數(shù)學(xué)建模之葡萄品種的分類

-.z.葡萄品種的分類摘要隨著社會各個領(lǐng)域的不斷開展，統(tǒng)計分類已經(jīng)逐步滲透到每個角落，本文中，我們將舉出其中一例，通過題中一些種類葡萄〔紅葡萄或白葡萄〕的理化指標(biāo)和未知種類〔紅葡萄或白葡萄的〕理化指標(biāo)，采用適宜的指標(biāo)運(yùn)用三種不同方法對葡萄品種進(jìn)展分類。首先使用模糊數(shù)學(xué)的方法，運(yùn)用MATLAB對數(shù)據(jù)進(jìn)展處理，并進(jìn)展進(jìn)一步的運(yùn)算，由切比雪夫距離法對問題進(jìn)展建模：①原始數(shù)據(jù)處理變成模糊矩陣，②處理模糊矩陣成為相似矩陣，③找相似矩陣閉包，從而找到模糊等價矩陣，④選取適宜的值，進(jìn)展分類最終求得結(jié)果。方法二使用聚類分析法，利用spass軟件中的系統(tǒng)聚類分析對數(shù)據(jù)進(jìn)展處理，并得到樹狀圖，觀察樹狀圖選取適宜的分類指標(biāo)，把紅葡萄和白葡萄樣品分別分為五類。方法三通過綜合分析方法從各方面、多角度出發(fā)，對問題展開全方位的分析，由隸屬函數(shù)得出綜合得分進(jìn)展分類。問題一屬于歸類問題，由于紅葡萄和白葡萄屬于不同種類，所以本文運(yùn)用模糊數(shù)學(xué)、聚類分析以及綜合評價三種方法把他們分別劃分為不同品種，并一一進(jìn)展分析解釋。問題二，在問題一的根底上，我們已經(jīng)把紅葡萄及白葡萄進(jìn)展品種劃分，接下來將待分類葡萄先進(jìn)展種類劃分，再將其分別放入各自的種類中按照原來的分類方法劃分品種即可。關(guān)鍵詞：模糊數(shù)學(xué)聚類分析法切比雪夫距離法綜合評價隸屬函數(shù)問題重述在釀造葡萄酒時，選用不同品種的葡萄及不不同的釀造工藝，會得到不同種類的葡萄酒，中給出了一些種類葡萄〔紅葡萄或白葡萄〕的理化指標(biāo)和未知種類〔紅葡萄或白葡萄的〕理化指標(biāo)，且這些葡萄來自于不同的葡萄品種，同一種類不同品種的葡萄在理化指標(biāo)上會稍有不同。請選取適宜的指標(biāo)，用多種方法完成以下任務(wù)：1、將種類的紅葡萄和白葡萄樣本分成假設(shè)干不同的品種〔不需要指明品種〕；2、區(qū)分出待檢測葡萄的種類及品種，并對結(jié)果進(jìn)展解釋。二、題設(shè)分析2.1問題分析問題一的分析此題中紅葡萄及白葡萄的指標(biāo)有54種，考慮到指標(biāo)數(shù)量較多，不能簡單粗略地識別出品種的分類，我們對數(shù)據(jù)進(jìn)展了一定的處理，屢次測量的指標(biāo)數(shù)據(jù)，我們用它的平均值進(jìn)展代替。因為歸屬于分類題型，有多種方法可以進(jìn)展求解，本文中采用其中的模糊數(shù)學(xué)、系統(tǒng)聚類以及綜合評價法這三種方法分別做出問題一的解答。問題二的分析問題二要求我們區(qū)分出待檢測葡萄的種類及品種，并對結(jié)果進(jìn)展解釋。數(shù)據(jù)中共有六個待測樣品，從樣品中我們可以觀察到，紅葡萄和白葡萄花色苷含量存在顯著差異，從而我們很容易把待測樣品分為紅葡萄和白葡萄，結(jié)合問題一的結(jié)果，進(jìn)而對待測樣品進(jìn)展歸類。三、模型假設(shè)假設(shè)一：樣本葡萄中沒有出現(xiàn)變異情況；四、符號說明方法三的符號說明：五、模型的建立及求解5.1.方法一模糊數(shù)學(xué)問題一的求解1.模型的建立題目中給出了紅葡萄，白葡萄兩種，我們先對紅葡萄進(jìn)展數(shù)據(jù)處理與分類，白葡萄處理方法類似。根據(jù)模糊數(shù)學(xué)的分類方法，我們分為四步進(jìn)展：①原始數(shù)據(jù)處理變成模糊矩陣，②處理模糊矩陣成為相似矩陣，③找相似矩陣閉包，從而找到模糊等價矩陣，④選取適宜的值，進(jìn)展分類。2.建立模糊矩陣先對原始數(shù)據(jù)進(jìn)展處理形成迷糊矩陣，我們先采用標(biāo)準(zhǔn)差標(biāo)化，為了使所有的，在進(jìn)展極差變化，具體操作如下：〔1〕〔2〕〔3〕根據(jù)〔1〕〔2〕〔3〕我們求出了模糊矩陣，數(shù)據(jù)見附錄一。3.