數(shù)學(xué)建模葡萄酒評(píng)價(jià)B題

1、A題：葡萄酒的評(píng)價(jià)摘要本文研究了釀酒葡萄、葡萄酒的理化指標(biāo)和葡萄酒質(zhì)量之間的關(guān)系，討論了利用理化指標(biāo)判斷葡萄酒質(zhì)量的方法。以主成分分析法、主成分估計(jì)和聚類分析法為基礎(chǔ)，得出三者間的量化關(guān)系，并對(duì)模型的準(zhǔn)確性和方法的可靠性進(jìn)行了檢驗(yàn)，結(jié)果合理可靠。對(duì)問題一，為了確定兩組評(píng)酒員評(píng)價(jià)結(jié)果的差異顯著性和可信度，在判斷出兩組評(píng)分的均值基本服從正態(tài)分布的基礎(chǔ)上，用ttest語句進(jìn)行顯著性水平為0.05的t檢驗(yàn)，證實(shí)了兩組評(píng)分具有顯著性差異。接著，我們又對(duì)兩組評(píng)分的均值進(jìn)行顯著性水平為0.05的秩和檢驗(yàn)，進(jìn)一步證實(shí)了兩組評(píng)分具有顯著性差異。利用方差分析做可信度比較和兩組評(píng)分中單項(xiàng)評(píng)價(jià)的比較，得到的結(jié)果為第二

2、組更可信。對(duì)問題二，基于主成分分析法得到主成分的綜合評(píng)價(jià)，由于取值范圍較大，指標(biāo)靈敏性不高，所以對(duì)其進(jìn)行了標(biāo)準(zhǔn)化處理，消除了量綱的影響。利用主成分估計(jì)法，求出回歸函數(shù)，由此得到了綜合評(píng)價(jià)值標(biāo)準(zhǔn)化后的評(píng)分。用R型聚類分析對(duì)標(biāo)準(zhǔn)化后的評(píng)分進(jìn)行處理，得到閥值為66.58、73.53、78.41、82.78，并依據(jù)國(guó)際標(biāo)準(zhǔn)的3D1W體系1給出了評(píng)分標(biāo)準(zhǔn)，對(duì)附件中的葡萄進(jìn)行了分級(jí)，得到的結(jié)果符合實(shí)際。對(duì)問題三，通過分析附件可知，葡萄酒的理化指標(biāo)明顯少于釀酒葡萄的理化指標(biāo)。以花色苷為例，通過將葡萄酒的花色苷和釀酒葡萄中除花色苷外的其他指標(biāo)進(jìn)行聚類分析，找出與其關(guān)系顯著相關(guān)的指標(biāo)。這些指標(biāo)即為對(duì)葡萄酒花色苷

3、的影響較大的因素。之后對(duì)所得到的指標(biāo)進(jìn)行擬合，即可得出葡萄酒花色苷與這些指標(biāo)間的函數(shù)關(guān)系式。利用回歸分析檢驗(yàn)，得到的預(yù)測(cè)值與實(shí)際值的平均絕對(duì)誤差為0.1738。對(duì)問題四，基于問題二中使用的方法，利用相關(guān)性分析找出與葡萄酒質(zhì)量的相關(guān)系數(shù)最大的15個(gè)指標(biāo)，分析所得結(jié)果是葡萄總黃酮和DPPH對(duì)紅葡萄酒感官質(zhì)量起著極為重要的作用。之后利用主成分分析法對(duì)相關(guān)系數(shù)最大的15個(gè)指標(biāo)進(jìn)行主成分分析，得到6個(gè)主成分（累計(jì)貢獻(xiàn)率為90.49 %）。由此得出，在數(shù)據(jù)充足時(shí)，理論上可用葡萄與葡萄酒的理化指標(biāo)來評(píng)價(jià)葡萄酒的質(zhì)量。但由于在實(shí)際生活中，因?yàn)橥饨绛h(huán)境變化復(fù)雜、釀酒工藝千差萬別，起著主要作用的是主觀質(zhì)量，是不能

4、用數(shù)字精確測(cè)量和表達(dá)的，而是用消費(fèi)者的滿意度來衡量的。因此葡萄酒的質(zhì)量差異，很大程度上體現(xiàn)在感官特征上，感官特征是衡量葡萄酒質(zhì)量最有效、最直接的發(fā)法。所以，目前無法跳過人的感官評(píng)價(jià)直接利用葡萄和葡萄酒的理化指標(biāo)來評(píng)價(jià)葡萄酒的質(zhì)量。關(guān)鍵詞：葡萄酒；主成分分析；聚類分析；感官評(píng)價(jià) 一、問題的重述確定葡萄酒質(zhì)量時(shí)一般是通過聘請(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。題目給出了某一年份一些葡萄酒的評(píng)價(jià)結(jié)果，同時(shí)分

5、別給出了該年份這些葡萄酒的和釀酒葡萄的成分?jǐn)?shù)據(jù)。嘗試建立數(shù)學(xué)模型討論下列問題：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)釀酒葡萄的理化指標(biāo)和葡萄酒的質(zhì)量對(duì)這些釀酒葡萄進(jìn)行分級(jí)。3. 分析釀酒葡萄與葡萄酒的理化指標(biāo)之間的聯(lián)系。4. 分析釀酒葡萄和葡萄酒的理化指標(biāo)對(duì)葡萄酒質(zhì)量的影響，并論證能否用葡萄和葡萄酒的理化指標(biāo)來評(píng)價(jià)葡萄酒的質(zhì)量？二、模型假設(shè)與符號(hào)說明2.1基本假設(shè)1）所有葡萄酒樣品不考慮儲(chǔ)藏條件的影響；2）葡萄酒的質(zhì)量得分只取決于葡萄酒的質(zhì)量和評(píng)酒員的業(yè)務(wù)素質(zhì)，與主觀、環(huán)境等因素?zé)o關(guān)；3）分析葡萄與葡萄酒的各類關(guān)系時(shí)，不考慮加工工藝的影響；4）葡萄分

6、級(jí)時(shí)只考慮理化指標(biāo)，不考慮外觀等其它因素。2.2符號(hào)說明符號(hào)字母符號(hào)解釋三、模型的建立與求解3.1問題一3.1.1問題分析問題一要求，分析兩組評(píng)價(jià)結(jié)果有無顯著性差異，并判斷哪一組結(jié)果更可信。葡萄酒的感官評(píng)價(jià)中，由于評(píng)酒員間存在評(píng)價(jià)尺度、評(píng)價(jià)位置和評(píng)價(jià)方向等方面的差異，導(dǎo)致不同評(píng)酒員對(duì)同一酒樣的評(píng)價(jià)差異很大，從而不能真實(shí)地反映不同酒樣間的差異。因此，在對(duì)感官評(píng)價(jià)結(jié)果進(jìn)行統(tǒng)計(jì)分析時(shí)，必須對(duì)評(píng)酒員的原始數(shù)據(jù)進(jìn)行相應(yīng)的處理，以真實(shí)反映樣品間的差異。對(duì)一組數(shù)據(jù)而言，除需要了解他們的平均水平外，常常還需要了解它們的波動(dòng)大小；極差（一階統(tǒng)計(jì)量）、方差（二階統(tǒng)計(jì)量）都能刻畫一組數(shù)據(jù)的離散程度；一般情況下，一組

