參考參賽隊員

葡萄酒的綜合評摘葡萄酒的綜合評摘對于問題一，首先要分析兩組結(jié)果是否有顯著性差異，首先依據(jù)matlab中的excelp值，使之與設(shè)定的顯著性水平比較，得出結(jié)論為：白葡萄酒的（1,8,10,12,25（5,15,27（9,10,23,24,25,28C（3,6,14,17,18,20,21,22D（1,2,4,7,12,13,19,26BPSPSS關(guān)鍵字：t熵值BP神經(jīng)網(wǎng)SPSS19.0主成分分1摘 一、問題重 問題的背 問題的提 摘 一、問題重 問題的背 問題的提 問題一的提 問題二的提 問題三的提 問題四的提 二、問題分 問題一的分 問題二的分 問題三的分 問題四的分 三、模型假 四、符號說 五、模型建立與求 問題一的求 顯著性分析模型的建立與求 可信度分析模型的建立與求 問題二的求 5.2.1模型的前期準(zhǔn) 釀酒葡萄分級模型的建立與求 的釀酒葡萄分級模型的建立與求 問題三的求 數(shù)據(jù)的歸一化處 基于神經(jīng)網(wǎng)絡(luò)的定性分 釀酒葡萄與葡萄酒的理化指標(biāo)相關(guān)性分 結(jié)果的分 問題四的求 定性分析理化指標(biāo)對葡萄酒質(zhì)量的影 定量分析理化指標(biāo)對葡萄酒質(zhì)量的影 基于定量分析求得的權(quán)重的葡萄酒質(zhì)量的準(zhǔn)確 六、模型的改 七、模型評價與推 模型的優(yōu) 模型的缺 模型的推 八、參考文 九、附 附錄一、matlab源程 問題一的matlab程 問題二的matlab程 問題三的matlab程 2基于綜合指數(shù)評BP神經(jīng)網(wǎng)1.4問題四的matlab程 附錄二、問題三的答 釀酒紅葡萄和紅葡萄酒之間理化指標(biāo)較為顯著的關(guān) 釀酒白葡萄和白葡萄酒之間理化指標(biāo)較為顯著的關(guān) 1.4問題四的matlab程 附錄二、問題三的答 釀酒紅葡萄和紅葡萄酒之間理化指標(biāo)較為顯著的關(guān) 釀酒白葡萄和白葡萄酒之間理化指標(biāo)較為顯著的關(guān) 1.11.21.2.1111.2.21.2.31.2.42.11.1，首先，依據(jù)題意設(shè)定顯著性水平值。對結(jié)果進(jìn)行判斷是否符合正將p值與設(shè)定的顯著性水平進(jìn)行比較，即可得到兩組評價結(jié)果的顯著性水平的結(jié)論。32.2將以上兩類指標(biāo)的得分通過BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，實現(xiàn)釀酒葡萄的分級。2.3BP神經(jīng)網(wǎng)絡(luò)對兩大類理化指標(biāo)判斷是否有聯(lián)系。如有聯(lián)系，再通過SPSS相關(guān)分析確定所2.4SPSS2.2將以上兩類指標(biāo)的得分通過BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，實現(xiàn)釀酒葡萄的分級。2.3BP神經(jīng)網(wǎng)絡(luò)對兩大類理化指標(biāo)判斷是否有聯(lián)系。如有聯(lián)系，再通過SPSS相關(guān)分析確定所2.4SPSS4第k組評酒員對葡萄酒評分的總方差的均(k第k組評酒員對第i種葡萄酒評價分的方x(k為第kj個評酒員對第ix(ki第k組第in五、模型建立與求5.15.1.1模型的前期準(zhǔn)1）五、模型建立與求5.15.1.1模型的前期準(zhǔn)1）5y(kpji12）假設(shè)檢驗方式的tP3）兩組評酒員對紅、白葡萄酒的匯總得分的處理表一27612345678912345678912）假設(shè)檢驗方式的tP3）兩組評酒員對紅、白葡萄酒的匯總得分的處理表一276123456789123456789表二284）顯著性水平的確的顯著性水平為：0.01;0.05;0.1。