分析酿酒葡萄与葡萄酒的理化指标之间的联系
葡萄酒评分数模国赛赛题
四、符号说明
y i ： 葡萄酒的理化指标；
x j ： 葡萄的理化指标；
X i ： x1 ,, x63 与 y i 线性相关性高的 x j 组成的向量； Ai ： 由回归系数组成的向量；
ui* ： 与红葡萄酒质量相关较大的理化指标和芳香物质； ui** ： 与白葡萄酒质量相关较大的理化指标和芳香物质；
二、模型假设及说明
1．假设样本之间相互独立。 2．假设理化指标是真实可信的。 3．假设评酒员对葡萄酒的个人喜好差异可以忽略不计。 4. 假设芳香物质中仪器没有测出的物质含量为 0。 5．假设葡萄酒的质量没有受其他的理化指标的影响。 6．假设酿酒葡萄没有其他的影响指标，如光照、地域等。 7．假设品酒师品酒的环境相同。
P Wy d tm , n d N n
（1）
P Wy d
t i
id m,m
N n
, d n n 1 / 2,
, n n 1 / 2 mn
（2）
其中，tm,n d 表示从 1, 2, 种数。
, xm 和样本 y1 , y2 ,
yn 分别抽自相互独立的连续型随机变量总 , xm , y1 , y2 , , yn 的各个单元
体 F x 和 G x ， 并设这两个样本的合并样本 x1 , x2 ,
之间互不相等，则合并的样本容量 N m n 。对合并后的样本，按从小到大的 顺序排列，并以 Ri 为 yi 在混合样本的秩。则 Y 样本 y1 , y2 ,
为统计量和用 Wy 作为统计量是相互等价的。 3. 模型的建立 设样本 x1 , x2 ,, xm (m 1,2,,27) 和样本 y1 , y2 ,, yn (n 1,2,,28) 分别抽自 相互独立的连续型随机变量总体 F x 和 G x ，则原假设为 H 0 : F x G x ， 备择假设为 H1 : F x G x 。 在原假设为真时，若 min m, n ，且 m / N 0,1 ， 是一个常数， 则 Wilcoxon 秩和统计量 Wy 的概率分布和累积概率分布分别为：
葡萄和葡萄酒的质量分析及评价
葡萄和葡萄酒的质量分析及评价摘要：葡萄酒的质量评价是研究葡萄酒的一个重要领域，目前葡萄酒质量的确定一般通过有资质的评酒员进行品评，也可通过建立数学模型依据葡萄酒和酿酒葡萄的理化指标来对葡萄酒进行评价研究。
关键词：偏相关分析；因子分析；多元线性回归；评价模型引言分析酿酒葡萄和葡萄酒的理化指标之间的联系，由于白葡萄和红葡萄及白葡萄酒和红葡萄酒在理化指标上都有所不同，所以需要分开分别分析，可以利用统计分析的方法将酿酒葡萄和葡萄酒的理化指标进行相关性分析。
1.葡萄酒与酿酒葡萄的相关性分析1.1数据处理不考虑酿酒葡萄和葡萄酒的二级指标，只重视一级指标的作用。
对多次测量的理化指标取平均值，把酿酒葡萄的55种芳香物质无量纲求和作为酿酒葡萄的一个理化指标，把葡萄酒的73种芳香物质无量纲求和作为葡萄酒的一个理化指标[1]。
1.2相关性分析相关分析就是研究两个或多个变量之间的相关程度大小，以及使用函数来表示互相关系的方法。
Lij>0时，表示葡萄酒的第i项指标与酿酒葡萄的第j项指标呈正相关；Lij<0时，表示葡萄酒的第i项指标与酿酒葡萄的第j项指标呈负相关；Lij的绝对值大小反映了葡萄酒的第i项指标与酿酒葡萄的j项指标线性关系的强弱。
但是Lij代表的相关系数存在误差，通过回归方程对Lij进行拟合，求出拟合度R方。
R方的范围是0到1，越大越好。
偏相关回归分析是在多元回归分析中常见的分析方法，在消除其他变量影响的条件下，所计算的某两个变量之间的的相关系数。
1.3相关性系数的求解将酿酒葡萄和葡萄酒的各项理化指标（各种芳香物质归为理化指标的一项）进行无量纲化。
现在有红葡萄酒的理化指标10个，酿红葡萄酒葡萄的理化指标31个，白葡萄酒的理化指标9个，酿白葡萄酒葡萄的理化指标31个。
通过SPSS软件的偏相关回归分析求得葡萄酒与酿酒葡萄理化指标之间的相关系数Lij,见附录和附录。
由相关系数正负可以判断葡萄酒与酿酒葡萄之间的性关系。
2012年数学建模A题
葡萄酒质量评定模型摘要葡萄酒质量的评定长久以来都是采用聘请品酒员，通过品酒员对葡萄酒各项指标打分求和来确定葡萄酒的质量。