7、數(shù)據(jù)的極差、方差越小，這組數(shù)據(jù)就越穩(wěn)定。所以本題兩組評(píng)分間差異應(yīng)用平均值、方差和極差來描述，并進(jìn)行顯著性檢驗(yàn)。3.1.2數(shù)據(jù)處理分析附表1發(fā)現(xiàn)，酒樣數(shù)據(jù)并非順序排列，所以先對(duì)酒樣進(jìn)行了排序。同時(shí)，觀察到某些不合理數(shù)據(jù)，例如，第一組9號(hào)評(píng)酒員對(duì)8號(hào)白葡萄酒樣的持久性評(píng)分并不滿足要求。對(duì)于這些不合理數(shù)據(jù)，我們用相應(yīng)指標(biāo)的平均值代替，以降低評(píng)酒員的偶然誤差，真實(shí)反映樣品間的差異。3.1.3問題求解由附表1中的數(shù)據(jù)，可知第號(hào)評(píng)論員對(duì)第個(gè)紅葡萄酒樣的評(píng)價(jià)總分為：第一組對(duì)第種紅葡萄酒的總評(píng)分的平均值為：第一組對(duì)第種紅葡萄酒的總評(píng)分的樣本方差：式中：為第一組的號(hào)評(píng)酒員對(duì)第個(gè)紅葡萄酒樣的項(xiàng)指標(biāo)的評(píng)分； 同理可

8、得，第二組對(duì)第種紅葡萄酒的總評(píng)分的平均值和第二組對(duì)第種紅葡萄酒的總評(píng)分的方差。下面對(duì)兩組評(píng)酒員的評(píng)分進(jìn)行顯著性差異的檢驗(yàn)和可信度的比較：1）顯著性差異的檢驗(yàn)運(yùn)用Matlab根據(jù)附表1中紅葡萄酒的兩組感官評(píng)價(jià)數(shù)據(jù)進(jìn)行作圖分析，得到圖1。圖 1 紅葡萄酒的總評(píng)分均值從圖1中我們可以很直觀的觀察到，第二組的均值波動(dòng)明顯小于第一組，兩組感官評(píng)價(jià)的總評(píng)分在直觀上有一定差異。隨后進(jìn)行定量計(jì)算，由于并不明確紅葡萄酒所屬的分布類型，所以我們使用Matlab中的normoplot語句，判斷第一、二組對(duì)第種紅葡萄酒的總評(píng)分的平均值是否服從正態(tài)分布。圖 2 第一組對(duì)紅葡萄酒總評(píng)分的正態(tài)檢驗(yàn)圖 3 第二組對(duì)紅葡萄酒總

9、評(píng)分的正態(tài)檢驗(yàn)分析圖2，圖3，圖中樣本點(diǎn)在概率圖中呈線性，故可以認(rèn)為評(píng)酒員對(duì)紅葡萄酒的評(píng)分基本服從正態(tài)分布。接下來進(jìn)行基于成對(duì)數(shù)據(jù)的檢驗(yàn)，設(shè)為兩組評(píng)分差的均值。假設(shè)檢驗(yàn)為，在顯著性水平為0.05的情況下使用Matlab中的ttest語句進(jìn)行檢驗(yàn)，得到Ans=1，即拒絕原假設(shè)，說明兩組評(píng)酒員對(duì)紅葡萄酒的評(píng)價(jià)結(jié)果有顯著性差異。同理，我們對(duì)兩組評(píng)酒員對(duì)白葡萄酒的評(píng)價(jià)結(jié)果進(jìn)行檢驗(yàn)，在顯著性水平為0.01的情況下使用Matlab中的ttest語句進(jìn)行檢驗(yàn)，得到Ans=1，即拒絕原假設(shè)，說明兩組評(píng)酒員對(duì)白葡萄酒的評(píng)價(jià)結(jié)果有顯著性差異。為了進(jìn)一步檢驗(yàn)評(píng)酒員評(píng)價(jià)結(jié)果的差異性，我們用ranksum語句進(jìn)行秩和檢

10、驗(yàn)。設(shè)所需檢驗(yàn)的假設(shè)是：對(duì)于紅葡萄酒，在顯著性水平為0.05的情況下，得，故拒絕原假設(shè)，即兩組評(píng)酒員的評(píng)價(jià)結(jié)果有顯著性差異。對(duì)于白葡萄酒，在顯著性水平為0.05的情況下，得，故拒絕原假設(shè)，即兩組評(píng)酒員的評(píng)價(jià)結(jié)果有顯著性差異。2）可信度比較方差能夠很好的刻畫一組數(shù)據(jù)的離散程度。一般情況下，一組數(shù)據(jù)的方差越小，這組數(shù)據(jù)就越穩(wěn)定，所以我們利用Matlab作圖進(jìn)行方差分析，如圖4所示。由圖4我們可以明顯的觀察到，第二組的波動(dòng)明顯小于第一組，所以可以認(rèn)為第二組相較于第一組評(píng)價(jià)結(jié)果更為穩(wěn)定。圖 4紅葡萄酒總評(píng)分的方差其次，第二組紅、白葡萄酒的定量計(jì)算結(jié)果如表1所示。從中對(duì)比可知，第二組的極差和與方差和均小

11、于第一組，表明第二組的波動(dòng)范圍和波動(dòng)程度更小，從另一方面證明了第二組的評(píng)價(jià)結(jié)果更為穩(wěn)定。表 1評(píng)價(jià)總分的方差和與極差和組 別方差和極差和第一組紅葡萄酒1578.2613.00第二組紅葡萄酒912.34492.00第一組白葡萄酒3617.3983.00第二組白葡萄酒1568.5653.00通過上面的顯著性檢驗(yàn)和可信度比較我們可以得出，第二組評(píng)價(jià)結(jié)果優(yōu)于第一組評(píng)價(jià)結(jié)果的結(jié)論。但由于總評(píng)分是各單項(xiàng)評(píng)分的求和，又評(píng)酒員給出的單項(xiàng)評(píng)分可能也存在著判斷偏差，所以我們又選取了香氣分析的質(zhì)量等指標(biāo)，進(jìn)行單項(xiàng)評(píng)價(jià)的比較。如圖5所示.圖5紅葡萄酒香氣分析的質(zhì)量的方差比較由圖5可觀察到，第二組香氣分析的質(zhì)量評(píng)分的波