模型的建H0u1u2H1u1u2； =(x1x2)(u1u2t22ss222ss(2v22表二284）顯著性水平的確的顯著性水平為：0.01;0.05;0.1。模型的建H0u1u2H1u1u2； =(x1x2)(u1u2t22ss222ss(2v22(12n1n2 (x1x2 s2s12 u1=第一組評酒員的打分的均值；u2=第二組評酒員的打分的均值(t模型的求7注0p0.01p0.05p0.1pt-檢驗:雙樣本等方差假設(shè)。具體求解第一步：將原始數(shù)據(jù)輸入第二步：選擇“工具”菜單中的“數(shù)據(jù)分析結(jié)果分8t-檢驗:雙樣本等方差假設(shè)。具體求解第一步：將原始數(shù)據(jù)輸入第二步：選擇“工具”菜單中的“數(shù)據(jù)分析結(jié)果分8ppt-檢驗:雙樣本等方差假設(shè)（紅葡萄酒變量變量變量變量00tt-P(T<=t)P(T<=t)ttP(T<=t)P(T<=t)tt01245678910111213141516171819202122232425260124567891011121314151617181920212223242526275.1.2準(zhǔn)確度的求901245678910111213141516171819202122232425260124567891011121314151617181920212223242526275.1.2準(zhǔn)確度的求9具體步驟xmin(x,x,...,x 1 2 max(x,x,...,x)min(x,x,...,x)1 21具體步驟xmin(x,x,...,x 1 2 max(x,x,...,x)min(x,x,...,x)1 21 2第二步項指標(biāo)下第i種釀酒葡萄所占的比重。計算公式為p,(i1,2...,n,j1,2..., 項指標(biāo)的熵值。計算公n第三步：計算第ejkpijln(pij)（k0，k1/ln(n)，ej0第四步：計算第j項指標(biāo)的差異系數(shù)。對第的左右就越大，熵值就越小，計項指標(biāo)，指標(biāo)值的差異越大，對方案評1mm（Eeej，0gi1，gj1mgjje第五步：求權(quán)值。計算公式gw(1jjmgj第六步：計算各釀酒葡萄的綜合mhiwj(i1,第七步：將各釀酒葡萄綜合得分進(jìn)行降序排列，得到基于熵值法的2）基于評酒員打分的香氣排 fk(1,2...,(kyi1jnp (aibi萄的排名；n為釀酒葡萄的品種數(shù)。穩(wěn)定性的求1）模型的建ns(ki(k1, n (k (k) j 10(ksi x(穩(wěn)定性的求1）模型的建ns(ki(k1, n (k (k) j 10(ksi x(kj ki(k注：sk為第k組評酒員對葡萄酒評分的總方差的均值； 為第k組評酒員對第i(kkix(kk為第組第個評酒員對第種紅葡萄酒的評分 為第jin組第i種紅葡萄酒的評分的均值 為釀酒葡萄的品種數(shù)2）模型的求可信度的確可信度的確5.2 表七27123456789112345678910 表七27123456789112345678910表八28 過SPSS19.0中降維兩種方法同時求解得到指標(biāo)中的主成分及各指標(biāo)所占的比重。SPSS19.0降維并結(jié)合matlab求各指標(biāo)比重的步驟如下后的各指標(biāo)所占的權(quán)重，利用matlab軟件求解。表九27表十28主成分的貢獻(xiàn)率合計貢獻(xiàn)率12345表八28 過SPSS19.0中降維兩種方法同時求解得到指標(biāo)中的主成分及各指標(biāo)所占的比重。SPSS19.0降維并結(jié)合matlab求各指標(biāo)比重的步驟如下后的各指標(biāo)所占的權(quán)重，利用matlab軟件求解。表九27表十28主成分的貢獻(xiàn)率合計貢獻(xiàn)率12345678主成分的貢獻(xiàn)率合計貢獻(xiàn)率1234567890兩種葡萄中各理化指標(biāo)權(quán)重白葡萄中各理化指標(biāo)權(quán)0124567891011121314151617181920212223242526272829---理化指標(biāo)編號（按照附件二順序30表十一27表十二28合指數(shù)評價和BP神經(jīng)網(wǎng)絡(luò)兩種方法得到。