2012年数学建模A题优秀论文
2012数学建模A题论文：葡萄酒的评价
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： 2012年 9月日赛区评阅编号（由赛区组委会评阅前进行编号）：编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：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）：葡萄酒的评价摘要葡萄拥有很高的营养价值，含有多种氨基酸、蛋白质和维生素，而以葡萄为原料的葡萄酒也蕴藏了多种营养物质，而且这些物质都是人体必须补充和吸收的营养品。
目前，已知的葡萄酒中含有的对人体有益的成分大约就有600种。
葡萄酒的营养价值由此也得到了广泛的认可，可以说葡萄酒是一个良好的滋补品。
本文通过对葡萄酒的评价，以及酿酒葡萄和葡萄酒的理化指标之间的关系进行讨论分析。
对不同的酿酒葡萄进行了分类，并更深入讨论两者的理化指标是否影响葡萄酒质量。
对于本题，我们主要采用SPSS软件对模型进行求解。
针对问题一，首先我们将附件1中数据在Excel中进行处理；其次，我们在SPSS中，采用T检验，分别分析出两组评酒品红、白葡萄酒的评价结果有无差异性。
2012年数学建模A题优秀论文
基于数理分析的葡萄评价体系摘要葡萄酒质量的好坏主要依赖于评酒员的感观评价，由于人为主观因素的影响，对于酒质量的评价总会存在随机差异，为此找到一种简单有效的客观方法来评酒，就显得尤为重要了。
本文通过研究酿酒葡萄的好坏与所酿葡萄酒的质量的关系，以及葡萄酒和酿酒葡萄检测的理化指标的关系，以及葡萄酒理化指标与葡萄酒质量的关系，旨在通过客观数据建立数学模型，用客观有效的方法来评价葡萄酒质量。
对于问题一，我们首先用配对样品t 检验方法研究两组评酒员评价差异的显著性，将红葡萄酒与白葡萄酒进行分类处理，用SPSS 软件对两组评酒员的评分的各个指标以及总评分进行了配对样本t 检验。
得到的部分结果显示：红葡萄酒外观色调、香气质量的评价存在显著性差异，其他单指标的评价不存在显著差异，白葡萄、红葡萄以及整体的评价存在显著性差异。
接着我们建立了数据可信度评价模型比较两组数据的可信性，将数据的可信度评价转化成对两组评酒员评分的稳定性评价。
首先我们对单个评酒员评分与该组所有评酒员评分的均值的偏差进行了分析，偏差不稳定的点就成为噪声点，表明此次评分不稳定。
然后我们用两组评酒员评分的偏差的方差衡量评酒员的稳定性。
得到第 2 组的方差明显小于第1 组的，从而得出了第2 组评价数据的可信度更高的结论。
对于问题二，我们根据酿酒葡萄的理化指标和葡萄酒质量对葡萄进行了分级。
一方面，我们对酿酒葡萄的一级理化指标的数据进行标准化，基于主成分分析法对其进行了因子分析，并且得到了27 种葡萄理化指标的综合得分及其排序。
另一方面，我们又对附录给出的各单指标百分制评分的权重进行评价，并用信息熵法重新确定了权重，用新的权重计算出27 种葡萄酒质量的综合得分并排序。
最后我们对两个排名次序用基于模糊数学评价方法将葡萄的等级划分为1-5 级。
对于问题三，首先我们将众多的葡萄理化指标用主成分分析法综合成 6 个主因子，并将葡萄等级也列为主因子之一。
对葡萄的 6 个主因子，以及葡萄酒的10 个指标用SPSS 软件进行偏相关分析，得到酒黄酮与葡萄的等级正相关性较强等结论。
2012CUMCM全国大学生数学建模竞赛A题论文
2012CUMCM全国大学生数学建模竞赛A题论文D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）： 132所属学校（请填写完整的全名）大连海事大学参赛队员(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）：葡萄酒的评价摘要：本文主要需要解决的问题是将葡萄酒从评酒师感官方面的定性评价通过一定的数据处理与数学模型的建立转化为由酿酒葡萄和葡萄酒理化指标做基础的定量的葡萄酒评价方法。