建立模糊相似矩陣確定相似系數(shù)的方法有多種，常用的有切比雪夫距離法，數(shù)量積法、夾角余弦法、相關(guān)系數(shù)法、最大最小值法、距離法、專家評分法等，根據(jù)實際需要我們選用了比擬常見的切比雪夫距離法，方法如下：〔4〕其中Q為使所有確實定常數(shù).則。根據(jù)〔4〕我們可以列出模糊相似矩陣，我們利用matlab算法很快求出其相似矩陣，定義為,數(shù)據(jù)和程序見附錄一。4.建立模糊等價矩陣--找閉包從是上一步求出的22階模糊相似矩陣出發(fā)，用平方法求其傳遞閉包,它就是將改造成的22階模糊等價矩陣，再讓由大變小，就可形成動態(tài)聚類圖.我們通過編程求得它的閉包為。通過給定不同的值，得到了不同的分類。當(dāng)截取值取0.4時分成了5類我們將此時的截取矩陣放在附錄中，其具體分類如下：紅葡萄分類表第一類樣品1、樣品3第二類樣品2、樣品5、樣品10、樣品15、樣品16、樣品17、樣品18第三類樣品7、樣品8、樣品12、樣品20、樣品21、樣品22第四類樣品11、樣品13、樣品14第五類樣品6、樣品9、樣品195：白葡萄分類因為白葡萄于此方法相似，我們省略上面的分析。我們截取值取時，分成了類，具體分類如下：白葡萄分類表第一類樣品1、樣品7、樣品9、樣品13、樣品14第二類樣品2、樣品3、樣品4、樣品5、樣品6、樣品8、樣品10、樣品11、樣品12、樣品15、樣品16、樣品17、樣品18、樣品19、樣品20、樣品21、樣品22、樣品23、樣品24、樣品25自此模糊分類已經(jīng)完成，我們接下來采取聚類分析，進(jìn)展分類，從而易于分析兩者的聯(lián)系與差異。5.2方法二系統(tǒng)聚類法問題一的求解1.模型準(zhǔn)備系統(tǒng)聚類法的根本原理：首先將一定數(shù)量的樣本或指標(biāo)各自看成一類，然后根據(jù)樣本〔或指標(biāo)〕的親疏程度，將親疏程度最高的兩類進(jìn)展合并，然后考慮合并后的類與其他類之間的親疏程度，再進(jìn)展合并。重復(fù)這一過程，直到將所有的樣本〔或指標(biāo)〕合并為一類。系統(tǒng)聚類分為Q型聚類和R型聚類兩種：Q型聚類是對樣本進(jìn)展聚類，它使具有相似特征的樣本聚集在一起，使差異性大的樣本別離開來；R型聚類是對變量進(jìn)展聚類，它使差異性大的變量別離開來，相似的變量聚集在一起，這樣就可以在相似變量中選擇少數(shù)具有代表性的變量參與其他分析，實現(xiàn)減少變量個數(shù)、降低變量維度的目的。在本文中進(jìn)展的是Q型聚類。類與類之間距離的計算方法主要有以下幾種：最短距離法〔NearestNeighbor〕，是指兩類之間每個個體距離的最小值；最長距離法〔FarthestNeighbor〕，是指兩類之間每個個體距離的最大值；組間聯(lián)接法〔Between-groupsLinkage〕，是指兩類之間個體之間距離的平均值；組聯(lián)接〔Within-groupsLinkage〕，是指把兩類所有個體之間的距離都考慮在；重心距離法〔Centroidclustering〕，是指兩個類中心點(diǎn)之間的距離；離差平方和法〔Ward法〕，同類樣品的離差平方和應(yīng)當(dāng)較小，類與類之間的離差平方和應(yīng)當(dāng)較大。2.模型的求解〔1〕紅葡萄的分類我們利用spass軟件中的聚類分析的方法來求解此問題，具體步驟如下：翻開spass軟件，在數(shù)據(jù)編輯窗口的主菜單中選擇“分析(A)〞→“分類(F)〞→“系統(tǒng)聚類(H)〞；在彈出的“系統(tǒng)聚類分析〞對話框中，將“樣品〞變量選入“標(biāo)注個案(C)〞中，將其他變量選入“變量框〞中。在“分群〞單項選擇框中選中“個案〞，表示進(jìn)展的是Q型聚類。在“輸出〞復(fù)選框中選中“統(tǒng)計量〞和“圖〞，表示要輸出的結(jié)果包含以上兩項。單擊“統(tǒng)計量(S)〞按鈕，在“系統(tǒng)聚類分析：統(tǒng)計量〞對話框中選擇“合并進(jìn)程表〞、“相似性矩陣〞。單擊“繪制(T)〞按鈕，在“系統(tǒng)聚類分析：圖〞對話框中選擇“樹狀圖〞、“冰柱〞，表示輸出的結(jié)果將包括譜系聚類圖〔樹狀〕以及冰柱圖〔垂直〕。單擊“方法(M)〞按鈕，彈出“系統(tǒng)聚類分析：方法〞對話框，我們選擇“聚類方法(M)〞選項條中的“組間聯(lián)接〞和“度量標(biāo)準(zhǔn)-區(qū)間(N)〞選項條中的“平方Euclidean距離〞以及“轉(zhuǎn)換值-標(biāo)準(zhǔn)化(S)〞選項條中的“全局從0到1〞。