109…1624白葡萄TOPSIS排序22145…283白葡萄酒TOPSIS排序232218…133图5：红葡萄与红葡萄酒TOPSIS排序与评分的排序差图6：白葡萄与红葡萄酒TOPSIS排序与评分的排序差上述的图5和图6反映出排序的差异有很大的波动性，说明量化指标的变化有很大的不确定性，而评分的好坏是十分稳定的。上述的两个模型都反映出葡萄和葡萄酒的理化指标不一定能评价葡萄酒的质量，但有一定的联系。6、模型的评价与推广本文运用的各种模型包括主成分分析、Q类聚类、典型相关分析、TOPSIS模型等。主成分的维作用可以推广到很多方面。可以应用于影响天气好坏的多方面因素进行降维得到影响天气的几个主要因素。典型相关模型的应用例子：康复俱乐部里成员生理指标与训练指标的相关分析、城市竞争力与基础设施的典型相关分析、家庭特征与消费模式之间的关系。TOPSIS模型模型可以用在样本的排序的各种问题当中，可以解决学生的评优问题。7、参考文献[1]韩中庚.数学建模方法及其应用[M].北京:高等教育出版社，2021年6月.[2]姜启源，谢金星，叶俊.数学模型[M].北京:高等教育出版社，2021年.[3]蔡锁章.数学建模原理与方法[M].北京：海洋出版社，2021.[4]司守奎，孙玺菁.数学建模算法与应用[M].北京:国防工业出版社，2021年8月.[5]李华,刘曙东,王华,张予林.葡萄酒感官评价结果的统计分析方法研究[J].中国食品学报,2021,6(2):126-130.[6]李运,李记明,姜忠军.统计分析在葡萄酒质量评价中的应用[J].酿酒科技,2021,178(4):79-82.附录：（1）数据的预处理样品一组红葡萄酒一组白葡萄酒二组红葡萄酒二组白葡萄酒162.7082.0068.1077.90280.3074.2074.0075.80380.4085.3074.6075.60468.6079.4071.2076.90573.3071.0072.1081.50672.2068.4066.3075.50771.5077.5065.3074.20872.3071.4066.0072.30981.5072.9078.2080.401074.2074.3068.8079.801170.1072.3061.6071.401253.9063.3068.3072.401374.6065.9068.8073.901473.0072.0072.6077.101558.7072.4065.7078.401674.9074.0069.9067.301779.3078.8074.5080.301859.9073.1065.4076.701978.6072.2072.6076.402078.6077.8075.8076.602177.1076.4072.2079.202277.2071.0071.6079.402385.6075.9077.1077.402478.0073.3071.5076.102569.2077.1068.2079.502673.8081.3072.0074.302773.0064.8071.5077.002881.3079.60（2）F检验的matlab代码x=[];p1=anova1(x);p1（3）主成分降维的matlab代码%输入数据r=[…];%数据的标准化clcr_var=var(r,1);r_mean=mean(r);[a,b]=size(r);r_s=ones(a,b);fori=1:aforj=1:br_s(i,j)=(r(i,j)-r_mean(j))/r_var(j);endend%主成分分析z=r_s;rr=corrcoef(z);[tx,tz]=eig(rr);tz=diag(tz);[so,id]=sort(tz,'descend');su=sum(so);ss=0;i=1;xl=[];whiless<0.8ss=ss+so(i)/su;xl=[xl;tx(:,id(i))'];i=i+1;end%新数据的获得zr=ones(size(r,1),size(xl,1));fori=1:size(r,1)forj=1:size(xl,1)zr(i,j)=sum(r(i,:).*xl(j,:));endend（4）样品典型相关分析代码x=[];y=[];n1=size(x,2);n2=size(y,2);x=zscore(x);y=zscore(y);%标准化数据n=size(x,1);%a,b返回的是典型变量的系数，r返回的是典型相关系数%u,v返回的是典型变量的值，stats返回的是假设检验的一些统计量的值[a,b,r,u,v,stats]=canoncorr(x,y)x_u_r=x'*u/(n-1)%计算x,u的相关系数y_v_r=y'*v/(n-1)%计算y,v的相关系数x_v_r=x'*v/(n-1)%计算x,v的相关系数y_u_r=y'*u/(n-1)%计算y,u的相关系数mu=sum(x_u_r.^2)/n1%x组原始变量被u_i解释的方差比例mv=sum(x_v_r.^2)/n1%x组原始变量被v_i解释的方差比例nu=sum(y_u_r.^2)/n2%y组原始变量被u_i解释的方差比例nv=sum(y_v_r.^2)/n2%y组原始变量被v_i解释的方差比例val=r.^2%典型系数的平方disp('hong')（5）TOPSIS模型求解代码clearclc%输入数据矩阵B=[];%数据B的标准化B_mean=mean(B);B_var=var(B);[m,n]=size(B);b=ones(m,n);fori=1:mforj=1:nb(i,j)=(B(i,j)-B_mean(j))/B_var(j);endend%确定权重[m,n]=size(b);w=[];ff=kk(1);fori=2:length(kk)ff=[ff,kk(i)-kk(i-1)];endsf=sum(ff);fori=1:length(kk)w=[w,ff(i)/sf];endc=b.*repmat(w,m,1);cstar=max(c);cstar(9)=min(c(:,9));c0=min(c);c0(9)=max(c(:,9));fori=1:msstar(i)=norm(c(i,:)-cstar);s0(i)=norm(c(i,:)-c0);endf=s0./(sstar+s0);[sf,ind]=sort(f,'descend')%排序代码，输入排序的分数矩阵fenshu=[];f=fenshu';[so,id]=sort(f);tt=[];fori=1:length(f)t=find(id==i);tt=[tt,t];endyy=[];fori=1:length(f)t=find(ind==i);yy=[yy,t];endpx=[tt;yy]%作图代码，输入排序的矩阵r和wr=[];w=[];e=1:size(r,2);figure(1)set(gcf,'color','w')subplot(1,2,1)plot(e,r(2,:),'k',e,r(3,:),'k:')holdonplot(e,r(2,:),'k.',e,r(3,:),'k.')holdofflegend('红葡萄','红葡萄酒')e=1:size(w,2);subplot(1,2,2)plot(e,w(2,:),'k',e,w(3,:),'k:')holdonplot(e,w(2,:),'k.',e,w(3,:),'k.')holdofflegend('白葡萄','白葡萄酒')