考虑到红葡萄酒和白葡萄酒之间的差异性，我们对它们分别进行讨论。
针对题目中的问题，我们通过如下的方法去解决：（1）第一问是对评酒员评分的差异性的分析与可信度的分析。
我们通过传统统计学的平均数与标准差的计算方法，计算各葡萄样品评酒员所打分数的平均值与每组评酒员之间所打分数的标准差，再进行作图比较，得出我们想要的结论。
（2）第二问是根据酿酒葡萄的理化指标对酿酒葡萄进行分级。
我们首先通过计算各理化指标的Pearson相关系数矩阵，分析各指标之间的Pearson相关系数，得到高度相关的理化指标。
再通过聚类的方法，将这些理化指标聚合成一类因子。
最后通过对各因子与葡萄酒质量的数据拟合，得出一定的函数关系式，结合前苏联对葡萄酒的评价模型与张大鹏检验模型对关系式进行检验。
（3）第三问是分析酿酒葡萄和葡萄酒理化指标之间的联系。
我们首先选取一些含量大且对葡萄酒质量有较大影响的理化指标。
对这些指标进行数据拟合与修正，得出我们想要的函数关系式。
2012年大学生数学建模竞赛A题(优秀论文A题葡萄酒)
葡萄酒质量的评价摘要葡萄酒质量的好坏主要依赖于评酒员的感观评价，由于人为主观因素的影响，对于酒质量的评价总会存在随机差异，为此找到一种简单有效的客观方法来评酒，就显得尤为重要了。
本文通过研究酿酒葡萄的好坏与所酿葡萄酒的质量的关系，以及葡萄酒和酿酒葡萄检测的理化指标的关系，以及葡萄酒理化指标与葡萄酒质量的关系，旨在通过客观数据建立数学模型，用客观有效的方法来评价葡萄酒质量。
首先，采用双因子可重复方差分析方法，对红、白葡萄酒评分结果分别进行检验，利用Matlab软件得到样品酒各个分析结果，结合01-数据分析，发现对于红葡酒有70.3%的评价结果存在显著性差异，对于白葡萄酒只有53%的评价结果存在显著性差异。
通过比较可知，两组评酒员对红葡萄酒的评分结果更具有显著性差异，而对于白葡萄酒的评分，评价差异性较为不明显。
为了评价两组结果的可信度，借助Alpha模型用克伦巴赫α系数衡量，并结合F检验，得出红葡萄酒第一组评酒员的评价结果可信度更高，而对白葡萄酒的品尝评分，第二组评酒员的评价结果可信度更高。
综合来看，主观因素对葡萄酒质量的评价具有不确定性。
结合已分析出的两组品酒师可靠性结果，对葡萄酒的理化指标进行加权平均，最终得出十位品酒师对样品酒的综合评价得分。
将每一样品酒的综合得分与其所对应酿酒葡萄的理化指标（一级指标）共同构成一个数据矩阵，采用聚类分析法，利用SPSS软件对葡萄酒样进行分类，根据分类的结果以及各葡萄样品酒综合得分最终将酿酒葡萄分为A（优质）、B（良好）、C（中等）、D（差）四个等级，客观地反映了酿酒葡萄的理化指标与葡萄酒质量之间的联系。
为了分析酿酒葡萄与葡萄酒理化指标之间的联系，采用相关分析法，能有效地反映出两者间的联系，取与葡萄各成分相关性显著的葡萄酒理化指标，与葡萄成分做多元线性回归得出葡萄酒理化指标与酿酒葡萄的拟合方程，从而反映酿酒葡萄与葡萄酒理化指标之间的联系。
由于已经通过回归分析建立了酿酒葡萄和葡萄酒理化指标之间的关系，因此从酿酒葡萄成分对葡萄酒的理化指标的影响，再研究出葡萄酒理化指标与葡萄酒质量的联系，便可作为一个桥梁，反映出葡萄与葡萄酒理化指标对葡萄酒的质量的作用。
2012全国数学建模论文a题(葡萄酒)省一等奖范文