模型的建1）綜合指數(shù)法是指在確定一套合理的經(jīng)濟(jì)效益指標(biāo)體系的基礎(chǔ)上，對各項經(jīng)濟(jì)效益指標(biāo)個體指數(shù)加權(quán)平均，計算出經(jīng)濟(jì)效益綜合值，用以綜合評價經(jīng)濟(jì)效益的一種方法。即將一組相同或不同指數(shù)值通過統(tǒng)計學(xué)處理，使不同計量單位、性質(zhì)的指12345678911234567891兩種葡萄中各理化指標(biāo)權(quán)重白葡萄中各理化指標(biāo)權(quán)0124567891011121314151617181920212223242526272829---理化指標(biāo)編號（按照附件二順序30表十一27表十二28合指數(shù)評價和BP神經(jīng)網(wǎng)絡(luò)兩種方法得到。模型的建1）綜合指數(shù)法是指在確定一套合理的經(jīng)濟(jì)效益指標(biāo)體系的基礎(chǔ)上，對各項經(jīng)濟(jì)效益指標(biāo)個體指數(shù)加權(quán)平均，計算出經(jīng)濟(jì)效益綜合值，用以綜合評價經(jīng)濟(jì)效益的一種方法。即將一組相同或不同指數(shù)值通過統(tǒng)計學(xué)處理，使不同計量單位、性質(zhì)的指12345678911234567891標(biāo)值標(biāo)準(zhǔn)化，最后轉(zhuǎn)化成一個綜合指數(shù)，以準(zhǔn)確地評價工作的綜合水平。綜合指數(shù)值越大，工作質(zhì)量越好，指標(biāo)多少不限。綜合指數(shù)法將各項經(jīng)濟(jì)效益指標(biāo)轉(zhuǎn)化為同度量的個體指數(shù)，便于將各項經(jīng)濟(jì)效益指標(biāo)綜合起來，以綜合經(jīng)濟(jì)效益指數(shù)為企業(yè)間綜合經(jīng)濟(jì)效益評比排序的依據(jù)。各項指標(biāo)的權(quán)數(shù)是根據(jù)其重要程度決定的，體現(xiàn)了各項指標(biāo)在經(jīng)濟(jì)效益綜合值中作用的大小。綜合指數(shù)法的基本思路則是利用層次分析法計算的權(quán)重和模糊評判法取得的數(shù)值進(jìn)行累乘，然后相加，最后計算出經(jīng)濟(jì)效益指標(biāo)的綜合評價指數(shù)。52)五個主成分回歸方程的n j1:標(biāo)值標(biāo)準(zhǔn)化，最后轉(zhuǎn)化成一個綜合指數(shù)，以準(zhǔn)確地評價工作的綜合水平。綜合指數(shù)值越大，工作質(zhì)量越好，指標(biāo)多少不限。綜合指數(shù)法將各項經(jīng)濟(jì)效益指標(biāo)轉(zhuǎn)化為同度量的個體指數(shù)，便于將各項經(jīng)濟(jì)效益指標(biāo)綜合起來，以綜合經(jīng)濟(jì)效益指數(shù)為企業(yè)間綜合經(jīng)濟(jì)效益評比排序的依據(jù)。各項指標(biāo)的權(quán)數(shù)是根據(jù)其重要程度決定的，體現(xiàn)了各項指標(biāo)在經(jīng)濟(jì)效益綜合值中作用的大小。綜合指數(shù)法的基本思路則是利用層次分析法計算的權(quán)重和模糊評判法取得的數(shù)值進(jìn)行累乘，然后相加，最后計算出經(jīng)濟(jì)效益指標(biāo)的綜合評價指數(shù)。52)五個主成分回歸方程的n j1:（k）k=1:j 式中 表示第看k主成分27種葡萄線性回歸的預(yù)測值， 表示第k主成分第iji釀酒葡萄的理化指標(biāo)對葡萄等級的影響Idiji5,j式中dijyijmin(yijdmax(y)min(y式i為第i種主成分的權(quán)重，由各主成分的當(dāng)前貢獻(xiàn)率求得。