葡萄酒评价模型.doc

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。 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。 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。 我们授权全国大学生数学建模竞赛组委会，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）。 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）： 参赛队员 (打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人 (打印并签名)： 日期： 年 月 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）：  葡萄酒的评价模型 摘 要 本文对葡萄酒的评价过程及其重要评价指标做了较为科学细致的研究。为客观公正的评价葡萄酒的质量并揭示酿酒葡萄与葡萄酒质量之间的关系，提供了一套客观完整的从原材料到产成品的评价体系。 目前国内外对葡萄酒的评价主要依靠评酒员，鉴于不同评酒员的能力及偏好等对酒品评价的影响，我们在第一问中运用统计学中常用的方差分析法，找出了两组评酒员评价结果的置信区间。进而对两组评酒员的评价结果进行差异性、合理性分析，得出结论。 第二问中对于对酿酒葡萄的分级，我们先利用国际通用的主要理化指标对葡萄进行分级，然后用主成分分析法得出酿酒葡萄的主要评价指标，进而用科学而又简便的人工神经网络分析法建立了一套BP神经网络对葡萄进行分级，并用部分数据进行验证，取得了较好的模拟效果。 第三问中鉴于葡萄酒的酿造涉及复杂的生化反应以及物理量变化，我们先假定一酿造过程不变量，利用其进行指标数据相对无量纲化，然后考虑两个主要的生化反应，注意到反应物与生成物的多样性，再次利用神经网络对主要反应参与物之间建立转化关系。而对于其他指标，为简化模型，我们“就轻取重”，对主要成分进行数据分析，得出一般结论。 考虑到第三问中的葡萄与酒之间理化指标的对应关系，在最后一问中，我们并未试图建立葡萄和酒的理化指标与酒的质量之间的定量关系（我们认为这将是一项细致繁琐且又费时的工作），而是在定性描述之后，着重利用TOPSIS模型论证用葡萄和酒的理化指标来评价酒的质量这一工作的合理性、可行性，并最终得到肯定结论。 综合四个问题的解决方案，我们基本上理清了从葡萄到葡萄酒的一系列转化关系及指标对应关系。在模型建立过程中，我们常常用相关数据的一半建立模型，另一半来验证模型，以期得到最好的数学模型来解决问题。可以说在本文的基础之上，完全可以进行严谨而又细致的后续工作，得到更加准确的结论，甚至可以建立一套完整的标准评价体系，对葡萄酒进行数字化、指标化评价，以节省人力物力资源。 当然我们的模型亦有较多不足之处，在模型改进中提出了改进方法。 关键词： 葡萄酒评价 方差分析 主成分分析 人工神经网络 模型 1问题的重述 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，