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)：指导组日期：2012 年 9 月 10 日赛区评阅编号（由赛区组委会评阅前进行编号）：编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：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）：2葡萄酒的评价摘要本文主要根据评酒员对葡萄酒的一系列指标的打分，从而对葡萄酒的质量作出判别。
考虑到酿酒葡萄的好坏、所酿葡萄酒的质量和酿酒工艺、陈酿技术等约束条件，为此我们建立模型来确定影响葡萄酒评价的各种因素。
在这模型中利用excel，spss，matlab等一系列的数学工具对模型进行求解，综合统计分析的应用对所给的结果进行比较，从而得出最终的结果。
首先，对于问题1，分析两组评酒员的评价结果，每个评酒员对外观、口感、香气、平衡/整体四个方面指标得分进行求和，得到其总分，确定葡萄酒的质量。
由于葡萄酒的质量满足正态分布，为了能分辨出两组的差异，所以利用spss进行配对T检验，从而得出两组评酒员有显著的差异。
其次，用excel对两组进行方差分析，根据所得到的P值大小，得出第一组的评价结果更为可信。
对于问题2，在问题1的基础下，根据所给的理化指标和葡萄酒的质量利用spss统计分析软件进行分析，相关性分析对数据进行预备分析，剔除与葡萄酒质量无显著性相关的指标，再利用系统聚类的方法对酿酒葡萄进行分级。
2012年数学建模A题优秀论文
基于数理分析的葡萄评价体系摘要葡萄酒质量的好坏主要依赖于评酒员的感观评价，由于人为主观因素的影响，对于酒质量的评价总会存在随机差异，为此找到一种简单有效的客观方法来评酒，就显得尤为重要了。
本文通过研究酿酒葡萄的好坏与所酿葡萄酒的质量的关系，以及葡萄酒和酿酒葡萄检测的理化指标的关系，以及葡萄酒理化指标与葡萄酒质量的关系，旨在通过客观数据建立数学模型，用客观有效的方法来评价葡萄酒质量。
对于问题一，我们首先用配对样品t 检验方法研究两组评酒员评价差异的显著性，将红葡萄酒与白葡萄酒进行分类处理，用SPSS 软件对两组评酒员的评分的各个指标以及总评分进行了配对样本t 检验。
得到的部分结果显示：红葡萄酒外观色调、香气质量的评价存在显著性差异，其他单指标的评价不存在显著差异，白葡萄、红葡萄以及整体的评价存在显著性差异。
接着我们建立了数据可信度评价模型比较两组数据的可信性，将数据的可信度评价转化成对两组评酒员评分的稳定性评价。
首先我们对单个评酒员评分与该组所有评酒员评分的均值的偏差进行了分析，偏差不稳定的点就成为噪声点，表明此次评分不稳定。
然后我们用两组评酒员评分的偏差的方差衡量评酒员的稳定性。
得到第 2 组的方差明显小于第1 组的，从而得出了第2 组评价数据的可信度更高的结论。
对于问题二，我们根据酿酒葡萄的理化指标和葡萄酒质量对葡萄进行了分级。
一方面，我们对酿酒葡萄的一级理化指标的数据进行标准化，基于主成分分析法对其进行了因子分析，并且得到了27 种葡萄理化指标的综合得分及其排序。
另一方面，我们又对附录给出的各单指标百分制评分的权重进行评价，并用信息熵法重新确定了权重，用新的权重计算出27 种葡萄酒质量的综合得分并排序。
最后我们对两个排名次序用基于模糊数学评价方法将葡萄的等级划分为1-5 级。
对于问题三，首先我们将众多的葡萄理化指标用主成分分析法综合成 6 个主因子，并将葡萄等级也列为主因子之一。
对葡萄的 6 个主因子，以及葡萄酒的10 个指标用SPSS 软件进行偏相关分析，得到酒黄酮与葡萄的等级正相关性较强等结论。
2012年数学建模A题一等奖获奖论文
秩和得到一个新的排序。由于此排序综合了 20 个评酒员的结果，因此，更能反 应酒样的排序真实性，即认为该综合排序为理想排序。记样品 j 在第一组、第二 组排序内的秩次为 X j (1) ， X j (2) ，综合之后排序秩次为 X j 。红葡萄酒三种排序的 比较图如下：
关键词：葡萄酒评价
排序检验法