4）釀酒葡萄的理化指標(biāo)和評酒員對葡萄酒的評分對葡萄等級劃分影響的綜合得分計算sI(1M評酒員對葡萄酒的評分。s模型的求第二等級第三等級第四等級第五等級模型前期第五等級模型前期準(zhǔn)1）簡介與原2）釀酒葡萄理化指標(biāo)和葡萄酒質(zhì)量的數(shù)據(jù)yijmin(yijdmax(y)min(y我們設(shè)置eps0.6510^3L500000葡萄酒的質(zhì)量兩方面得到。所以，該神經(jīng)網(wǎng)絡(luò)應(yīng)該設(shè)計為2個輸入，1個輸出。所以，中間只需要一個隱含層。為了保證訓(xùn)練效果，該層設(shè)置了5個節(jié)點。2728種白葡萄酒的兩個輸入端的得分。對葡萄等級劃分，我們采用A、B、C、D、E五級劃分。五級對應(yīng)的值如下表所示：：神經(jīng)網(wǎng)絡(luò)訓(xùn)練BP8(1)BP(0,1)內(nèi)的隨機(jī)數(shù)給各連接權(quán)值賦初值。設(shè)置誤差函數(shù)e，允許精度eps和最多學(xué)習(xí)次數(shù)L；判斷輸出誤差E和設(shè)定的epsE<eps神經(jīng)網(wǎng)絡(luò)模型的有效性1我們設(shè)置eps0.6510^3L500000葡萄酒的質(zhì)量兩方面得到。所以，該神經(jīng)網(wǎng)絡(luò)應(yīng)該設(shè)計為2個輸入，1個輸出。所以，中間只需要一個隱含層。為了保證訓(xùn)練效果，該層設(shè)置了5個節(jié)點。2728種白葡萄酒的兩個輸入端的得分。對葡萄等級劃分，我們采用A、B、C、D、E五級劃分。五級對應(yīng)的值如下表所示：：神經(jīng)網(wǎng)絡(luò)訓(xùn)練BP8(1)BP(0,1)內(nèi)的隨機(jī)數(shù)給各連接權(quán)值賦初值。設(shè)置誤差函數(shù)e，允許精度eps和最多學(xué)習(xí)次數(shù)L；判斷輸出誤差E和設(shè)定的epsE<eps神經(jīng)網(wǎng)絡(luò)模型的有效性1013691369101368136810ABCDE，對以上兩組值進(jìn)行發(fā)發(fā)現(xiàn)對紅葡萄神經(jīng)網(wǎng)絡(luò)的相對誤差為錯誤未找到引神經(jīng)網(wǎng)絡(luò)模型的酒葡萄（白葡萄酒）等級劃分（基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練59釀酒葡萄（紅葡萄酒）等級劃分（基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練239541867，對以上兩組值進(jìn)行發(fā)發(fā)現(xiàn)對紅葡萄神經(jīng)網(wǎng)絡(luò)的相對誤差為錯誤未找到引神經(jīng)網(wǎng)絡(luò)模型的酒葡萄（白葡萄酒）等級劃分（基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練59釀酒葡萄（紅葡萄酒）等級劃分（基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練239541867105.2.4結(jié)果的分綜合值、排名之后，利用matlab對這兩種值所得到的排名繪走勢圖，得到下圖：由該圖發(fā)現(xiàn)，第2、3、9、17、23種釀酒紅葡萄和紅葡萄酒的排名都非常靠前，應(yīng)該36124785.2.4結(jié)果的分綜合值、排名之后，利用matlab對這兩種值所得到的排名繪走勢圖，得到下圖：由該圖發(fā)現(xiàn)，第2、3、9、17、23種釀酒紅葡萄和紅葡萄酒的排名都非?？壳?，應(yīng)該36124785、9較好的等級；第8、11種釀酒白葡萄和白葡萄酒的排名都非?？亢?