葡萄酒的价格因品酒员评分高低的不同有显著的差别。
然而在这样的评定方式中人的主观因素对酒质量的评定占主导地位，葡萄酒质量的评定结果存在较大的不确定性。
随着人们对葡萄酒消费的增加及高质量化的追求，建立合理、规范、客观的葡萄酒质量评定模型显得尤为重要。
根据题中给出的相关数据，通过解决以下问题建立葡萄酒质量评定模型。
对于问题一：首先，将题目附录1中的数据经Excel处理，得到每组评酒员对每种酒样品的总分。
然后，对每一种酒样品运用两配对样本的非参数检验(符号秩和检验)对数据进行显著性差异分析，运用MATLAB软件比较各酒样品的两组数据发现两组结果差异显著。
其次，通过Excel求出每一种酒的品酒员所打总分的方差，得到两组品酒员分别对两类葡萄酒的方差走势图(见图1.1、1.2)，根据总体方差最小，方差波动较小，确定第二组品酒员的评分更可信。
最后，采用SPSS软件作进一步检验，结果相同即模型合理。
对于问题二，选取一级理化指标作为酿酒葡萄分级参考，对理化指标运用主成分分析法降维，通过MATLAB计算得到红葡萄的主成分有8个，白葡萄的主成分有11个。
综合评分得到的葡萄酒质量影响，红葡萄的影响因素有9个，白葡萄的影响因素有12个。
然后，利用折衷型模糊决策模型，考虑到由主成分分析方法得到的酿酒葡萄的的主成分值在反应酿酒葡萄质量好坏问题上会有一定的偏差，利用三角模糊的表达方式对主成分指标值进行表示，分别将红、白两类酿酒葡萄按隶属度大小排序，在运用聚类分析的方法，利用SPSS软件将葡萄划分为五个等级(见表格2.1)。
对于问题三，数据的庞杂是解决该问题的难点。
我们运用问题二中的主成分分析方法将理化指标转化为几个主成分，并运用MATLAB编程求出具体的主成分数值，然后建立线性回归模型，求解出酿酒葡萄与葡萄酒理化指标主成分之间的相关关系，从而反映出酿酒葡萄与葡萄酒理化指标之间的联系。
酿酒葡萄与葡萄酒理化指标的联系分析
酿酒葡萄与葡萄酒理化指标的联系分析
葡萄是酿酒葡萄酒的主要原料之一，理化指标是表征葡萄酒质量的重要标志，葡萄与葡萄酒的理化指标之间存在着千丝万缕的联系，直接反映着葡萄酒质量特征。
先看理化指标。
葡萄酒中的理化指标主要有比重、pH值、酸度、酒精度等。
比重主要测定了酒体的香气，pH值表明了酒的酸性强弱，酸度是测量酒中酸的量度，酒精度是表征酒体成分的重要指标。
葡萄的理化指标主要包括葡萄糖含量、酸含量、总有机物等。
葡萄糖含量是指葡萄中可消化食品糖的含量，反映着葡萄对酒质量影响的重要因素，酸含量可以直接反映酒的酸性，总有机物表明了葡萄中素材的浓缩程度，从而决定了酒的美味度。
葡萄与葡萄酒理化指标之间存在着千丝万缕的联系，这种联系可用数学方法去表示。
葡萄带给酒的气味、口感和质地是由理化指标决定的，是理化指标的加总结果，理化指标的变化将直接影响酒的口感和质地。
综上所述，葡萄与葡萄酒理化指标之间有着千丝万缕的联系，葡萄的理化指标从某种程度上影响了酒体的香气、pH值、酸度、酒精度等，而这些又决定了酒的美味度。
只有通过准确计算和分析，我们才能更好地把握葡萄酒质量特征，从而更好地为葡萄酒消费者提供高质量的产品。
数据说：葡萄指标数据对葡萄酒的影响
数据说：葡萄指标数据对葡萄酒的影响一、问题设立：（改编自CUMCM 2012 A题）如我们所知，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。
以上只是我们的定性分析，严重缺少定量分析验证。
现在请你根据酿酒葡萄的各项理化指标数据和葡萄酒的指标数据进行分析，通过具体的数据建立数学模型解决下列问题：1. 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。
2. 分析酿酒葡萄与葡萄酒的理化指标之间的联系。
3．分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量？附件1和附件2分别给出了该年份这些葡萄酒的和酿酒葡萄的成分数据。
附件1：葡萄和葡萄酒的理化指标（含2个表格）附件2：葡萄和葡萄酒的芳香物质（含4个表格）二、问题解答数据说：葡萄指标数据对葡萄酒的影响摘要本文针对对葡萄酒的评价问题，运用了聚类分析法、偏最小二乘回归分析法等方法建立数学模型，综合分析了酿酒葡萄的理化指标、葡萄酒的理化指标与葡萄酒质量三者之间的联系。