符号秩检验
TOPSIS 法
多重比较
1
一、问题重述
对于葡萄酒质量的确定，现如今通常采用感官评价的方法，即聘请一批有资 质的品酒员对葡萄酒进行品评，然后对其外观、口感等分类指标进行打分。最后 通过求和得到每种葡萄酒的总分，从而确定葡萄酒的质量。附件 1 中给出了某一 年份一些葡萄酒的打分结果。 同时，酿酒葡萄的好坏又直接影响着所酿葡萄酒的质量。除了感官评价的方 法之外，在某种程度上，葡萄酒和酿酒葡萄检测的理化指标也能反映葡萄酒和葡 萄的质量。附件 2 和附件 3 即给出了同一年份中，这些葡萄酒的和酿酒葡萄的成 分数据。 请分析题目，试建立合适的数学模型解决以下问题： 1. 对于附件 1 中的红葡萄酒与白葡萄酒， 每种葡萄酒均由两组评酒员对其进 行打分。试分析这两组品酒员的评价结果有无显著性差异，并判断哪一组的结果 更为可信。 2. 综合感官评价所得到的葡萄酒质量与酿酒葡萄的理化指标，对酿酒葡萄 进行分级。 3. 试分析酿酒葡萄、葡萄酒的两组理化指标之间有何关系。 4. 分析酿酒葡萄的理化指标、葡萄酒的理化指标对葡萄酒质量的影响，论 证能否只用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
3
分的差异是否在一定的置信区间内，若不在，则认为评分差异性显著。 考虑到本题的背景，两组评分的差异可体现在对样本酒的排名差异上。由于 该问属于食品评价中的感官评价问题，因此，可结合感官评价中的排序检验与非 参数检验中的符号秩检验，对两组评分的显著性进行评价。 1.1.1 样品秩次和秩和的求解 评酒员对每一个酒样均从四大方面进行了评分。根据题意，葡萄酒的质量由 总分所确定。 因此， 我们将每一个方面的评分加和， 得到 i 品酒员对葡萄酒样品 j 的总评分。 以红葡萄酒的评价为例，对于品酒员 i ，将其对 27 种样品的评分进行排序， 评分最高的酒样秩次为 1，当多个样品有相同秩次时，则取平均秩次。记在 i 品 酒员的评价排序中， j 酒样的秩次为 xij ，可得到秩次矩阵为：
2012年全国大学生数学建模优秀论文(A题) 2
地下储油罐的变位分析与罐容表标定摘要加油站地下储油罐在使用一段时间后，由于地基变形等原因会发生纵向倾斜及横向偏转，导致与之配套的“油位计量管理系统”受到影响，必须重新标定罐容表。
本文即针对储油罐的变位时罐容表标定的问题建立了相应的数学模型。
首先从简单的小椭圆型储油罐入手，研究变位对罐容表的影响。
在无变位、纵向变位的情况下分别建立空间直角坐标系，在忽略罐壁厚度等细微影响下，运用积分的方法求出储油量和测量油位高度的关系。
将计算结果与实际测量数据在同一个坐标系中作图，经计算得误差均保持在3.5%以内。
纵向变位中，要分三种情况来进行求解，然后将三段的结果综合在一起与变位前作比较，可以得到变位对罐容表的影响。
通过计算，具体列表给出了罐体变位后油位高度间隔为1cm 的罐容表标定值。
进一步考虑实际储油罐，两端为球冠体顶。
把储油罐分成中间的圆柱体和两边的球冠体分别求解。
中间的圆柱体求解类似于第一问，要分为三种情况。
在计算球冠内储油量时为简化计算，将其内油面看做垂直于圆柱底面。
根据几何关系，可以得到如下几个变量之间的关系：测量的油位高度0h 实际的油位高度h 计算体积所需的高度H于是得到罐内储油量与油位高度及变位参数（纵向倾斜角度α和横向偏转角度β ）之间的一般关系。
再利用附表2中的数据列方程组寻找α与β最准确的取值。
αβ一、问题重述通常加油站都有若干个储存燃油的地下储油罐，并且一般都有与之配套的“油位计量管理系统”，采用流量计和油位计来测量进/出油量与罐内油位高度等数据，通过预先标定的罐容表（即罐内油位高度与储油量的对应关系）进行实时计算，以得到罐内油位高度和储油量的变化情况。