中国企业物流运作现状及发展战略探讨摘要：自从2001年中国加入WTO之后，市场竞争就更加激烈。每个企业为了提高自身的竞争力，努力提高物流水平，降低物流成本。本文将中国物流现状与发达的国家和地区的企业物流运作模式进行对比，提出了中国的企业物流发展战略关键词：企业物流现状；运行模式；发展战略一、中国企业物流的运作现状及弊端

物流战略是很多企业总体战略中必须考虑到的一个重要因素。为了在市场中提升自我竞争了，企业不断在降低物流成本和提高物流水平上下功夫。无论是在国内还是国际市场上，都能够最大程度上的降低成本，同时又不减低服务水平，获得竞争优势。企业物流的管理整体上来说还是处于不完善的阶段，大多停留在纸币时代。比较先进的企业已经配备了电脑，但是依旧没有形成系统的体系和网络。EDL、个人电脑、人工智能、专家系统、通信和扫描等先进的信息技术还未在物流运作中广泛地运用。但是物流是一种新型的管理技术，涉及领域宽广。因此物流管理人员要熟悉掌握企业内物流和因此延伸的整条供应链的管理知识，掌握整个工艺流程，精通物流管理技术。而我国现在十分缺乏具备综合物流知识的管理和技术人才，难以满足企业物流现代化的需求。二、中国企业物流的发展战略1990年以来，在国外，物流已经成为了该国一个重要的经济增长点。但是在中国，物流才刚刚起步。企业之间生产经营，市场运行的各个方面展开竞争。具体体现在技术、人才上包括了物流和供应链。在竞争如此激烈的背景之下，企业进入了一个微利时代，产品的成本和利润变得十分透明。而这用竞争还会不断加深，变得更加激烈，三、发展物流为当务之急

社会的经济环境在不断地发展变化之中，这就要求中小企业从战略发展的高度出发去思考物流的发展问题。在大企业实时物流战略的同时，作为灵活的反应者，中小企业在市场中，也积极采取了行动。希望通过积极的物流战略提升自身的竞争力。信息技术的发展前景大好，经济贸易的高速发展，物流业已经显示出了蓬勃的活力和蕴藏的无限商机，物流服务正逐渐成为中国企业之中最为经济合理的综合服务模式。中国进入WTO的时间还不算长，我国的中小企业应该及时把握住这一机会，在物流市场竞争比较不激烈时加入物流领域，迅速地占领一定的市场份额。但是如果中小企业不作为，等时间再长久一些，将会失去发展物流的优势。

四、从战略角度做物流

现下，我国的许多中小企业还未意识到物流战略以及控制物流成本的重要性。中小企业应当认识到物流战略是提升竞争力的重要手段，并且重视自身物流系统地建设，将物流系统的建设上升到战略高度。事实上，企业物流成本是除了原材料成本之外的最大成本项目。在国外发达国家，它们的物流成本一般控制在10％左右。而我国的现状就不太乐观。我国物流成本一般占总成本30％－40％，鲜活产品占60％左右甚至更多。我们应该看到的是系统完善的物流管理可以节省15％－30％物流成本，很大程度上减少库存和运输成本，对于中小企业来说，技术上和产品质量都比不上大企业。但不得不承认的是，中小企业产品价格更加受消费者青睐，市场需求反应更加灵活迅速。一旦中小企业将物流上升到战略高度，利用先进的物流管理模式，就可以大大的节省产品成本，进一步发挥自身的优势。想要在变幻莫测的市场中屹立不倒。谋求更加长远的发展，中小企业就要把物流放到企业经营管理的战略高度上进行思考。除了考虑要怎样解决仓储运输和商品配送这些物流的基本问题，还要思考怎样把采购、生产和销售过程中的物流活动的有机结合。做到以业务流程为基础，使得物流的一体化。最终达到加强企业的在瞬息万变的市场当中的竞争能力。