针对问题一，对酿酒葡萄进行分级，先对不同量纲的数据进行标准化处理，运用相关性分析法分别计算两种葡萄的各种理化指标和葡萄酒质量的相关性系数，从而筛选出相关性系数较大的指标作为酿酒葡萄的分类指标；运用聚类分析法对酿酒葡萄进行聚类分析，将红葡萄和白葡萄都分成了四类，根据葡萄酒的分级标准，从而得到分级结果（见表6）。
针对问题二，分析酿酒葡萄与葡萄酒的理化指标之间的联系，先对不同量纲的数据进行标准化处理，运用相关性分析法筛选出与葡萄酒质量相关性较大的酿酒葡萄指标和葡萄酒指标。
此问题是研究两组多重相关变量间的关系问题，故运用偏最小二乘回归分析法得到酿酒葡萄与葡萄酒理化指标的回归方程式，从而分析出两者理化指标之间的联系。
针对问题三，分析酿酒葡萄与葡萄酒的理化指标对葡萄酒质量的影响，建立了葡萄酒质量的评价模型：分别对酿酒葡萄理化指标、葡萄酒指标与葡萄酒质量运用偏最小二乘回归分析法，分别得到相应回归方程式；从而得出结论。
对葡萄酒的评价的分析
对葡萄酒的评价的分析林彩密葛欣雨蒋耀萱问题一的解答本文提供了大量与葡萄酒有关的数据，要求参赛者通过数据的处理确定葡萄酒的质量。
主要设及4个问题：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之间的联系。
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，并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
问题一要求我们分析两组评酒员评价结果有无显著性差异。
在进行差异性检验之前必须先对数据服从的分布进行检验，从而选定合适的检验方法进行检验。
问题二要求根据酿酒葡萄的理化指标和葡萄酒的质量对酿酒葡萄进行分级。
由题意可知除了葡萄酒的质量对葡萄的分级有比较大的影响外，酿酒葡萄的理化指标在一定程度上也会影响葡萄的质量。
问题意在让我们建立一个综合葡萄酒质量与酿酒葡萄理化指标综合影响和葡萄分级的模型。
问题三要求分析酿酒葡萄与葡萄酒理化指标之间的联系。
由于酿酒葡萄理化指标众多，在分析两者的联系之前需要对葡萄的理化指标进行筛选。
问题四要求分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
难点在于对附件三葡萄酒和葡萄芳香物数据的使用。
这是关于大型数据处理与分析的结果，前面三个问题是第四个问题的基础，最终目的是分析葡萄和葡萄酒理化指标对葡萄酒质量的影响。
问题二的解答我们选择的论文是《葡萄酒的评价》（附件一），这篇论文主要过程如下：问题一：问题二数据标准化处理逐步回归：线性回归拟合聚类分析：SPSS进行聚类，进行分级检验问题一显著性差异的检验正态分布检验：SPSS评价可靠性判断离散程度分析模型改进可靠性评价指标（不符合正态分布）（结果无显著性差）（大致是正态分布）标准化数据再进行显著性检验：SPSS ，f检验频数分布图进行分布初步分析非参数检验：秩和检验（检验结果知，二者评价结果具有显著性差异）在问题四中，先用用逐步回归法分析葡萄酒理化指标对葡萄酒质量的影响，然后建立了芳香物质对葡萄酒质量影响的函数关系。
2012全国大学生数学建模竞赛A题 葡萄酒的评价
A题葡萄酒的评价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之间的联系。
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，并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量？对问题的分析与类比归纳：1、笔者认为，对于同一事物的评价 如果大家的意见越一致 那么评价的可信度就越高。
所以对于问题1的解题思路也就清晰明了了. 我们可以通过方差。
所谓方差即观测变量各个取值之间的差异程度。
它是用以衡量风险大小的指标。
这一概念来对每一组评酒员作出的评估作出风险分析。
显而易见的是若风险评估的值越高 这组评酒员的评价就存在问题了。