12、動(dòng)小于第一組，所以第二組評(píng)分的穩(wěn)定性較好，可信度高。綜上所述，兩組評(píng)酒員的評(píng)價(jià)結(jié)果有顯著性差異，第二組結(jié)果更為可信。3.2問題二3.2.1問題分析由問題一確定了葡萄酒質(zhì)量更可信的感官評(píng)價(jià)，又已知釀酒葡萄的理化指標(biāo)，通過這兩組數(shù)據(jù)對(duì)釀酒葡萄進(jìn)行分級(jí)。查閱資料可知，目前釀酒葡萄并沒有統(tǒng)一的分級(jí)標(biāo)準(zhǔn)，在此我們提出了基于主成分分析和聚類分析的對(duì)釀酒葡萄進(jìn)行分級(jí)的方法。首先我們通過主成分分析法得出幾個(gè)主要的理化指標(biāo)，然后使用主成分估計(jì)得到標(biāo)準(zhǔn)化評(píng)價(jià)值函數(shù)。再用聚類分析，將理化指標(biāo)分為若干等級(jí)，從而給出綜合評(píng)價(jià)。最后與問題一中可靠的感官評(píng)價(jià)總分進(jìn)行對(duì)比，給出釀酒葡萄分級(jí)體系，對(duì)這些釀酒葡萄進(jìn)行分級(jí)。3.2

13、.2主成分分析的步驟主成分分析(PCA)是將多項(xiàng)指標(biāo)重新組合成一組新的互相無關(guān)的幾個(gè)綜合指標(biāo)，根據(jù)實(shí)際需要從中選取盡可能少的綜合指標(biāo)，以達(dá)到盡可能多的反映原指標(biāo)信息的分析方法。主成分分析法進(jìn)行評(píng)價(jià)的步驟如下：1）對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理假設(shè)進(jìn)行主成分分析的指標(biāo)變量有個(gè)：，共有個(gè)評(píng)價(jià)對(duì)象，即紅葡萄樣品。第個(gè)評(píng)價(jià)對(duì)象的第個(gè)指標(biāo)取值為，將各指標(biāo)值轉(zhuǎn)換成標(biāo)準(zhǔn)化指標(biāo)：其中即,為第個(gè)指標(biāo)的樣本均值和樣本標(biāo)準(zhǔn)差。對(duì)應(yīng)地，為標(biāo)準(zhǔn)化指標(biāo)變量。2）計(jì)算相關(guān)系數(shù)矩陣相關(guān)系數(shù)矩陣式中是第個(gè)指標(biāo)與第個(gè)指標(biāo)的相關(guān)系數(shù)。3）計(jì)算特征值和特征向量計(jì)算相關(guān)系數(shù)矩陣的特征值，及對(duì)應(yīng)的特征向量，其中，由特征向量組成個(gè)新的指標(biāo)變量式

14、中是第1主成分，是第2主成分，是第主成分。4）選擇個(gè)個(gè)主成分，計(jì)算綜合評(píng)價(jià)值。a.計(jì)算特征值的信息貢獻(xiàn)率和累計(jì)貢獻(xiàn)率。稱與分別為主成分的信息貢獻(xiàn)率、主成分，的累計(jì)貢獻(xiàn)率，當(dāng)接近于1（）時(shí)，則選擇前選擇個(gè)指標(biāo)變量，作為個(gè)主成分，代替原來個(gè)指標(biāo)變量，從而可對(duì)個(gè)主成分進(jìn)行綜合分析。b.計(jì)算綜合得分其中為第個(gè)主成分的信息貢獻(xiàn)率，根據(jù)綜合得分值就可進(jìn)行評(píng)價(jià)。3.2.3基于主成分分析法的綜合評(píng)價(jià)我們對(duì)紅葡萄的理化指標(biāo)進(jìn)行主成分分析，表2給出了相關(guān)系數(shù)矩陣的前10個(gè)特征值及其貢獻(xiàn)率。表 2 紅葡萄理化指標(biāo)的主成分分析結(jié)果主成分序號(hào)特征值貢獻(xiàn)率（%）累計(jì)貢獻(xiàn)率（%）16.966223.220723.22072

15、4.940016.466739.687433.737112.457052.144442.84009.466861.611251.99886.662868.273961.74245.807974.081871.41854.728278.810081.27014.233583.043590.96093.203186.2466100.73842.461488.7080可以看出，前十個(gè)特征根的累計(jì)貢獻(xiàn)率就達(dá)到85%以上，主成分分析效果很好。下面選取前十個(gè)主成分（累計(jì)貢獻(xiàn)率已達(dá)到88.7%）進(jìn)行綜合評(píng)價(jià)。前十個(gè)特征值對(duì)應(yīng)的特征向量如表3所示。表 3 釀酒葡萄樣品的特征向量第1特征向量0.14210.23

16、25-0.0539-0.0524第2特征向量0.2445-0.2247-0.17880.2197第3特征向量0.0080.09350.04860.3111第4特征向量0.27010.1615-0.0054-0.0134第5特征向量-0.17040.1364-0.38590.1349第6特征向量-0.2248-0.09740.10010.3443第7特征向量0.14050.068-0.01880.2479第8特征向量-0.0082-0.11210.14210.0802第9特征向量0.10650.00240.6263-0.0108第10特征向量0.0767-0.12950.1814-0.0853從

17、主成分的系數(shù)可以看出主成分中包含的成分，表4 釀酒葡萄樣品的主成分分析主成分包含成分名稱累計(jì)貢獻(xiàn)率（%）一蛋白質(zhì)、花色苷、褐變度、DPPH、單寧、總酚和葡萄總黃酮23.22二氨基酸總量、總糖還原糖、可溶性物質(zhì)和干物質(zhì)含量的比例39.69三白藜蘆醇和果皮顏色a*52.14四氨基酸、酒石酸、PH值和蘋果酸61.61五檸檬酸、多酚氧化酶活力、固酸比、果穗和百粒質(zhì)量68.27六果皮顏色b*、黃酮醇74.08七可滴定酸和果皮質(zhì)量78.81八L*83.04九VC含量和出汁率86.25十果梗比88.71把各種葡萄原始的30個(gè)指標(biāo)與各成分所對(duì)應(yīng)的特征向量相乘，即得到10個(gè)主成分分別為其中:；.把十個(gè)主成分值代

18、入綜合指標(biāo)，可以得到各紅葡萄酒的綜合評(píng)價(jià)值以及排序結(jié)果如表5所示。表 5 主成分分析的綜合評(píng)價(jià)名 次1234567釀酒葡萄編號(hào)1262725101314綜合評(píng)分289.7119.5169.7174.0181.3199.6204.8名 次891011121314釀酒葡萄編號(hào)241716520415綜合評(píng)分206.6216.3219.8223.1253.0258.1258.8名 次15161718192021釀酒葡萄編號(hào)81811237219綜合評(píng)分271.2281.0282.9288.4289.9292.7292.8名 次222324252627釀酒葡萄編號(hào)912226213綜合評(píng)分295.03