许多储油罐在使用一段时间后，由于地基变形等原因，使罐体的位置会发生纵向倾斜和横向偏转等变化（以下称为变位），从而导致罐容表发生改变。
按照有关规定，需要定期对罐容表进行重新标定。
题目给出了一种典型的储油罐尺寸及形状示意图，其主体为圆柱体，两端为球冠体。
2012数学建模论文A题-------阜阳师范学院数学与计算科学学院 (2)
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）：阜阳师范学院参赛队员(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）：编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：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）：基于统计分析的葡萄酒评价模型摘要葡萄拥有很高的营养价值，含有多种氨基酸、蛋白质和维生素，而以葡萄为原料的葡萄酒也蕴藏了多种营养物质，而且这些物质都是人体必须补充和吸收的营养品。
目前，已知的葡萄酒中含有的对人体有益的成分大约就有600种。
葡萄酒的营养价值由此也得到了广泛的认可，可以说葡萄酒是一个良好的滋补品。
本文通过对葡萄酒的评价，以及酿酒葡萄和葡萄酒的理化指标之间的关系进行讨论分析。
对不同的酿酒葡萄进行了分类，并更深入讨论两者的理化指标是否影响葡萄酒质量。
对于本题，我们主要采用SPSS软件对模型进行求解。
问题一：首先，我们对附录1中数据进行处理，利用excel分别求出两组评酒员分别对红葡萄酒和白葡萄酒的评价结果的平均值。
其次，我们在excel中，求出两组葡萄酒评价结果的平均值的标准差，通过对比两组相应葡萄酒评价结果的平均值的标准差，分别分析出两组评酒品红、白葡萄酒的评价结果有无差异性。
2012年建模A题
摘要本篇论文，我们运用统计学的方法及原理，对2012年全国大学生数学建模竞赛 A组题的前两个小问题建模并得到好的结果。
对于第一问，我们在不知道每种类型葡萄酒的质量服从何种分布的情况下，将对两组评酒员对葡萄酒的打分存在显著性差异的检验问题分解为对各项指标的打分是否存在显著性差异的检验问题，进而构造成对比较，用1样本T检验。
我们算得两组评酒员对白葡萄酒的口感纯正度，口感浓度，口感持久性，口感质量，平衡整体五项指标的评价存在显著性差异。
对于红葡萄酒，我们算得两组评酒员对红酒的外观色调），香气浓度的打分存在显著性差异。
接着，为了检验两组评酒员对葡萄酒的打分是否存在显著性差异，我们定义了在指标集的示性函数，及各项指标对结论“两组品酒员对葡萄酒打分存在显著性差异”的贡献率，结合对各项指标存在显著性差异的检验，最终得出了两组评酒员对白酒的打分存在显著性差异，对红酒的打分不存在显著性差异。
关于两组评酒员对葡萄酒评价的可靠度的分析，我们转化为对各组内评酒员打分的稳定性的分析，从同组评酒员对同种酒的同项指标的评分的标准差入手，建立对稳定性分析的量化指标。
我们分别计算了两组评酒员对各酒样的各评价指标评分的标准差，分别记为 SSTD1 和 SSTD2，统计了SSD1>SSD2的项数，以及计算了SSD1，SSD2的数学期望，比较其大小，最终得出了第二组评酒员对酒打分更具可信度的结论。
对于第二问，我们将酿酒葡萄的理化指标进行了主成分分析，将指标简化，提取主要部分，消除信息的冗余，在此基础上，借助MATLAB，将葡萄样本进行聚类，最后，在合理的假设的基础上借助第二组评酒员对葡萄酒打分的排名对葡萄进行分级。
关键字假设检验，主成分分析，样本标准差，聚类分析1问题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，然后求和得到其总分，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。