若风险评估值大小相当 这说明这两组评酒员是没有明显差异的。
2、题目中要求对葡萄作出评级。
看起来似乎没有思路 那么我们可以动一下我们的小脑筋。
既然对于评级我们没有参考标准 那么我们可以参考评酒员的评价。
即使用逆向思维 从评酒员的评分发出 那么大体上葡萄的分级基本上就能确定下来 根据确定先来的葡萄分级进行逆推 就可以得出结论。
3、对于这个问题 最直观也是最基本的思路就是看两者之间的趋势。
应用MATLAB软件，作出两者的趋势图。
通过对趋势图的直接观察 两者之间的大体关系即可确定 然后根据曲线拟合的方法可得出两者间的函数关系。
可以类比手机套餐问题解决归纳。
对于我们这些消费用户来说，手机的资费问题一直是我们所关注的热点问题。
2012数学建模A题---葡萄酒评价---国家奖
葡萄酒的评价摘要本文主要运用统计分析方法，解决与所酿葡萄酒有关的问题。
对于问题一，,分别对白酒和红酒的两组数据进行差异性检验。
构建一个能反应葡萄酒本身质量的量，对两组数据分别进行相关性分析，得到第二组评酒员的结果更可信。
对于问题二，先做聚类分析，再做线性回归分析，得到白、红葡萄分为4级和3级。
对于问题三，利用问题二中聚类得到的7个主成分，把每种葡萄酒的理化指标与酿酒葡萄之间的7个主成分进行相关性分析，得到7个回归方程，即为酿酒葡萄与葡萄酒的理化指标之间的联系。
对于问题四，首先建立模型：12W=a *Y +b *Y 。
其中a,b 分别为酿酒葡萄和葡萄酒对葡萄酒质量的贡献率，1Y ，2Y 分别为两种因素的贡献值。
然后，通过确定芳香物质是否对葡萄酒的评分有影响来论证能否用葡萄和葡萄酒的理化指标评价葡萄酒的质量。
问题一中，本文运用excel 做两组数据的显著性差异检验，得到两组评酒员在评论白酒和红酒都存在显著性差异，且通过了F 检验。
接着本文通过确定各指标的权重，构建一个能反应各葡萄酒实际平分的量，把两组数据与之做相关性分析，发现第二组与之相关性更大，故第二组评酒员的结果更可信。
问题二中，本文通过SPSS 做理化指标的聚类分析，得到7个主成分；再做指标与评分的线性回归分析，得到白葡萄的分级结果为4级：一级：白酿酒葡萄14,22；二级：白酿酒葡萄4,5,9,19,23,25,26,28；三级：白酿酒葡萄24,27；四级：白酿酒葡萄1,2,3,6,7,8,10,11,12,13,15,16,17,18,20。
红葡萄酒为3级：一级：红酿酒葡萄2,9；二级：红酿酒葡萄3,4,10,22,24；三级：红酿酒葡萄1,5,6,7,8,11,12,13,14,15,16,17,18,19,20,21,23,25,26,27。
问题三中，本文运用excel 将葡萄酒的一级指标分别与7个主成分进行相关性分析然后对每种主要成分利用SPSS 进行线性回归分析得到以下7个回归方程：()()()()()r1134r21367r3137r4136r6137r71Y =-39.542+1.727+21.850+3.9463Y =4.044+0.026-0.156-0.005-0.1954Y =2.807+0.021-0.030-0.1895Y =2.700+0.024-0.169-0.0056Y =0.069+0.001-0.006-0.0077Y =70.028-0.188+x x x x x x x x x x x x x x x x x ()()2347r8123560.841+0.280-0.187+1.7048Y =58.545-0.021-1.028+1.666+27.045-0.0049x x x x x x x x x 即为每种酿酒葡萄与葡萄酒理化指标之间的联系。
葡萄酒评价问题分析
贡献率% 0.2387 0.1537 0.1238 0.0969 0.0684 0.0600 0.0489 0.0414
累积贡献率% 0.2387 0.3924 0.5162 0.6131 0.6815 0.7415 0.7904 0.8318
从上表张我们看到前八个因子累计贡献率达到 83.1%，基本信息包含在这些因子里。
因此，认定第二组的评酒员的评价稳定性较高， 数据比较可靠。
二、葡萄分级
(一) 酿酒葡萄指标的遴选 酿酒葡萄有很多的理化指标，我们在分析时只