19、00.3309.5376.2639.7840.9上表可以看出，最大綜合評(píng)分為840.9，最小為119.5。取值范圍較大，指標(biāo)靈敏度不高。所以必須對(duì)其做標(biāo)準(zhǔn)化處理。由于對(duì)釀酒葡萄的綜合評(píng)價(jià)不可能為0，應(yīng)有一個(gè)評(píng)價(jià)底分，不妨取底分為50分。構(gòu)造綜合評(píng)價(jià)值的標(biāo)準(zhǔn)化函數(shù)：式中，為綜合評(píng)價(jià)值；為釀酒葡萄的綜合評(píng)分。得到結(jié)果見于表6。表 6 標(biāo)準(zhǔn)化后的綜合評(píng)價(jià)值釀酒葡萄1234567綜合評(píng)價(jià)值90.1890.59166.685.7980.94102.190.21釀酒葡萄891011121314綜合評(píng)價(jià)值87.6190.9175.1489.2391.6577.6878.41釀酒葡萄1516171819202

20、1綜合評(píng)價(jià)值85.8980.4980.0088.9690.6185.08138.72釀酒葡萄222324252627綜合評(píng)價(jià)值92.9289.9978.6474.1366.5773.533.2.4基于主成分估計(jì)的評(píng)分函數(shù)主成分估計(jì)采用的方法是將原來的回歸自變量變換到另一組變量，即主成分。選擇其中一部分重要的主成分作為新的自變量（此時(shí)丟棄了一部分影響不大的自變量，實(shí)際達(dá)到了降維的目的），然后用最小二乘法對(duì)選取主成分后的模型參數(shù)進(jìn)行估計(jì)。最后再變換回原來的模型求出參數(shù)的估計(jì)。根據(jù)表2的主成分分析結(jié)果計(jì)算，得到前十個(gè)特征值之和所占比例（累計(jì)貢獻(xiàn)率）已達(dá)到88.7%，主成分分析結(jié)果較好，所以我們丟棄后

21、20個(gè)影響不大的成分。根據(jù)表3中給出的這十個(gè)特征值對(duì)應(yīng)的特征向量計(jì)算，得到系數(shù)向量和常數(shù)分別為、。系數(shù)向量的具體值，如表7所示.表 7 系數(shù)向量的具體值序號(hào)12345678系數(shù)值0.00030.0211-0.08010.00030.0762-0.2290-0.9221-0.0189序號(hào)910111213141516系數(shù)值-0.00159.89670.10300.00450.15990.09890.02320.0023序號(hào)1718192021222324系數(shù)值0.0022-0.00904.4129-0.39860.0203-0.08840.00230.0060序號(hào)252627282930系數(shù)值0

22、.53700.02504.66570.29040.0267-0.2651回歸函數(shù)即為，其中；.計(jì)算評(píng)分的值如表8.表 8 綜合評(píng)價(jià)值標(biāo)準(zhǔn)化后所得評(píng)分釀酒葡萄1234567評(píng) 分68.6279.6782.3969.0575.5668.7064.95釀酒葡萄891011121314評(píng) 分69.6185.3974.4770.5866.1879.5075.12釀酒葡萄15161718192021評(píng) 分65.7469.1572.8566.1076.4976.5474.74釀酒葡萄222324252627評(píng) 分69.5780.8971.6072.8976.5669.653.2.5 基于R型聚類分析的評(píng)分標(biāo)

23、準(zhǔn)聚類分析又稱群分析，是對(duì)多個(gè)樣本（或指標(biāo)）進(jìn)行定量分類的一種多元統(tǒng)計(jì)分析方法。對(duì)樣本進(jìn)行分類稱為Q型聚類分析，對(duì)指標(biāo)進(jìn)行分類稱為R型聚類分析。本題運(yùn)用R型聚類分析方法對(duì)釀酒葡萄的標(biāo)準(zhǔn)化綜合評(píng)分進(jìn)行分析。通過上述步驟，可以知道各個(gè)紅葡萄樣品的標(biāo)準(zhǔn)化綜合評(píng)分，這些評(píng)分之間可能存在著較強(qiáng)的相關(guān)性。為了驗(yàn)證這種想法，運(yùn)用MATLAB軟件計(jì)算27個(gè)指標(biāo)之間的相關(guān)系數(shù)，表9給出釀酒葡萄理化指標(biāo)的相關(guān)系數(shù)矩陣的部分?jǐn)?shù)據(jù)。表 9 紅葡萄樣品的部分相關(guān)系數(shù)1.00000.98210.86470.88090.87870.87630.93390.99170.98211.00000.92890.94910.9314

24、0.94290.98060.96480.86470.92891.00000.97820.93320.99310.97570.82740.88090.94910.97821.00000.97600.99470.98710.84320.87870.93140.93320.97601.00000.96480.95710.84710.87630.94290.99310.99470.96481.00000.98640.83960.93390.98060.97570.98710.95710.98641.00000.90750.99170.96480.82740.84320.84710.83960.9075

25、1.0000可以看出某些評(píng)分之間確實(shí)存在很強(qiáng)的相關(guān)性，因此可以考慮從這些評(píng)分中選取幾個(gè)有代表性的評(píng)分進(jìn)行聚類分析。根據(jù)其相關(guān)性將27個(gè)評(píng)分進(jìn)行聚類分析，再?gòu)拿總€(gè)類中選取代表性的評(píng)分。首先對(duì)各個(gè)評(píng)分分別進(jìn)行標(biāo)準(zhǔn)化處理。變量間相近性由相關(guān)系數(shù)度量，類間相近性的計(jì)算選用類平均法。聚類樹型圖如圖6所示。圖 6 綜合評(píng)分聚類樹形圖由聚類樹形圖分析得，將第26個(gè)指標(biāo)化為第一類，第1、8、14化為第二類、第27個(gè)指標(biāo)歸為第三類、其余為第四類。對(duì)這四類利用標(biāo)準(zhǔn)化后的綜合評(píng)價(jià)值，計(jì)算出對(duì)紅葡萄樣品進(jìn)行分級(jí)的閥值。分析綜合評(píng)價(jià)表，發(fā)現(xiàn)第3個(gè)、第6個(gè)和第21個(gè)數(shù)據(jù)與其他數(shù)據(jù)相差較大，首先予以剔除。最后計(jì)算各組分類的