，應(yīng)該被分在比較低的5.35、9較好的等級；第8、11種釀酒白葡萄和白葡萄酒的排名都非?？亢?，應(yīng)該被分在比較低的5.35.3.1yijmin(yijdmax(y)min(y30個利用SPSS其中選取之后的釀酒葡萄的理化指標(biāo)和葡萄酒的理化指標(biāo)之間有較大相關(guān)性指標(biāo)見附錄二。SPSS分析得：對于紅葡萄酒，葡萄酒的花色苷與釀酒葡萄的蛋白質(zhì)、總酚、單寧層正相關(guān)；單寧則與VC、PH值正相關(guān)，和果皮顏色L負(fù)相關(guān)；總酚與VC、花色苷、PH值、出汁率正相關(guān)；酒總黃酮與蛋白質(zhì)、花色苷、PH值、出汁率正相關(guān)。5.4葡萄酒的質(zhì)量成正比的，含酸量要在一定的范圍內(nèi)（一般在5.4葡萄酒的質(zhì)量成正比的，含酸量要在一定的范圍內(nèi)（一般在6g/L~10）才能釀成口味較萄酒的Ph值一般在（3.0~3.6。氨基酸，蛋白質(zhì)，vc含量，花色苷鮮重，多酚氧化酶活力，褐變度，葡萄果梗比，果皮質(zhì)量（g），果皮顏色（白葡萄酒身的10.5926外，誤差都小于25%，均在可以接受范圍內(nèi)。六、模型的改39個因素之間的相關(guān)性來判斷葡萄酒的理化指標(biāo)與釀酒葡身的10.5926外，誤差都小于25%，均在可以接受范圍內(nèi)。六、模型的改39個因素之間的相關(guān)性來判斷葡萄酒的理化指標(biāo)與釀酒葡七、模型評價與推7.17.27.37.3鑒。本文的模型比較全面，可以用來解決影響力方面的問題，如北京奧運會對文化影響的評估【3】林杰斌，劉明德，SPSS11.0與統(tǒng)計模型構(gòu)建，北京：清華大學(xué)出版社【6】林翠香，基于數(shù)據(jù)挖掘的葡萄酒質(zhì)量識別，中南大學(xué)AE%97%E6%B3%95&prd=so_auto_doc_list，2012.9.81.1.1判斷數(shù)據(jù)是否符合正態(tài)loadclhsjfile%通過normplot函數(shù)判斷四個打分值是否符合正態(tài)分title('第二組評酒員對白葡萄酒的打分1.1.2求解兩組評酒員評酒時數(shù)據(jù)的loadclhsjfilefori=1:27fori=1:27forfch1(i)=fch1(i)+(red1(i,j)-fch2(i)=fch2(i)+(red2(i,j)-fori=1:28fori=1:28forfcb1(i)=fcb1(i)+(white1(i,j)-fcb2(i)=fcb2(i)+(white2(i,j)-%表述出評價時誤差結(jié)[fchjpj1fchjpj2][fcbjpj1fcbjpj2][fcpj1fcpj2]jb=[12];zu1=[fchjpj1fcbjpj1];zu2=[fchjpj2fcbjpj2];legend('第一組評酒員所得數(shù)據(jù)的方差','第二組評酒員所得數(shù)據(jù)的方差1.1.3基于熵值法判斷兩組數(shù)據(jù)的準(zhǔn)%以下用熵值法基于芳香物質(zhì)數(shù)據(jù)求取葡萄酒香氣質(zhì)量，已達(dá)到對評酒員評價準(zhǔn)確度的目clearallloadxqdffileredxq1redxq2whitexq1whitexq2loadfxwzfile%首%首先求%將數(shù)值標(biāo)準(zhǔn)化處理，處理為0~1之間forforforifeh(i)=-fori=1:27%將兩種排名升序，得到1:27在兩種排名中所占的排位，在進(jìn)行求解誤ifhjpjwc1<hjpjwc2disp('對于紅葡萄酒而言，第一組評酒員比第二組更準(zhǔn)確disp('對于紅葡萄酒而言，第二組評酒員比第一組更準(zhǔn)確%以下求%將數(shù)值標(biāo)準(zhǔn)化處理，處理為0~1之間forforforifeb(i)=-fori=1:28%將兩種排名升序，得到1:28在兩種排名中所占的排位，在進(jìn