考虑30个一级指标。经观察，在一级指标中固酸比 指标值=可溶性固形物指标值/可滴定酸指标值，因 为三个指标间的关系，因此我们选择剔除可溶性固 形物指标。选择29个一级指标作为分析指标。
判定正态性 >> z=zscore(y1);%数据标准化 >> a=kstest(z)%数据判定是否正态 输出结果
a=0 所以数据服从正态分布
对数据做成对数据的假设检验： H0：μd=0，两组数据无差别， H1：μd≠0，两组数据存在差别 (1)将两组数据对应相减
d=y1-y2=[-0.8 -0.2 0 0.5 0.7 0.4 0.5 -0.7
>> [h,sig,ci,stats]=ttest(x3,0,0.05,0)
结果： h= 1 sig = 0.0195 ci = 0.4489 4.6918 stats = tstat: 2.4905 df: 26 sd:5.3628
%拒绝原假设 %假设成立的概率 %均值的置信区间
%统计值 %自由度 %样本标准差
i 1
10
yiБайду номын сангаасj )
1 27
2012国赛A题-葡萄酒
4.1.1 置信区间法 为了降低各评酒员之间的异质性， 先分别计算每一组中所有评酒员对同一酒样的平 均值( s j )和标准差( j ),评酒员 i 对酒样品 j 评价的置信区间为 s j j[1] 。 如果评酒员 i 对酒品 j 的评分（ sij ）在其置信区间内则保留；如果评酒员 i 对酒品 j 的评分（ sij ） 不在其置信区间内则逐步调整，使评分都处于置信区间 s j j 内，具体为： 若 sij <j , 则 Sij =sij + j ； 若 sij >j ，则 Sij =sij - j 。 直接使用 matlab （附录一） 通过置信区间法对两组评酒员对红葡萄酒和白葡萄酒的 评分进行修正， 此时的数据更加可信， 同时对每一个酒样的得分求均值， 结果见表 4.1.2 （只给出第一组的红葡萄酒数据） 。 表 2 红葡萄酒样品经置信区间检验转 zg jx Fjx Yj
四、模型建立及求解
说明：限于篇幅因素，本文说明模型原理时一律用红葡萄（酒）数据说明，白葡萄（酒） 只给出最终结果。 4.1 问题一的求解 首先，将每个评酒员对葡萄酒样品的分类指标打分求和，用得到的总分代表该评酒 员对葡萄酒样品质量的评价结果。然而，由于每个评酒员的评价尺度、评价位置以及评 价方向的差异，在对评价结果进行统计分析时，必须对评酒员的原始数据进行相应的处 理，以降低评酒员的系统误差（即异质性） ，真实反映样品间的差异。 表 1 红葡萄酒样品的原始数据
葡萄酒质量评价方法的研究
摘要
本文给出了判别评价结果显著性差异以及可信度的方法， 建立了模糊综合评价模型 用熵权法对酿酒葡萄进行分级， 根据多元回归分析拟合出了酿酒葡萄与葡萄酒理化指标 间的关系， 问题一：用评酒员对葡萄酒各类指标打分的总分衡量葡萄酒的质量，并利用置信区 间法降低评酒员的异质性，使数据更真实的反映酒样间的差异。再将这些数据进行方差 分析可知两组评酒员评价对红葡萄酒的评价没有显著差异， 对白葡萄酒的评价有显著性 差异。最后根据信度分析可知第一组评酒员更可信。 问题二：首先将酿酒葡萄的理化指标进行主成分分析，将葡萄酒质量和提取的主成 分一起作为衡量酿酒葡萄质量的指标，利用模糊综合评价法的原理及其评价方法，同时 将信息论中的熵值引入模糊综合评价隶属矩阵的确定过程， 利用熵权法构造隶属函数矩 阵， 尽量消除传统权重确定中主观因素的影响， 从而对酿酒葡萄进行了良好的质量评价。 问题三：首先借上问主成分分析法，将葡萄和葡萄酒的理化指标进行处理。然后， 在假设条件下，建立多元线性回归模型，运用多元线性回归分析法分析葡萄和葡萄酒理 化指标，做近似拟合，得出相应的拟合度值。对相关且拟合度高的自、因变量之间进行 分析，最终得到结论。 问题四：先建立因果关系模型，分别对葡萄芳香物质与葡萄酒芳香物质，葡萄酒理 化指标与葡萄酒评价分数进行如上问的分析，综合两者，并在给出的关系模型的基础上 对能否用葡萄及葡萄酒理化指标作为判断方法给予阐述。
葡萄酒与酿酒葡萄理化指标与质量关系分析A题