26、平均值，作為對(duì)紅葡萄樣品分級(jí)的閥值。所得閥值為66.58、73.53、78.41、82.78。對(duì)釀酒葡萄進(jìn)行分級(jí)的標(biāo)準(zhǔn)如表10所示。表 10 紅葡萄樣品分級(jí)標(biāo)準(zhǔn)評(píng) 分釀酒葡萄等級(jí)>82.78絕佳78.41<<82.78非常優(yōu)秀73.53<<78.41很好66.58<<73.53好<66.58一般其中，為標(biāo)準(zhǔn)化后的評(píng)分值；分級(jí)標(biāo)準(zhǔn)參考文獻(xiàn)1。3.2.6評(píng)價(jià)結(jié)果按前面的方法對(duì)釀酒葡萄進(jìn)行分級(jí)，結(jié)果如表11所示。表 11 紅葡萄的分級(jí)結(jié)果釀酒葡萄等級(jí)釀酒葡萄樣品絕佳9非常優(yōu)秀2、3、13、23很好5、6、7、8、9、10、11、12、13、14、15、

27、16、17、18、19、20、21、22、23、24、25、26好1、4、6、8、11、12、16、17、22、24、25、27一般7、15、18同理，可得到白葡萄的分級(jí)標(biāo)準(zhǔn)和分級(jí)結(jié)果，分別見于表12、表13。表 12 白葡萄樣品分級(jí)標(biāo)準(zhǔn)評(píng) 分釀酒葡萄等級(jí)>82.56絕佳76.65<<82.56非常優(yōu)秀73.18<<76.65很好67.91<<73.18好<67.91一般表13 白葡萄的分級(jí)結(jié)果釀酒葡萄等級(jí)釀酒葡萄樣品絕佳非常優(yōu)秀1、3、4、5、6、10、17、20、21、22、23、24、25、26、27很好2、7、9、11、12、13、14、

28、15、18、19好16一般8本問中，我們主要以釀酒葡萄的理化指標(biāo)和葡萄酒的質(zhì)量為標(biāo)準(zhǔn)進(jìn)行分級(jí)。在對(duì)釀酒葡萄品質(zhì)的具體評(píng)價(jià)中，上述指標(biāo)雖均有不同程度的涉及，但通過主成分分析可知，評(píng)級(jí)指標(biāo)主要還是集中于糖、酸、PH值等項(xiàng)目上。如果僅僅利用這幾個(gè)少數(shù)指標(biāo)，往往難以真正區(qū)分某個(gè)品種品質(zhì)的優(yōu)劣。如兩個(gè)糖、酸相同的品種，其品質(zhì)和加工品的質(zhì)量常有比較大的差異。而且在實(shí)際應(yīng)用中，有關(guān)品種的加工特性，如抗氧化性能、酚類浸漬程度、酚類構(gòu)成、花色素苷濃度、香味類型、適宜釀酒類型等等，都是在品質(zhì)的評(píng)價(jià)中必須予以考慮的。但這些指標(biāo)附件并沒有提供，因此，我們只能給出基于較少理化指標(biāo)的分級(jí)方式。通過觀察，我們發(fā)現(xiàn)被評(píng)為絕佳

29、的紅葡萄樣品9比被評(píng)為非常優(yōu)秀的紅葡萄樣品23所對(duì)應(yīng)的葡萄酒評(píng)分要低。但比較兩者的幾個(gè)重要理化指標(biāo)如：酒石酸，檸檬酸，還原糖等。我們可以看出，紅葡萄樣品9的得分高于紅葡萄樣品23。綜合各項(xiàng)指標(biāo)，紅葡萄樣品9比樣品23的等級(jí)高。同理，分析其它葡萄樣品的分級(jí)，均較為合理。并且，附表2中釀酒葡萄的級(jí)別集中在“很好”“好”等級(jí)上，比較符合實(shí)際情況。綜上可知，這種分級(jí)指標(biāo)是合理，準(zhǔn)確的。3.3問題三3.3.1問題分析問題三要求我們分析釀酒葡萄與葡萄酒的理化指標(biāo)之間的聯(lián)系。分析所給附件了解到，葡萄酒的理化指標(biāo)是少于釀酒葡萄的理化指標(biāo)的。又知道，釀酒葡萄中的理化指標(biāo)，例如單寧，必然對(duì)葡萄酒中的單寧有影響。因

30、此我們主要是要尋找釀酒葡萄中除單寧外還有哪些理化指標(biāo)對(duì)葡萄酒的單寧含量有影響。通過將葡萄酒的單寧含量和釀酒葡萄中除去單寧的其他指標(biāo)進(jìn)行聚類分析，找出與其關(guān)系最密切的有關(guān)指標(biāo)，這些指標(biāo)即為對(duì)葡萄酒單寧的影響較大的因素。之后對(duì)所得到的指標(biāo)進(jìn)行擬合，得出葡萄酒單寧與這些指標(biāo)之間的關(guān)系。同理，找到其他葡萄酒的理化指標(biāo)受釀酒葡萄的理化指標(biāo)的主要影響成分。3.3.2問題求解 首先我們對(duì)紅葡萄酒與釀酒葡萄中花色苷的關(guān)系進(jìn)行分析求解。圖7中，30號(hào)表示的是紅葡萄酒的花色苷，8號(hào)表示的是紅葡萄的褐變度，從圖中明顯看出兩者有較為密切的關(guān)系，從而找到了對(duì)酒中花色苷影響較大的兩個(gè)指標(biāo)。圖 7 紅葡萄酒花色苷與釀酒葡萄

31、其他理化指標(biāo)的聚類分析運(yùn)用多元線性回歸得到：擬合度為，說明了擬合的可靠性較高。進(jìn)一步分析擬合結(jié)果的可信程度。我們對(duì)其進(jìn)行殘差檢驗(yàn)，結(jié)果如圖8所示，從殘差圖可以看出，除第8,9,14數(shù)據(jù)點(diǎn)外，其余數(shù)據(jù)的殘差離零點(diǎn)均較近，且殘差的置信區(qū)間均包括零點(diǎn)。而第8,14的置信區(qū)間距離零點(diǎn)較遠(yuǎn)，可視為異常點(diǎn)。其余數(shù)據(jù)均良好可信。這說明回歸模型能較好的符合原始數(shù)據(jù)。圖 8 紅葡萄酒花苷素的殘差分析圖同理，對(duì)其他指標(biāo)進(jìn)行相同的工作，我們可以得到表14。表14 紅葡萄酒的多元線性回歸結(jié)果回歸方程擬合度0.88140.72550.78270.78510.7716綜上所述，我們可以得知，紅葡萄酒的理化指標(biāo)跟釀酒葡萄中