通過以上步驟，我們從spass輸出中得到了紅葡萄聚類表，垂直冰柱圖見附錄二中的圖表1、圖表2，樹狀圖見下文中的圖表3以及近似矩陣圖。下面我們對所得結(jié)果進(jìn)展分析：近似矩陣圖表分析：近似矩陣圖表顯示的是用平方Euclidean距離計算的近似矩陣表，其實質(zhì)是一個不相似矩陣，其中的數(shù)值表示各個樣本之間的相似系數(shù)，數(shù)值越大，表示兩樣本距離越大。聚類表分析：圖表1顯示的是聚類表，該表反映的是每一階段聚類的結(jié)果，系數(shù)表示的是“聚合系數(shù)〞，第2列和第3列表示的是聚合的類。垂直冰柱圖分析：圖表2冰柱圖，是反映樣本聚類情況的圖，如果按照設(shè)定的類數(shù)，在那類數(shù)的行上從左到右就可以找到各類所包含的樣本。紅葡萄樹狀圖分析：圖表3紅葡萄樹狀圖圖表3用“組間聯(lián)接〞聚類法生成的樹狀聚類圖。如果將所有樣本分為五類的話，可以得到如下分類：紅葡萄分類表第一類樣品11、樣品14、樣品5第二類樣品3、樣品19、樣品15、樣品20、樣品21、樣品4、樣品22、樣品9、樣品12、樣品16第三類樣品6、樣品17、樣品10第四類樣品7、樣品13第五類樣品2、樣品8、樣品18、樣品1〔2〕白葡萄的分類由于紅葡萄分類及白葡萄分類都是采用spass軟件進(jìn)展聚類分析，具體操作步驟在紅葡萄分類中已經(jīng)羅列，此處不再贅述，我們同樣從spass輸出中得到了白葡萄的近似矩陣，聚類表，垂直冰柱圖見附錄一中的圖表4、表5，樹狀圖見下文中的圖表6及近似矩陣圖。白葡萄樹狀圖分析：圖表6葡萄樹狀圖圖表6用“組間聯(lián)接〞聚類法生成的樹狀聚類圖。如果將所有樣本分為五類的話，可以得到如下分類：白葡萄分類表第一類樣品7、樣品15、樣品12、樣品1、樣品9第二類樣品5、樣品14、樣品11第三類樣品4、樣品16、樣品6、樣品10、樣品8、樣品19、樣品22、樣品21、樣品2、樣品3、樣品18、樣品13、樣品17、樣品24第四類樣品20第五類樣品23問題二的求解由常識可得紅葡萄和白葡萄的顏色有很大區(qū)別，我們觀察數(shù)據(jù)發(fā)現(xiàn)紅葡萄和白葡萄花色苷的含量有很大差異，大多數(shù)紅葡萄的花色苷的含量為7-410花色苷mg/100g鮮重，而白葡萄的花色苷含量為0-5花色苷mg/100g，所以我們按照種類依據(jù)以上結(jié)論可以近似把待測樣品分為白葡萄和紅葡萄。如下表：紅葡萄待測樣品1、待測樣品2、待測樣品3白葡萄待測樣品4、待測樣品5、待測樣品6我們把待測樣品1、2、3分別命名為a樣品23、24、25放入原紅葡萄的數(shù)據(jù)中，用spass中的系統(tǒng)聚類分析再次進(jìn)展分類，得到以下樹狀圖：圖表7由樹狀圖圖表7可得，a樣品23、24、25即待測樣品1、2、3為紅葡萄的第二類。我們把待測樣品4、5、6分別命名為b樣品25、26、27放入原白葡萄的數(shù)據(jù)中，用spass中的系統(tǒng)聚類分析再次進(jìn)展分類，得到以下樹狀圖：圖表8由樹狀圖圖表8可得，b樣品25即待測樣品4為白葡萄的第二類，b樣品26、27即待測樣品5、6為白葡萄的第三類。5.3方法三綜合評價法問題一的求解1.數(shù)據(jù)預(yù)處理：問題給了54個指標(biāo)，我們首先將一級指標(biāo)和二級指標(biāo)進(jìn)展分開處理，為了表達(dá)兩者的區(qū)別，給其不同的權(quán)數(shù)。我們這樣定義：一級指標(biāo)權(quán)數(shù)為0.8，二級指標(biāo)權(quán)數(shù)為0.2。接下來觀察數(shù)據(jù)可知，各樣品每種指標(biāo)值相對集中，但不同指標(biāo)相差卻很懸殊，于是我們進(jìn)展極值歸一化處理，接下來給出統(tǒng)一的隸屬規(guī)則：其中(),于是得到了紅葡萄的22個樣品54中指標(biāo)的歸一化值。數(shù)據(jù)見附錄。