葡萄酒与酿酒葡萄理化指标与质量关系分析A题(总36页)-CAL-FENGHAI.-(YICAI)-Company One1-CAL-本页仅作为文档封面，使用请直接删除承诺书参赛队员 (打印并签名) ：题目葡萄酒与酿酒葡萄理化指标与质量关系分析关键词 t检验、Q型聚类分析、主成分分析、葡萄酒质量、理化指标题目摘要葡萄酒的品尝是一门学问。
本文通过两组品评员对红葡萄酒（27个样本）与白葡萄酒（28个样本）的评分表入手，根据酿酒葡萄与葡萄酒的理化指标的内在联系，运用t检验、Q型聚类分析、主成分分析等方法，深入讨论酿酒葡萄与葡萄酒的理化指标对葡萄酒质量的影响。
对于问题一：通过每组样本的总得分算出红葡萄与白葡萄的样本总方差，每组对应数据运用t检验进行统计。
结果为T1=<,且P1=>；T2=<,且P2=>。
所以两组品酒员对红葡萄酒、白葡萄酒的评价结果均无显著性差异。
且第一组的方差比第二组大，所以第二组的结果更可信。
对于问题二：通过建立Q型聚类分析模型,以酿酒葡萄的理化指标和葡萄酒的质量为标准来对酿酒葡萄进行分类，用类平均法来求相似性度量得到红葡萄、白葡萄分级图。
对于问题三：对红葡萄与白葡萄共有的理化指标进行相关性分析，根据他们之间的相关系数，根据各个指标建立典型相关系数表，同时画出相关系数大的指标的关系图。
对于问题四：根据对葡萄与葡萄酒的理化性质的分类，并将其对应于对葡萄酒的外观、香气、口感和整体评价的影响，由第三问知道他们之间存在线性关系，则利用多元回归模型将他们拟合出一个线性方程，进而找出他们的联系，从而得出可以用葡萄和葡萄酒的理化指标来评价葡萄酒的质量的结论。
关键词：t检验、Q型聚类分析、主成分分析、葡萄酒理化性质、多元线性回归一．问题重述本次研究对象为两组红葡萄酒与白葡萄酒，葡萄酒的主要质量指标为专业性评酒提供了依据，葡萄酒的主要质量指标大体可分为感官指标和理化指标两大类。
尤其是感官品评，是目前国内外鉴定葡萄酒品质的主要手段。
酿酒葡萄的理化指标与葡萄酒的理化指标的联系
摘要为寻求并解释酿酒葡萄的理化指标对葡萄酒的理化指标的影响程度，本模型主要围绕利用统计软件和统计分析方法解决问题，利用两者的理化指标为原始数据，用spss分析软件的相关性分析研究理化指标之间的相关性程度，然后进行记录，分类工作。
经过查阅书籍、小组共同讨论并研究，利用统计手段和有效利用建模方法，由于数据庞大且有较大随机性，首先利用spss软件分析理化指标的主成分，然后记录和分类，建立超定方程模型，把理化指标的关系转化为二阶最小二乘解的问题，运用spss软件中的最小二乘法，记录计算数据。
关键字理化指标之间的相关性程度超定方程最小二乘法双变量分析5.2.3数据预处理1附件二可知，白藜芦醇是由顺式白藜芦醇、反式白藜芦醇、順式白藜芦醇苷和反式白藜芦醇苷组成；黄酮醇是由杨梅黄酮、槲皮素、山萘酚和异鼠李素组成，还原糖是由果糖和葡萄糖组成，氨基酸是由天门冬氨酸、苏氨酸、丝氨酸等组成，这些一级指标都由二级指标构成。
因此，在数据处理之时我们以一级指标作为标准进行处理。
2相关性分析的原始数据有所改动，对于三次实验值，分析的原始数据改为取均值。
3第三问中颜色指标的取值与第二问中的颜色指标雷同5.2.3分析酿酒葡萄与葡萄酒的理化指标之间的联系。
5.2.3.1由于数据过于庞大，我们有必要先整理数据，因此我们利用主成分分析，下面运用SPSS软件对白葡萄酒与白葡萄的理化指标进行系统主成份分析，我们把葡萄酒与葡萄的理化指标的主成份得出的结果，做了归类如下表5.2.3.1模型的建立通过查阅部分书籍，我们意识到要清楚数据中元素之间的联系，可以通过统计方法的相关性分析，把得出的相关性参数利用matlab 软件，建立两种指标间的联系，将问题转化为用线性最小二乘拟合求解超定方程组的问题。
5.2.3.2相关性分析红葡萄与红葡萄酒的理化指标的相关性分析相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。
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论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量