32、的DPPH自由基、總酚、丹寧、花色苷、葡萄總黃酮有密切關(guān)系。根據(jù)資料可知，酚類物質(zhì)包括單寧、花色苷、酚酸和黃酮類化合物，是葡萄果實(shí)的重要品質(zhì)成分之一，決定著葡萄及其加工的顏色、澀感、苦味、氧化性能等；另一方面，它也作為一種補(bǔ)充體內(nèi)被消耗掉的抗氧化劑而成為對(duì)健康有益的成分。所以長(zhǎng)期以來， 酚類一直被認(rèn)為是葡萄酒中的功能性物質(zhì)2。因此，所得結(jié)論正確可信。3.3.3回歸分析檢驗(yàn)我們選取紅葡萄酒的酒總黃酮作為檢驗(yàn)對(duì)象，將后8組數(shù)據(jù)作為檢驗(yàn)組，利用前19個(gè)理化指標(biāo)的數(shù)據(jù)，進(jìn)行回歸分析。模擬得到，紅葡萄酒的酒總黃酮與釀酒葡萄的總酚、葡萄總黃酮之間的線性回歸方程紅葡萄酒的酒總黃酮預(yù)測(cè)值與實(shí)際值的絕對(duì)誤差，如

33、圖9 所示。圖 9 真實(shí)值和預(yù)測(cè)值的絕對(duì)誤差紅葡萄酒的酒總黃酮預(yù)測(cè)值與實(shí)際值的絕對(duì)誤差，如表15 所示。表15 紅葡萄酒總黃酮的模擬檢驗(yàn)結(jié)果真實(shí)值4.04434.43985.826612.14443.73103.02222.15413.2841預(yù)測(cè)值3.99225.69785.777510.13132.16063.75272.03982.6140絕對(duì)誤差0.01290.28330.00840.16580.42090.24170.05310.2041由于葡萄酒的成分之間存在著復(fù)雜的關(guān)系，它們又與感官質(zhì)量之間有著密切的聯(lián)系，葡萄酒最終的質(zhì)量則是葡萄酒中各種成分協(xié)調(diào)平衡的結(jié)果。所以找到一個(gè)準(zhǔn)確定量的

34、關(guān)系式描述釀酒葡萄與葡萄酒的理化指標(biāo)之間的聯(lián)系，是很困難的。運(yùn)用上述的處理方法，通過模擬。對(duì)于紅葡萄酒，看到預(yù)測(cè)值與實(shí)際值的最大絕對(duì)誤差為0.4209，平均絕對(duì)誤差為0.1738。說明回歸函數(shù)在某種程度上能反映釀酒葡萄與葡萄酒的理化指標(biāo)之間的聯(lián)系，回歸是有效的。3.4問題四3.4.1問題分析問題四要求，通過分析葡萄與葡萄酒的理化指標(biāo)對(duì)葡萄酒質(zhì)量的影響，并論證能否用葡萄和葡萄酒的理化指標(biāo)來評(píng)價(jià)葡萄酒的質(zhì)量。在問題二中，我們對(duì)釀酒葡萄的理化指標(biāo)與葡萄酒的質(zhì)量間的聯(lián)系進(jìn)行了討論。在問題三中，我們對(duì)釀酒葡萄的理化指標(biāo)與葡萄酒的理化指標(biāo)間的關(guān)系進(jìn)行了討論。通過前兩問的分析，我們知道，在評(píng)價(jià)過程中，人的主

35、觀因素起到了重要的作用。所以在問題四中，我們應(yīng)當(dāng)建立起三者之間的聯(lián)系。3.4.2相關(guān)性分析在數(shù)據(jù)分析的過程中，常需要分析兩個(gè)或兩個(gè)以上變量之間的因果關(guān)系，通常采用相關(guān)性分析法。通過這種方法分析釀酒葡萄的理化指標(biāo)和葡萄酒理化指標(biāo)對(duì)葡萄酒質(zhì)量的影響。調(diào)用Matlab中的corrcoef命令作出相關(guān)系數(shù)矩陣，找到與葡萄酒質(zhì)量相關(guān)系數(shù)最大的15個(gè)指標(biāo)，結(jié)果如表16所示。表 16 紅葡萄酒中前15項(xiàng)理化指標(biāo)的相關(guān)系數(shù)序 號(hào)12345678理化指標(biāo)葡萄總黃酮DPPH酒DPPH酒白藜蘆醇酒總黃酮總酚蛋白質(zhì)PH相關(guān)系數(shù)0.610.580.520.520.480.470.470.45序 號(hào)91011121314

36、15理化指標(biāo)酒總酚酒單寧果梗比黃酮醇酒石酸出汁率單寧相關(guān)系數(shù)0.430.420.370.330.320.310.28通過相關(guān)分析可知，葡萄總黃酮和DPPH與葡萄酒質(zhì)量的相關(guān)系數(shù)排在前兩位，表明這兩種指標(biāo)對(duì)紅葡萄酒感官質(zhì)量起著極為重要的作用。3.4.3主成分分析由問題二給出的主成分分析步驟，對(duì)15個(gè)紅葡萄和紅葡萄酒的指標(biāo)經(jīng)過主成分分析，給出標(biāo)準(zhǔn)化前的6個(gè)主成分對(duì)應(yīng)的特征向量，如表17所示。表 4 標(biāo)準(zhǔn)化前的6個(gè)主成分的特征向量第一特征向量第二特征向量第三特征向量第四特征向量第五特征向量第六特征向量-0.3122-0.3191-0.3239-0.1746-0.3155-0.33120.1794-0

37、.11180.16550.31060.18530.08340.11280.0773-0.09900.0626-0.01550.0595-0.00180.0478-0.1156-0.59540.06930.04210.04180.0895-0.13690.5327-0.1623-0.0216-0.09720.08030.1753-0.11100.21790.08200.31880.4185-0.13530.0011-0.00640.1011-0.2886-0.09780.0274-0.22380.21410.07570.0991-0.02870.2154-0.05040.1603-0.1684-

38、0.47020.36170.08570.2195-0.2410-0.47520.10560.2013-0.0454-0.1632-0.70420.44400.0513-0.6263-0.12470.2379-0.09290.1952-0.63460.05860.17440.14140.07130.59240.06540.09960.5993-0.0279-0.0889-0.07440.0990-0.31690.5613-0.1169-0.3743-0.0949據(jù)貢獻(xiàn)率的計(jì)算公式，得到6個(gè)主成分，其累計(jì)貢獻(xiàn)率為90.49 %，具有統(tǒng)計(jì)學(xué)上的意義。6個(gè)主成分結(jié)果如表18所示，表 18 六個(gè)主成分的