)行求解誤ifhjpjwc1<hjpjwc2disp('對于白葡萄酒而言，第一組評酒員比第二組更準(zhǔn)確disp('對于白葡萄酒而言，第二組評酒員比第一組更準(zhǔn)確1.2matlab1.2.1神經(jīng)網(wǎng)絡(luò)訓(xùn)練的主clearallloadlhzbdffileload[hzldfsxq3]=sort(hjzldf);[bzldfsxq4]=sort(bjzldf);%首先%首先對紅酒進(jìn)行神經(jīng)訓(xùn)練hjxl1=[hlhdfsx(1)hlhdfsx(3)hlhdfsx(6)hlhdfsx(8)hlhdfsx(11)hlhdfsx(14)...hlhdfsx(17)hlhdfsx(20)hlhdfsx(22)hlhdfsx(25)hlhdfsx(27)];hjxl2=[hzldfsx(1)hzldfsx(3)hzldfsx(6)hzldfsx(8)hzldfsx(11)hzldfsx(14)...hzldfsx(17)hzldfsx(20)hzldfsx(22)hzldfsx(25)hzldfsx(27)];forfc1=fc1+abs((t1(i)-if%將結(jié)果進(jìn)行分級（~0.2E級，0.2~0.4為D級，0.4~0.6C級，0.6~0.8為B級，0.8~為A級for%以下白酒進(jìn)行神經(jīng)訓(xùn)練并分bjxl1=[blhdfsx(1)blhdfsx(3)blhdfsx(6)blhdfsx(9)blhdfsx(12)blhdfsx(14)...blhdfsx(17)blhdfsx(20)blhdfsx(23)blhdfsx(26)blhdfsx(28)];bjxl2=[bzldfsx(1)bzldfsx(3)bzldfsx(6)bzldfsx(9)bzldfsx(12)bzldfsx(14)...bzldfsx(17)bzldfsx(20)bzldfsx(23)bzldfsx(26)bzldfsx(28)];forfc2=fc2+abs((t2(i)-if%將結(jié)果進(jìn)行分級（~0.2E級，0.2~0.4為D級，0.4~0.6C級，0.6~0.8為B級，0.8~為A級forloadzldffileplot(1:27,hjzldf,'r*-',1:27,hptlhdf,'bo-title('釀酒紅葡萄的理化指標(biāo)和酒質(zhì)量的比較plot(1:28,bjzldf,'r*-',1:28,bptlhdf,'bo-title('釀酒白葡萄的理化指標(biāo)和酒質(zhì)量的比較title('釀酒白葡萄的理title('釀酒白葡萄的理化指標(biāo)和酒質(zhì)量的比較legend('釀酒白葡萄的理化指標(biāo)得分','白葡萄酒的質(zhì)量得分1.2.2葡萄酒質(zhì)量得分的clearall%對于紅酒和白酒，按照樣品升序排列給%以下對于紅酒給予分for%以下對于白酒給予分for%繪出紅酒按照樣品對質(zhì)量排名的走勢plot(hjsx,hjzldf,'r*-ylabel('紅葡萄酒按照質(zhì)量排名得分%繪出白酒按照樣品對質(zhì)量排名的走勢ylabel('白葡萄酒按照質(zhì)量排名得分%保存各葡萄酒的質(zhì)量得1.2.3理化指標(biāo)得分的clearallloadlhzbqzfileloadhbptlhhsjfile%首先求27種紅葡萄的理化指標(biāo)得分（分?jǐn)?shù)越高越好forforj=1:30plot(1:27,hptlhdf,'r*-xlabel('27種釀酒紅葡萄')ylabel('各紅葡萄的得分%首先求28種白葡萄的理化指標(biāo)得分（分?jǐn)?shù)越高越好forforj=1:30xlabel('28種釀酒白葡萄')1.3matlab1.3.1神經(jīng)網(wǎng)絡(luò)的定性clearallloadlhzbfile%首先對紅酒理化指標(biāo)進(jìn)行神經(jīng)訓(xùn)forforiffc1=fc1+