图 1 逐步回归交互式界面 复判定系数为 R 2 0.8711 ，检验值 F 15.2108 ，得到最终模型为 y 0.1423 y1 0.1782 y2 0.1027 y6 0.1936 y12 0.3670 y13 此回归方程即为酿酒红葡萄和红葡萄酒的理化指标对红葡萄酒质量的影响方程，
Matlab 程序
clc,clear gj=xlsread('…\葡萄酒评价\葡萄酒和葡萄.xlsx'); gj=zscore(gj); %数据标准化 r=corrcoef(gj); %计算相关系数矩阵 %下面利用相关系数矩阵进行主成分分析，x 的列为 r 的特征向量，即主成分的 系数 [x,y,z]=pcacov(r) %y 为 r 的特征值，z 为各个主成分的贡献率 contr=cumsum(z)/sum(z) t=x(:,1:19) t1=z(1:19) y1=zeros(27,19); y1=gj*t Y=[68.1 74 74.6 71.2 72.1 66.3 65.3 66 78.2 68.8 61.6 68.3 68.8 72.6 65.7 69.9 74.5 65.4 72.6 75.8 72.2 71.6 77.1 71.5 68.2 72 71.5]; Y=zscore(Y); %数据标准化
yi 表示酿酒红葡萄、红葡萄酒理化指标的第 i 个主成分。
通过逐步回归分析后， 影响红葡萄酒质量的红葡萄和红葡萄酒理化指标的主成分只剩下
yi (i 1, 2, , 6), y12 , y13 。结合红葡萄及红葡萄酒理化指标的主成分，糖转化为酒精，酸影
基于理化指标分析的葡萄及葡萄酒的评价
基于理化指标分析的葡萄与葡萄酒的评价摘要针对酿酒葡萄与葡萄酒理化指标的统计，通过聚类法，典型相关分析及逐步回归分析法等，建立数据统计模型：对于问题一，首先对两组数据进行整理分析，然后利用spss软件进行配对数据t-检验（详见第三页表二），从而判断出两组评酒员的评价结果具有显著性差异。
而后利用excel进行方差分析-无重复双因子分析得出二组结果更为可信。
详细见第 3 页。
对于问题二，使用matlab软件对原始变量进行主成分分析得出中和变量,然后使用spss软件应用离差平方和法对中和变量进行聚类分析，从而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，为了检验欧式测距是否可以正确区分出葡萄的等级，所以对主成份分析后的理化指标求均值，经过验证，均值相差大，足以区分葡萄等级，最终将红葡萄分为3级，白葡萄分为4级。
详细见第 5 页。
对于问题三，首先通过matlab软件对葡萄酒的理化指标进行主成分分析，得出中和指标。
然后使用spss软件进行典型相关分析，得到葡萄酒的理化指标与酿酒葡萄的理化指标的关联度。
再通过对关系度表格的分析，得到酿酒葡萄与葡萄酒的理化指标之间的联系。
详细见第 14 页。
对于问题四，考虑到葡萄酒质量与酿酒葡萄和葡萄酒理化指标可能成线性关系，故应用逐步回归分析，将葡萄酒质量设为因变量，酿酒葡萄和葡萄酒理化指标设为自变量，列出线性回归方程，通过spss软件进行数据拟合和显著性分析，排除影响不显著的变量，将因变量与评酒员打分结果对比，得出拟合结果基本符合。
再通过分析得到分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响。
最后根据F检验判断所得数据的正确性。
由于葡萄酒可能会收到年份和贮藏环境等其他因素的影响，因此不能单纯地通过葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
详细见第 16 页。
关键字：典型相关分析 t检验主成分分析一、问题重述葡萄酒是一种成分复杂的酒精饮料，不同产地、年份和品种的葡萄酒成分不同。
分析酿酒葡萄与葡萄酒的理化指标之间的联系
论酿酒葡萄与葡萄酒之间的关系郭其昌2001年8月于天津蓟县《第八届全国葡萄、葡萄酒学术研讨会》各位代表：我试图用很短的时间把我用50多年时间研究的这个题目向大家说清楚。
我讲3个方面：葡萄酿酒和葡萄栽培技术协作的2次全国会议、酿酒葡萄品种和葡萄酒的关系、葡萄质量和葡萄酒的关系。
一、葡萄酿酒和葡萄栽培技术协作的2次全国会议关于这2次会议，《新中国葡萄酒业五十年》这本书的第16~68页有着详细的记载，大家抽时间可以看一看，相信能够从中取得一些教益。