39、結(jié)果主成分包含成分名稱累計(jì)貢獻(xiàn)率（%）一PH值、酒DPPH、單寧、酒石酸54.45二蛋白質(zhì)、黃酮醇、丹寧64.65三出汁率74.39四白藜蘆醇、DPPH、酒總黃酮80.93五總酚、酒總酚、果梗比85.86六葡萄總黃酮90.49在不考慮外部環(huán)境和釀造工藝的情況下，我們將葡萄與葡萄酒的理化指標(biāo)結(jié)合為一個(gè)理化指標(biāo)整體，并將其與葡萄酒質(zhì)量進(jìn)行相關(guān)系數(shù)檢驗(yàn)，得到相關(guān)系數(shù)最大的15個(gè)指標(biāo)。再通過主成分分析法，求得6個(gè)主成分的累計(jì)貢獻(xiàn)率已高達(dá)90.49 % 。所以在理想狀態(tài)下，可用葡萄與葡萄酒的理化指標(biāo)來評(píng)價(jià)葡萄酒的質(zhì)量。但在實(shí)際生活中，因?yàn)橥饨绛h(huán)境變化復(fù)雜、釀酒工藝千差萬別，所以評(píng)價(jià)體系只能在一定程度上評(píng)

40、價(jià)葡萄酒的質(zhì)量。3.4.4用葡萄和葡萄酒的理化指標(biāo)來評(píng)價(jià)葡萄酒的質(zhì)量的可行性分析在上一節(jié)中已經(jīng)分析了釀酒葡萄的理化指標(biāo)和葡萄酒理化指標(biāo)對(duì)葡萄酒質(zhì)量的影響。本節(jié)用主成分估計(jì)法回歸出葡萄酒的感官評(píng)價(jià)函數(shù)。用前二十個(gè)數(shù)據(jù)回歸，得到結(jié)果為表19 紅葡萄酒感官評(píng)價(jià)函數(shù)回歸結(jié)果40.150.0937 4.2174 1.9749 0.3352 0.0874 0.0584 4.5944.5940 0.0138 0.0407 -0.0166 0.0007 0.1187 -0.0359 -0.722其中表示常數(shù)，表示釀酒葡萄的理化指標(biāo)和葡萄酒的理化指標(biāo)。利用后七個(gè)數(shù)據(jù)做檢驗(yàn)，得到預(yù)測(cè)數(shù)據(jù)和實(shí)際數(shù)據(jù)的絕對(duì)誤差，定性

41、定量分析的結(jié)果如表20和圖10所示。表 20 紅葡萄酒感官評(píng)價(jià)函數(shù)預(yù)測(cè)值和實(shí)際值的相對(duì)誤差預(yù)測(cè)值準(zhǔn)確值相對(duì)誤差68.72372.2002.90%73.65871.6000.92%75.81577.1001.10%69.81771.5001.33%68.15468.2000.70%70.57872.0002.38%72.35671.5003.64%圖 10紅葡萄酒感官評(píng)價(jià)函數(shù)預(yù)測(cè)值和實(shí)際值的相對(duì)誤差表20反映出，真實(shí)值與預(yù)測(cè)值較為接近，最大相對(duì)誤差為3.64%；圖10則反映了真實(shí)值與預(yù)測(cè)值的相對(duì)誤差都在0.06以下。這說明回歸結(jié)果良好，可較好的反映釀酒葡萄的理化指標(biāo)和葡萄酒理化指標(biāo)與葡萄酒質(zhì)量間

42、的關(guān)系。接下來，選取評(píng)價(jià)標(biāo)準(zhǔn)中香氣分析和附表3里的紅葡萄和酒的芳香物質(zhì)作如上的分析。以紅葡萄酒第二組香氣分析的總分的平均值為因變量，紅葡萄酒和紅葡萄的芳香物質(zhì)為自變量，作多元線性回歸分析；又由于芳香物質(zhì)不僅影響葡萄酒的香氣分析，還在某種程度上影響葡萄酒的總體評(píng)價(jià)，所以取紅葡萄酒第二組的總分的平均值為因變量，紅葡萄酒和紅葡萄的芳香物質(zhì)為自變量，作多元線性回歸分析。用前二十個(gè)數(shù)據(jù)回歸，后七個(gè)數(shù)據(jù)做檢驗(yàn)，得到預(yù)測(cè)數(shù)據(jù)和實(shí)際數(shù)據(jù)的最大相對(duì)誤差分別為6.80%，1.20%。通過查閱資料得知，總酚、單寧、檸檬酸和色澤等對(duì)紅葡萄酒質(zhì)量有最為直接的作用。取紅葡萄酒第二組葡萄酒質(zhì)量的總分的平均值、單寧、總酚、檸

43、檬酸和色澤的理化指標(biāo)為因變量，作多元線性回歸分析。同樣用前二十個(gè)數(shù)據(jù)回歸，后七個(gè)數(shù)據(jù)做檢驗(yàn)。發(fā)現(xiàn)這時(shí)。根本通不過擬合檢驗(yàn)，回歸是無效的。在前三個(gè)回歸模型中，數(shù)據(jù)充足可靠，回歸方程能夠較好的判斷葡萄酒的質(zhì)量；而在第四個(gè)回歸模型中，由于數(shù)據(jù)匱乏，即使用已經(jīng)證實(shí)的對(duì)葡萄酒質(zhì)量有較重要影響的指標(biāo)，也不能合理評(píng)價(jià)這些指標(biāo)對(duì)葡萄酒質(zhì)量的影響。所以，若用葡萄和葡萄酒的理化指標(biāo)來評(píng)價(jià)葡萄酒的質(zhì)量，必須收集較多數(shù)據(jù)，得到對(duì)葡萄酒質(zhì)量的經(jīng)驗(yàn)函數(shù)，才能對(duì)葡萄酒的質(zhì)量進(jìn)行合理評(píng)價(jià)。綜上所述，用理化指標(biāo)判斷葡萄酒的質(zhì)量理論上是可行的，但是準(zhǔn)確度需要由大量的數(shù)據(jù)進(jìn)行保證，所以用葡萄和葡萄酒的理化指標(biāo)來評(píng)價(jià)葡萄酒的質(zhì)量在現(xiàn)

44、實(shí)意義下是不可行的。四、模型評(píng)價(jià)突出優(yōu)點(diǎn)：使用了多種方法，從不同的角度進(jìn)行分析求解，例如，問題一給出了兩種顯著性檢驗(yàn)法，秩和檢驗(yàn)與t檢驗(yàn)；問題四中描述了兩個(gè)不同角度的模型，問題四中，模型的優(yōu)點(diǎn)在于，比較精確地描述了原問題與上文求解過程較一致，結(jié)果相對(duì)誤差小。不足之處：?jiǎn)栴}一對(duì)葡萄酒感官評(píng)價(jià)結(jié)果的統(tǒng)計(jì)分析中，使用了方差分析等方法，該方法是建立在同質(zhì)基礎(chǔ)上的。但在實(shí)際生活中，由于各種因素的共同作用，專家組成員間存在異質(zhì)性。這就需要將感官評(píng)價(jià)專家作為可能影響感官評(píng)價(jià)結(jié)果的因素來考慮，而且這一因素甚至?xí)谏w被分析樣品的顯著性差異3。五、模型改進(jìn)與推廣對(duì)于問題四，本文研究目的在于尋求一種通過理化指標(biāo)判斷