歸一處理后的數(shù)據(jù)就能進(jìn)展綜合處理，求出其綜合得分，公式如下：由于紅白葡萄處理方式一樣，直接將其兩者綜合得分給出如下：樣品種類紅葡萄綜合得分白葡萄綜合得分112.891038968.654822544212.118850298.79429087837.1512377969.915321206410.7409058411.416606158.90134535411.3059550968.89405381210.74974367713.663134398.114080117813.47307849.77080735997.9561771397.751901956109.1654808558.590889104118.89494117110.86310063128.7204723888.3105880431310.996206178.594606584147.039435969.228831971159.8680273448.100729393168.99340882511.884408531710.286342429.4016720031812.891201469.973062641196.08503621410.6168707207.71749045813.5649665217.21454883111.33865216228.3635503369.9263368272315.147050522412.95381607如果我們將紅葡萄白葡萄均分成四種,只需將各綜合得分進(jìn)展排序，求出各樣品區(qū)間，然后進(jìn)展適當(dāng)?shù)姆纸M。我們將上述表格進(jìn)展分類，對于紅葡萄，我們分為，則分為如下四類：紅葡萄分類表第一類樣品19、樣品14、樣品3、樣品21、樣品20、樣品9第二類樣品22、樣品12、樣品6、樣品11、樣品5、樣品10、樣品15、樣品16第三類樣品17、樣品4、樣品13、樣品2、樣品1、樣品18第四類樣品8、樣品7同理對白葡萄分類，我們分為,分為如下四類：白葡萄分類表第一類樣品9、樣品15、樣品7、樣品12、樣品10、樣品13、樣品2、樣品1第二類樣品14、樣品17、樣品8、樣品3、樣品22、樣品18、樣品19、樣品6、樣品11第三類樣品5、樣品21、樣品4、樣品16、樣品24第四類樣品20、樣品23自此我們將紅白葡萄均分成了四類。六、模型評價模型優(yōu)點(diǎn)本文運(yùn)用了三種模型方法進(jìn)展求解。第一種方法模糊數(shù)學(xué)是建立在模糊集合根底上的一種預(yù)測和評價方法。它的優(yōu)點(diǎn)在于評價方式與人們的正常思維模式很接近，用程度語言描述對象。第二種方法系統(tǒng)聚類法，利用spass軟件解決問題，簡單易操作，每個變量之間的關(guān)系一目了然。第三種方法綜合評價法，考慮全面，具體分析問題使結(jié)果更加簡單易懂，清晰明了。模型的推廣此模型是對葡萄進(jìn)展分類，我們可以利用這個模型遷移到物品分類領(lǐng)域上來，我們只需要將一些系數(shù)修正即可，再加上各個領(lǐng)域的特殊情況，則此模型一定也能較好的發(fā)揮其作用。七、參考文件[1]龐慶華，"現(xiàn)代綜合評價方法與案例精選"[M],清華大學(xué)。[2]中庚，"數(shù)學(xué)建模方法及其應(yīng)用"[M],市：高等教育，2009年。附錄附錄一問題一：方法一：程序：%%%%%%：紅葡萄分類程序U1=Untitled1;fori=1:size〔u1〕forj=1:54v(i,j)=(u(i,j)-mean(u(:,j)))/std(u(:,j));endendm=zeros(size〔u1〕,54);fori=1:size〔u1〕forj=1:54m(i,j)=(v(i,j)-min(v(:,j)))/(ma*(v(:,j))-min(v(:,j)))endend%%%%%%%：數(shù)據(jù)預(yù)處理，建立模糊矩陣d=zeros(size〔u1〕);fori=1:size(d,1)forj=1:size(d,2)fork=1:size(m,2)d(i,j)=ma*(abs(m(i,k)-m(j,k)));endr(i,j)=1-d(i,j);endend%%%%%%%：建立相似矩陣flag=0;p=0;whileflag==0fori=1:size〔u1〕forj=1:size〔u1〕fork=1:size〔u1〕B(i,j)=ma*(min(r(i,k),r(k,j)));%r與r取積，先取小后取大endendendifall(B(i,j)<=r(i,j))flag=1;elser=B;p=p+1endendbb=r;%%%%%%%%：建立模糊等價矩陣，并求閉包Bfori=1:size〔u1〕forj=1:size〔u1〕if(bb(i,j)>0.4)r(i,j)=1;elser(i,j)=0;endendend%%%%%%%：