我国的中小企业只有突破地域限制、行业的局限，放眼于国内外，才能说真正意义上做好了战略制定，最大限度地把握住了机遇，有效规避风险。具体来的说，就是首先着眼于当前的地域市场的开拓，在获得了本地竞争的优势之后，辐射全国，放眼于全球。

五、重视物流系统的全面改造

发展物流并不是一蹴而就的，它需要一步步地前进。因此中小企业要注重制定详细的物流重组的长期实施计划和发展策略。物流重组需要从物流业务流程、组织机构、企业资源管理系统等方面展开，这样一来才有可能慢慢实现企业物流向供应链管理的“横向一体化”。达到降低生产、库存、运输等环节的成本，最终给客户带来更大的效益，给消费者带去更大的实惠。与此同时，企业的经营者应该打破传统的观念，不再只是局限于投入产出管理问题，如流程再造、压缩成本、加强培训以及有限资源的合理配置问题。企业的经营者应当认识到物流是企业市场营销的基础，从战略高度去思考物流运营成本与市场拓展需要、物流顾客服务的特殊要求之间的动态平衡，做到将物流系统与营销战略有机结合。现代化的物流在国际上又被称为一体化物流、供应链管理、销售链管理等等。不同于传统的物流，现代物流包括了运输、储存、装卸、搬运、包装、流通加工、配送、信息处理、回收等功能。对我国的中小企业来说，发展物流必须重视物流系统的全面改造。以物流供应链思想作为指导，注意对物流管理的强化，积极运用有效策略，全新打造物流的运作与管理体系。

六、从服务角度做物流

在国外，广泛认为物流业归属于服务业。但是现代物流在中国还是新兴产业。它的发展也就紧密伴随着企业经营管理理念而在发展。当代企业政府对物流管理的认识也逐渐提高到了企业和地区的战略理论的高度。当代企业经营管理理念的核心正在从产品制造转向产品销售再转向现代营销和客户服务。并且提出了“一切为客户创造价值”的现代经营理念。人们对于物流的认识早已经从企业自身的“功能性活动”上升为“以满足客户需求为目的”、“努力为客户创造价值，尽力增加顾客让渡价值”的“从供应到消费的运动、储存和配送的计划、执行和控制”的管理过程。消费者的需求不仅仅是商品。以企业的经营和发展的角度来看，物流就等同于服务。服务也是物流的物品之一。它是企业所提供的服务，“服务的实质上也是一种商品”，但是这一点却常常被人们所忽视。七、引进专业物流管理咨询公司中小企业自身的专业力量不足，因此要懂得借助相关的管理顾问公司以及相关研究机构来科学规划企业的物流战略、实施战略和管理体系。要去了解先进物流企业的作以及这样运作的原因所在。在这一过程之中，它们的物流服务理念是如何变化的，怎样做到满足客户需求和市场竞争，企业经营战略相衔接。这有这样，我国的中小企业才有可能成功地进入一个新的市场领域，在现有的市场基础上进一步地替身自身的服务水平，拓展市场份额。许多的企业在管理咨询方面下了许多的功夫，用以探索新管理方式和学习物流技术的运用。中小企想要全面提升企业的物流运作以及管理的水平，更加迅速地构建起一个先进的物流系统以及管理平台，就应当充分利用专业管理顾问公司的优势能力。结语：战略性的规划、投资以及技术开发是最近几年促进物流现代化发展的重要因素。企业亟需解决的不仅仅是仓促运输以及商品配送等最为基本的物流问题，最重要是为了解决怎么样才能在在变化莫测的市场竞争之中谋求生存与发展这一问题。因此企业必须做到将物流放在企业经营管理这一战略高度上去考虑怎样将采购、生产和销售则一系列过程与物流相结合。从而形成以业务流程为基础，形成物流一体化，达到增强企业市场竞争力的目的。物流已然是企业市场营销的基础。作业企业的经理，在物流决策方面应当从战略高度去考虑物流运营成本和市场拓展需要、物流顾客服务的特殊要求之间的动态平衡，仔细思考怎样才能把物流系统与营销战略以及企业的总体战略灵活结合。不再像传统上，只注重如何解决流程再造、压缩成本等投入产出的管理问题以及有限资源的合理配置问题。参考文献【1】孟祥茹

-中国企业物流运作现状及发展战略探讨\o"《山东交通学院学报》"《山东交通学院学报》

-

2013【2】刘铁钢

-

我国第三方物流的发展现状与运作模式探讨\o"《湖南经济管理干部学院学报》"《湖南经济管理干部学院学报》

-

2015【3】郑金花，余洪明

-

我国企业物