45、葡萄酒質(zhì)量的方法和評(píng)價(jià)體系，用來代替通過人的感官評(píng)價(jià)的評(píng)價(jià)標(biāo)準(zhǔn)。現(xiàn)行的是以感官評(píng)價(jià)為主，理化指標(biāo)為輔的判斷方法。但由于評(píng)酒員人數(shù)、專業(yè)性、個(gè)人差異、費(fèi)用等因素影響，總會(huì)出現(xiàn)不同程度的評(píng)判偏差。所以新的方法應(yīng)包含快速、準(zhǔn)確、便捷、廉價(jià)等方面，通過建立統(tǒng)一標(biāo)準(zhǔn)，規(guī)范化評(píng)判。由此我們提出了“機(jī)器感官評(píng)價(jià)”的概念，通過對(duì)理化指標(biāo)的測(cè)量分析，為用戶提供評(píng)價(jià)數(shù)據(jù)。我們知道，感官評(píng)價(jià)的評(píng)判內(nèi)容分為外觀分析、香氣分析、口感分析和平衡評(píng)價(jià)，而每項(xiàng)又不同程度的與幾類理化指標(biāo)存在關(guān)系。根據(jù)資料對(duì)理化指標(biāo)進(jìn)行分類，例如，乙醇、單寧、糖分等歸入平衡評(píng)價(jià)。通過對(duì)附表中所給數(shù)據(jù)分析，建立出主成分關(guān)系表達(dá)式，例如，平衡狀態(tài)：

46、由乙醇+單寧+酸+柔軟指數(shù)+糖分柔軟指數(shù)=酒精度-（總酸+單寧類）根據(jù)柔軟指數(shù)的值，得出柔軟指數(shù)的分值，再根據(jù)其他成分分析得到總分，由此得出平衡評(píng)價(jià)的分?jǐn)?shù)。通過上述四個(gè)項(xiàng)目分?jǐn)?shù)，綜合給出“機(jī)器感官評(píng)價(jià)”。因?yàn)槠渲欣砘治?，分?jǐn)?shù)等級(jí)均為定量處理，所以給出的評(píng)價(jià)結(jié)果具有受主觀影響小，偏差小的特點(diǎn)。因?yàn)槭称穼?duì)之于人，其質(zhì)量的優(yōu)劣無法統(tǒng)一。人們把質(zhì)量標(biāo)準(zhǔn)分為兩類，一類是客觀標(biāo)準(zhǔn)，它是本質(zhì)的規(guī)定，被詳細(xì)明確的指標(biāo)所限定，是強(qiáng)制性標(biāo)準(zhǔn)。另一類是主觀質(zhì)量，是不能用數(shù)字精確測(cè)量和表達(dá)的，是用消費(fèi)者的滿意度來衡量的，是各種成分的完全平衡調(diào)和，如酒的狀態(tài)，香氣等。葡萄酒的質(zhì)量差異，很大程度上體現(xiàn)在感官特征上，感官

47、特征是衡量葡萄酒質(zhì)量最有效、最直接的發(fā)法。所以，目前無法跳過人的感官評(píng)價(jià)直接利用理化指標(biāo)分析化驗(yàn)對(duì)葡萄酒的質(zhì)量進(jìn)行判斷。2參考文獻(xiàn)1葡萄酒評(píng)價(jià)標(biāo)準(zhǔn)，2012年9月8日 。2郭其昌，論釀酒葡萄與葡萄酒之間的關(guān)系，2012年9月8日 。3李華，葡萄酒感官品評(píng)的客觀方法，湖南輕專學(xué)報(bào)，1990，3(1)：1-84段春強(qiáng), 張春婭. 淺談感官分析在葡萄酒生產(chǎn)過程中的應(yīng)用.中外葡萄與葡萄酒, 2002, (4):53- 565 李華. 影響干紅葡萄酒感官質(zhì)量的因素分析J, 生物數(shù)學(xué)學(xué)報(bào),2005, 20( 2) : 223- 228附錄1：葡萄酒評(píng)價(jià)標(biāo)準(zhǔn)區(qū)分好壞葡萄酒沒有具體的絕對(duì)的量化標(biāo)準(zhǔn)，目前權(quán)威的

48、葡萄酒評(píng)分系統(tǒng)主要是美國(guó)著名的葡萄酒評(píng)論家羅伯特·帕克，帕克推崇的是葡萄酒100分制評(píng)分體系；以及大家俗稱的3W1D也是世界葡萄酒評(píng)分系統(tǒng)中的權(quán)威。 帕克的100分制給葡萄酒的打分范圍是50-100，基于以下四個(gè)因素：外觀，香氣，風(fēng)味，總體質(zhì)量或潛力。帕克將葡萄酒分成四個(gè)檔次(從50-100分)，具體的打分體系如下：96-100 Extraordinary經(jīng)典：頂級(jí)葡萄酒。90-95 Outstanding優(yōu)秀：具有高級(jí)品味特征和口感的葡萄酒。80-89Above average優(yōu)良：口感純正、制作優(yōu)良的葡萄酒。70-79Average一般：略有瑕疵，但口感無尚大礙的葡萄酒

49、。60-69Below average低于一般：不值得推薦 50-59 Unacceptable次品一般帕克的評(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。酒的顏色和外觀值5分，好的葡萄酒的外觀應(yīng)該澄亮透明（深顏色的酒可以不透明），有光澤，其顏色與酒的名稱相符，色澤自然、悅目。 然后，酒香值15分，取決于香氣的濃度、復(fù)雜度和純粹感，香氣應(yīng)該是葡萄的果香（比如赤霞珠的黑醋栗香氣、黑比諾的櫻桃香氣、霞多麗的熱帶水果香氣）、發(fā) 酵的酒香、陳釀的醇香（橡木桶陳釀及瓶?jī)?nèi)陳釀組成的香氣，主要包括花香、果香、辛香料香、動(dòng)物香、礦物香、動(dòng)物香、焙烤香等香氣類型），這些香氣應(yīng)該平 衡、協(xié)調(diào)、融為一體，香氣幽雅，令人愉快；酒的口感和后味值20分，好的葡萄酒其口感應(yīng)該是舒暢愉悅的，各種香味應(yīng)細(xì)膩、柔和，酒體豐滿完整，有層次感和結(jié)構(gòu)感，果味、單寧、酒精、酸度、甘油、糖分均衡，余味綿長(zhǎng)；最后，酒的總體質(zhì)量水平或者演化進(jìn)步的潛力，也就是說陳化的潛力，值10分。3W指WA、WS、WEWA是葡萄酒倡導(dǎo)家雜志W(wǎng)ine Advocate journal  即羅伯特·帕克的評(píng)分 WS是葡萄酒觀察家Wine Spectator maga