求截集矩陣c=zeros(size〔u1〕)forj=1:size〔u1〕fork=1:size〔u1〕ifr(j,:)==r(k,:);c(j,k)=kelsec(j,k)=0endendEnd%%%%%%%：分種類%%%%%%%：白葡萄分類%%%%%%%：白葡萄利用了u2=Untitled2，故將上述u1均改為u2即可紅葡萄氨基酸總量蛋白質(zhì)VC含量花色苷鮮重酒石酸〔g/L〕葡萄樣品10.460.310.021.000.00葡萄樣品20.490.650.000.540.70葡萄樣品30.500.200.010.180.15葡萄樣品40.380.460.000.280.67葡萄樣品51.000.230.010.100.07葡萄樣品60.600.000.010.130.34葡萄樣品70.430.330.020.580.33葡萄樣品80.551.000.050.581.00葡萄樣品90.200.271.000.090.03葡萄樣品100.580.260.010.000.65葡萄樣品110.660.030.000.060.36葡萄樣品120.220.560.000.140.20葡萄樣品130.150.530.000.330.33葡萄樣品140.600.120.010.080.14葡萄樣品150.620.270.010.270.31葡萄樣品160.550.340.000.040.13葡萄樣品170.660.010.010.170.40葡萄樣品180.590.260.010.410.18葡萄樣品190.220.230.000.100.07葡萄樣品200.000.470.040.130.46葡萄樣品210.100.190.010.070.37葡萄樣品220.270.450.010.130.62紅葡萄蘋果酸〔g/L〕檸檬酸〔g/L〕多酚氧化酶活力褐變度DPPH自由基1/IC50葡萄樣品11.000.730.580.850.52葡萄樣品20.230.310.510.560.59葡萄樣品30.250.220.130.000.18葡萄樣品40.170.570.530.060.45葡萄樣品50.080.000.660.030.20葡萄樣品60.400.220.380.290.00葡萄樣品70.731.001.001.000.49葡萄樣品80.190.440.160.281.00葡萄樣品90.080.100.000.310.31葡萄樣品100.450.760.100.020.21葡萄樣品110.260.450.270.050.04葡萄樣品120.000.460.440.020.54葡萄樣品130.190.650.780.740.38葡萄樣品140.270.210.420.070.10葡萄樣品150.200.050.500.110.42葡萄樣品160.010.180.050.010.22葡萄樣品170.400.310.280.280.22葡萄樣品180.250.160.150.290.81葡萄樣品190.090.060.100.060.36葡萄樣品200.030.330.540.010.29葡萄樣品210.030.500.320.420.18葡萄樣品220.370.950.080.370.12紅葡萄總酚單寧葡萄總黃酮白藜蘆醇(mg/kg)黃酮醇(mg/kg)葡萄樣品10.730.890.320.110.11葡萄樣品20.870.950.520.170.19葡萄樣品30.190.240.090.110.19葡萄樣品40.480.520.360.010.03葡萄樣品50.190.550.200.070.04葡萄樣品60.130.090.040.010.06葡萄樣品70.380.910.270.210.86葡萄樣品81.001.000.830.170.42葡萄樣品90.140.630.100.450.20葡萄樣品100.000.040.001.000.17葡萄樣品110.250.160.060.010.00葡萄樣品120.350.290.220.400.29葡萄樣品130.360.490.240.221.00葡萄樣品140.050.080.130.000.03葡萄樣品150.470.480.320.130.22葡萄樣品160.270.210.260.040.05葡萄樣品170.430.410.240.150.09葡萄樣品180.980.991.000.360.32葡萄樣品190.230.270.130.060.21葡萄樣品200.050.000.040.060.09葡萄樣品210.120.320.100.040.10