2012年全国数学建模竞赛A题全国优秀论文
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： 2012 年 9 月 10 日赛区评阅编号（由赛区组委会评阅前进行编号）：编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：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）：A题葡萄酒的评价摘要随着我国葡萄酒业的逐步发展，葡萄酒生产企业的规模和数量不断扩大，葡萄酒的质量成为大家越来越关心的话题，本文旨在建立数学模型评价葡萄酒和酿酒葡萄的质量。
针对问题一，本文拟采用离散点检验、F检验、τ检验建立综合检验模型，首先利用残差绝对值法剔除原始评分中的异常数据，得出各葡萄酒样品的两组平均得分，然后对两组数据进行F检验知F值大于F分布临界值，确定两组评价结果间存在显著性差异，最后进行τ检验知两组数据间系统误差相当，综合F检验和τ检验知两组评价结果间系统误差相当精密度不同，且第一组标准差大于第二组，因此确定第二组评价结果更可信。
针对问题二，对酿酒葡萄进行分级，采用主成分分析法建立主成分分析模型，首先降多个理化指标为累计贡献率达%73的六个互不相关的主成分，对主成分累计贡献537.率进行归一化处理得各主成分权重，进而确定葡萄样品的主成分理化指标加权综合评分，由matlab数据拟合知理化指标与葡萄酒的质量互不相关，因此根据表2-4准则把酿酒葡萄分为三个等级。
2012数学建模优秀论文A题(借鉴着去写摘要).
基于系统综合评价的城市表层土壤重金属污染分析摘要本文针对城市表层土壤重金属污染问题，首先对各重金属元素进行分析，然后对各种重金属元素的基本数据进行统计分析及无量纲化处理，再对各金属元素进行相关性分析，最后针对各个问题建立模型并求解。
针对问题一，我们首先利用EXCEL 和 SPSS 统计软件对各金属元素的数据进行处理，再利用Matlab 软件绘制出该城区内8种重金属元素的空间分布图最后通过内梅罗污染模型：2/12max22⎪⎪⎭⎫ ⎝⎛+=P P P 平均综，其中平均P 为所有单项污染指数的平均值，m ax P 为土壤环境中针对问题二,我们首先利用EXCELL 软件画出8种元素在各个区内相对含量的柱状图，由图可以明显地看出各个区内各种元素的污染情况，然后再根据重金属元素污染来源及传播特征进行分析，可以得出工业区及生活区重金属的堆积和迁移是造成污染的主要原因，Cu 、Hg 、Zn 主要在工业区和交通区如公路、铁路等交通设施的两侧富集，随时间的推移，工业区、交通区的土壤重金属具有很强的叠加性，受人类活动的影响较大。
同时城市人口密度，土地利用率，机动车密度也是造成重金属污染的原因。
针对问题三，我们从两个方面考虑建模即以点为传染源和以线为传染源。
针对以点为传染源我们建立了两个模型：无约束优化模型()[]()[]()22y i y x i x m D -+-=，得到污染源的位置坐标()6782,5567；有衰减的扩散过程模型得位置坐标（8500,5500），模型为：u k zu c y u b x u a h u 2222222222-∂∂+∂∂+∂∂=∂∂， 针对以线为传染源我们建立了l c be u Y ∆-+=0模型，并通过线性拟合分析线性污染源的位置。
针对问题四，我们在已有信息的基础上，还应收集不同时间内的样点对应的浓度以及各污染源重金属的产生率。
根据高斯浓度模型建立高斯修正模型，得到浓度关于时间和空间的表达式ut e C C -⋅=0。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
11.