葡萄樣品220.210.310.300.160.04紅葡萄總糖g/L復(fù)原糖g/L可溶性固形物g/lPH值可滴定酸〔g/l〕葡萄樣品10.590.550.570.620.31葡萄樣品20.560.490.601.000.17葡萄樣品30.400.550.280.360.56葡萄樣品40.610.270.400.690.47葡萄樣品50.970.460.810.351.00葡萄樣品60.611.000.380.250.76葡萄樣品70.500.280.570.000.43葡萄樣品80.450.260.280.790.31葡萄樣品90.170.040.000.710.47葡萄樣品100.610.550.360.590.23葡萄樣品111.000.721.000.500.84葡萄樣品120.490.380.280.910.00葡萄樣品130.420.670.160.450.21葡萄樣品140.780.740.570.340.74葡萄樣品150.570.430.420.630.50葡萄樣品160.440.480.350.860.17葡萄樣品170.760.480.670.700.33葡萄樣品180.590.380.340.450.52葡萄樣品190.000.000.170.450.84葡萄樣品200.240.280.180.740.05葡萄樣品210.480.390.320.440.53葡萄樣品220.550.220.310.360.12紅葡萄固酸比干物質(zhì)含量g/100g果穗質(zhì)量/g百粒質(zhì)量/g果梗比(%)葡萄樣品10.750.810.160.110.53葡萄樣品21.000.820.020.000.36葡萄樣品30.270.570.100.320.22葡萄樣品40.430.610.620.660.15葡萄樣品50.170.970.190.310.06葡萄樣品60.150.870.000.300.60葡萄樣品70.570.780.200.351.00葡萄樣品80.550.580.170.170.73葡萄樣品90.200.130.260.430.55葡萄樣品100.730.660.160.090.25葡萄樣品110.371.000.180.380.00葡萄樣品120.040.530.130.210.57葡萄樣品130.620.610.200.160.55葡萄樣品140.250.860.180.470.05葡萄樣品150.410.540.150.300.98葡萄樣品160.830.490.331.000.19葡萄樣品170.780.790.060.070.23葡萄樣品180.350.540.290.510.36葡萄樣品190.000.000.310.650.42葡萄樣品200.940.141.000.620.24葡萄樣品210.320.530.300.210.28葡萄樣品220.890.420.080.050.35紅葡萄出汁率(%)果皮質(zhì)量〔g〕天門冬氨酸氨酸絲氨酸葡萄樣品11.000.050.781.000.16葡萄樣品20.960.370.360.250.13葡萄樣品30.000.430.530.230.55葡萄樣品40.501.000.220.260.58葡萄樣品50.750.540.400.140.15葡萄樣品60.730.230.370.630.94葡萄樣品70.260.940.450.860.00葡萄樣品80.980.170.460.170.32葡萄樣品90.740.580.620.170.42葡萄樣品100.210.000.700.160.47葡萄樣品110.410.840.350.050.12葡萄樣品120.600.350.250.160.18葡萄樣品130.520.910.440.000.29葡萄樣品140.400.350.000.040.04葡萄樣品150.570.360.460.120.23葡萄樣品160.260.770.460.300.42葡萄樣品170.180.270.880.451.00葡萄樣品180.960.781.000.240.56葡萄樣品190.220.700.460.220.35葡萄樣品200.600.760.300.120.15葡萄樣品210.260.580.210.230.17葡萄樣品220.740.200.460.160.32紅葡萄谷氨酸脯氨酸甘氨酸丙氨酸胱氨酸葡萄樣品11.000.210.890.870.47葡萄樣品20.000.510.120.010.45葡萄樣品30.520.370.440.871.00葡萄樣品40.280.240.410.660.31葡萄樣品50.191.000.040.100.43葡萄樣品60.750.340.340.880.30葡萄樣品70.600.290.750.360.02葡萄樣品80.320.430.460.360.03葡萄樣品90.390.120.420.560.00葡萄樣品100.650.360.790.810.67葡萄樣品110.040.710.140.040.28葡萄樣品120.150.170.170.200.27葡萄樣品130.110.190.160.460.40葡萄樣品140.000.700.080.000.14葡萄樣品150.130.460.830.640.64葡萄樣品160.610.220.001.000.17葡萄樣品170.870.261.000.670.93葡萄樣品180.410.430.520.760.73葡萄樣品190.490.120.420.520.88葡萄樣品200.040.000.070.210.22葡萄樣品210.040.100.100.200.10葡萄樣品220.320.190.200.330.52紅葡萄纈氨酸蛋氨酸異亮氨酸亮氨酸酪氨酸葡萄樣品10.101.000.030.100.22葡萄樣品20.210.190.080.290.02葡萄樣品30.230.320.180.260.15葡萄樣品40.480.950.420.280.24葡萄樣品50.040.070.090.060.14葡萄樣品60.750.630.220.470.08葡萄樣品70.210.530.190.240.16葡萄樣品80.470.870.320.350.43葡萄樣品90.300.150.100.250.01葡萄樣品100.270.360.140.220.26葡萄樣品110.170.150.180.160.43葡萄樣品120.560.870.270.510.31葡萄樣品130.100.010.130.120.00葡萄樣品140.000.000.000.000.02葡萄樣品150.640.180.070.410.09葡萄樣品160.651.000.410.640.20葡萄樣品171.000.661.001.000.59葡萄樣品180.660.630.220.501.00葡萄樣品190.320.180.180.260.04葡萄樣品200.180.170.220.300.50葡萄樣品210.370.240.090.450.67葡萄樣品220.270.150.160.240.26紅葡萄苯丙氨酸賴氨酸組氨酸精氨酸反式白藜蘆醇苷(mg/kg)葡萄樣品10.320.180.120.110.07葡萄樣品20.000.130.180.110.09葡萄樣品30.410.180.250.110.05葡萄樣品40.340.590.470.290.04葡萄樣品50.080.060.120.050.05葡萄樣品60.110.290.600.180.00葡萄樣品70.180.140.120.031.00葡萄樣品80.660.380.560.280.08葡萄樣品90.140.470.270.210.10葡萄樣品100.290.330.260.460.05葡萄樣品110.400.000.000.000.02葡萄樣品120.100.470.450.290.13葡萄樣品130.180.120.160.090.13葡萄樣品140.130.000.010.000.02葡萄樣品150.090.330.410.440.03葡萄樣品160.131.001.001.000.04葡萄樣品170.340.540.720.390.04葡萄樣品180.450.390.270.070.13葡萄樣品190.180.430.230.210.04葡萄樣品200.230.440.540.340.02葡萄樣品210.300.300.380.260.03葡萄樣品221.000.510.440.320.06紅葡萄順式白藜蘆醇苷(mg/kg)反式白藜蘆醇(mg/kg)順式白藜蘆醇(mg/kg)梅黃酮(mg/kg)槲皮素(mg/kg)葡萄樣品10.100.270.000.300.07葡萄樣品20.150.610.000.490.10葡萄樣品30.110.110.110.230.14葡萄樣品40.000.450.000.100.04葡萄樣品50.070.110.000.040.05葡萄樣品60.020.080.000.170.06葡萄樣品70.000.610.080.670.65葡萄樣品80.111.000.370.640.29葡萄樣品90.4