2 T
：为全酒样总得分的方差。
13.Xki:葡萄的理化指标变量
10.
2 i
：为第
i
种酒样品得分的方差
12： ：为随机误差项。
14.Βk: 未知参数
15. ：解释变量估计值
16. ： 实际观测值
17. ：变量
18. ：残差
五、模型的建立与求解
5.1 问题一模型的建立和求解 5.1.1.评价结果的显著性差异分析
4
行结果：
对1
一红 - 二红
对2
一白 - 二白
t 2.390 -2.127
n
Sig.(双侧)
26
.024
26
.043
结论分析：本题中的自由度 n=27-1=26， t (26) 2.0555，即知拒绝域为 2
t 2.0555，由上表可知两组评酒师对红、白葡萄酒的评价结果的检验值
t1 2.390 2.0555, t2 2.127 2.0555,因为两个检验值均在拒绝域，所以两组评酒师
66.3
68.4
75.5
样品 7
71.5
65.3
77.5
74.2
样品 8
72.3
66
71.4
72.3
样品 9
81.5
78.2
72.9
80.4
样品 10 74.2
68.8
74.3
79.8
样品 11 70.1
61.6
72.3
71.4
样品 12 53.9
68.3
63.3
72.4
样品 13 74.6
68.8
（1）因为两组评酒师对同一样品评价的两个数据之间的差异可看成仅仅是由人的 因素引起的，这样各组中两个数据来比较就能排除种种其他因素，而 4 组数据的分布都 近似为正态分布，从而够利用 SPSS 软件来测出这两组评酒师的评价结果是否有显著性 差异。运用先求加权平均值再求平均值的方法得到最终结果，再利用 SPSS 软件求得适 用于态度、评价的信度分析的 Cronbach’s α系数，来判断哪组可靠性更好
针对问题三，对葡萄酒的理化指标进行主成分分析，得到葡萄酒的主要成分，然后 将每一个主成分与酿酒葡萄的理化指标进行多元回归分析，根据 SPSS 软件运行结果得 出主成分与酿酒葡萄的理化指标的相关性。
针对问题四，利用因子分析分别给出酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的 影响因素，将附件 3 中 4 个表格里的每张样品中所含各种芳香物质求和作为样品中的芳 香指标与葡萄酒的理化指标一并进行因子分析，比较前后两者结果中由样品中的芳香指 标导致的影响差异来确定不能只用葡萄和葡萄酒的理化指标来评价葡萄酒的质量，还需 要结合感官指标，感官指标是评价葡萄酒质量的最终及最有效的指标。
四、符号说明
1. H0∶t 检验的原假设 3. X1 ， X2 ：分别为两样本平均数； 5. 为相关样本的相关系数。 7. F：酿酒葡萄的理化指标的主成分
2. H1∶t 检验的择备假设
4.
2 X1
，
2 X
2
：分别为两样本方差；
6.n：t 检验中的自由度
8. ：检验水平，值为 0.05
9.K：为酒样的总数
65.9
73.9
样品 14
73
72.6
72
77.1
样品 15 58.7
65.7
72.4
78.4
样品 16 74.9
69.9
74
67.3
样品 17 79.3
74.5
78.8
80.3
样品 18 59.9
65.4
73.1
76.7
样品 19 78.6
72.6
72.2
76.4
样品 20 78.6
75.8
77.8
76.6
样品 21 77.1
72.2
76.4
79.2
样品 22 77.271.6 Nhomakorabea71
79.4
样品 23 85.6
77.1
75.9
77.4
样品 24
78
71.5
73.3
76.1
样品 25 69.2
68.2
77.1
79.5
样品 26 73.8
72
81.3
74.3
样品 27
73
71.5
64.8
77
软件应用的过程为：打开 SPSS 软件，选择“分析栏”下的“比较均值”一栏得出运
（2）从应用原理看本题中比较符合第一种情况，又因为本问题的数据是成对的，是
两组分别对相同的样品测出的数据，我们看到同一对两个数据之间的差异可看成仅仅是
由人的因素引起的，这样局限于各对中两个数据来比较就能排除种种其他因素，从而能
比较这两组数据中的各自的测量结果是否有显著性差异。
（3）应用先求和后平均的算法作出对各个样品的总的指标，如图表 1，按照表 1 中
关键词：理化指标 主成分分析法 可信度分析 显著差异 聚类分析 芳香物质
1
一、问题重述
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，然后求和得到其总分，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。请尝试建 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 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，并且能否葡萄和葡萄酒 的理化指标来评价葡萄酒的质量？
二、问题分析
两组非相关样本被试所获得的数据的差异性 [1] 。
配对设计资料具有一一对应的特点，研究者关心的变量是对子的效应差值，而不是 各自的效应值。如果两处理因素的效应无差别，理论上差值 d 的均数应为 0，因此，可 将该检验理解为样本均数所对应的总体 μd 与总体均数 0 的比较。 其应用条件是差值 d 变量服从正态分布。t 检验步骤如下 ：
摘要
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。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。本文通过对 27 种红葡萄酒和 28 种白葡萄的理化指标数据进 行分析，采用显著性差异分析法、可靠度分析、因子分析法、相关系数分析、主成分分 析法以及聚类分析法，借助统计软件 SPSS 和数学软件 MATLAB，分析了两组评酒员的评 价结果有无显著性差异和可信度，给出了酿酒葡萄与葡萄酒的理化指标之间的联系，建 立了基于酿酒葡萄理化指标和葡萄酒质量的聚类分析模型确定了葡萄酒质量的影响因 素，最后通过补充相关信息，建立基于分析模型确定了葡萄酒质量的影响因素。
的数据应用 SPSS 软件进行 t 检验（检验水平 =0.05）。
表 1：样品平均值
一红
二红
一白
二白
样品 1
62.7
68.1
82
77.9
样品 2
80.3
74
74.2
75.8
样品 3
80.4
74.6
85.3
75.6
样品 4
68.6
71.2
79.4
76.9
样品 5
73.3
72.1
71
81.5
样品 6
72.2
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
建立原假设 H0∶1 = 2 择备假设 H1∶1 ≠ 2 相关样本的 t 检验公式为：
3
。
t
X1 X2
2 X1
2 X
2
2 X1 X2
n 1
在这里，
X1
，
X2
分别为两样本平均数；
2 X1
，
2 X2
分别为两样本方差；
为相关样本的
相关系数。根据自由度 n，查 t 值表求 t 的拒绝域。若实际计算出来的结果不在拒绝域 内，则接受,测量结果无显著性差异，反之，则有显著性差异。
的评价结果有显著性差异 5.1.2.评价结果的可信度分析
模型准备；信度主要分为四大类：重测信度(Test-retest Reliability)、复本信 度 (Alternate-form Reliability) 、 内 部 一 致 性 信 度 (Internal Consistency Reliability)、评分者信度(Scorer Reliability)。本文采用 Cronbach’s 信度系数 内部一致性信度检验，Cronbach’s 系数是 Cronbach 于 1951 年创立的，用于评价问 卷的内部一致性。 系数取值在 0 到 1 之间， 系数越高，信度越高，评价的内部一致 性越好。Cronbach’s 系数不仅适用于两级记分的问卷，还适用于多级计分的问卷。