74年的会议在烟台举行，会议根据当年上半年由轻工、外贸、栽培等单位组织的调查，总结了从解放至当时的葡萄和葡萄酒行业的情况，提出了原料基地化、基地良种化和良种区域化的理论以及执行办法，制定了发展规划。
具体包括：确定发展葡萄不与粮棉争地、厂社挂钩、利用野生资源、加速发展栽培与酿酒之间的协作和研究、根据产地区域划分协作区、各地区的建议发展品种、区域性酿酒试验、出台葡萄酒暂行管理办法（葡萄酒标准的基础）。
为了使行业了解国外情况，还公布了5期内容丰富的国外葡萄酒现状和法规。
80年的会议在通化举行，会议内容非常集中。
主要解决了以下问题：讨论葡萄酒质量管理办法等4个试行草案、随着葡萄酒改型（出现干酒）的发展品尝新产品并提出结论、确定研究推广葡萄酿酒新工艺和新设备以及酿酒葡萄品种区域化的研究方向。
为什么从70年代初我们就把酿酒和栽培结合在一起共议大事？因为通过前20年的研究和实践，使我们清楚地认识到二者之间休戚与共的相互关系。
其实，葡萄栽培和葡萄酿酒本来就是栓在一根绳子上面的两只蚂蚱，要各行其是，只有两败俱伤，谁也没法进步。
酿酒葡萄多次的种种拔拔，其主要原因是两方面结合出的问题。
我们可以清醒地看到：市场经济是栽培和酿酒双方要尊重的市场。
种植酿酒葡萄是为了提供给葡萄酒厂酿造葡萄酒。
葡萄酒厂的市场是面向消费者，而酿酒葡萄的市场是葡萄酒厂，二者相互依存、不可分割。
通过多年的工作，使我们知道要及时地总结经验和汲取教训，再不要热衷于随流。
Person相关分析在酿酒葡萄与葡萄酒的理化指标间联系应用
与葡 萄 酒 的理 化 指 标 间联 系应 用
张 薇 笪津榕 晏 浩
摘 要 ：葡萄酒与酿 酒葡萄的理化指标之 间有 着紧密的联 系，选取 花 色苷 、单宁 、总酚 、总黄酮、 白藜芦醇、Ｄ Ｐ Ｐ Ｈ 、Ａ￥、ｂ｝ 等理 化指标 ，通过 Ｐ ｅ ｒ ｓ ｏ ｎ相关分析法 ，分析它们之 间的联 系。通过分析发现 ：红酿 酒葡萄与相应 葡萄 酒 中的总黄 酮完全线 性相 关，联 系极强 ； 与花 色苷 、总酚 高度相 关，与单 宁、Ａ 显著相 关，联 系较 强；与 白藜芦醇、ｂ ｝ 微 弱相 关，联 系极弱。 白酿酒葡 萄与相应 葡萄酒 中的单 宁 、 总酚 、 总黄 酮 显 著 相 关 ，联 系较 强 ；与 Ｄ Ｐ Ｐ Ｈ低 度 相 关 ，联 系较 弱 ；与 白 藜 芦 醇 、Ａ 、ｂ｝微 弱 相 关 ，联 系极 弱 。 并 且 应 用 Ｓ Ｐ Ｓ Ｓ软 件进行 回归分析 ，得到酿酒 葡萄与 葡萄酒的各个理化指标之 间的 函数关 系式。 关键词 ：葡萄酒 ；酿酒 葡萄 ；理化指标 ；Ｐ ｅ ｒ ｓ ｏ ｎ相 关分析 ；回归分析
为了分 析酿酒 葡萄 与葡萄酒 的理化 指标 之 间的联 系 ，我们采用 Ｐ ｅ ｒ － ｓ ｏ ｎ积矩相关 ，计算公式如下 ：
∑（ 一 ） （ ｙ 一 ， ， ）
＝ —
芸 ＝ ＝ ＝ ＝ ＝ ＝ ＝ ＝ ： ＝
（ １ ）
／ ∑（ 一 ） （ ， ， ． 一 ， ， ）
由Ｐ ｅ ｒ ｓ ｏ ｎ 相关系数公式 （ Ｉ ）所得 的相关 系数 可被 分类 。当 Ｒ＝ ０ 时表示不存在线性相关 ，但不意 味着 Ｙ 与Ｘ 无任何关 系 ；当 ０ ＜Ｉ Ｒｌ≤ ０ ． ３时为 微 弱相 关 ；当 ０ ． ３（ １ Ｒ ｌ≤０ ． ５时 为 低 度相 关 ； 当 ０ ． ５＜ Ｉ Ｒ ｌ≤０ ． ８时为显著 相关 ；０ ． ８＜ ｌ Ｒ ｌ≤１时为高度 相关 ；当 ｌ Ｒ ｌ ＝１时为完全线性相关 。 用 ＭＡ Ｔ Ｌ Ａ Ｂ软件 中的相 关性求解 函数 ｃ ｏ ｒ ｒ ｃ ｏ ｅ ｆ（ ｘ ，Ｙ ） 得 出红 、 白 两种酿酒葡萄与其葡萄酒 的理化 指标 的相 关系数 ，并可 由此 判断 出红、 白两种酿酒葡萄与其葡萄酒 的各个理化指标 的相关程度 ，如下表 １ ，红、 白两种酿酒葡萄与其葡萄酒的各个理化指标 的相关程度 ：
酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响
酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响钱圳冰，黄鸿基，冯 帆，周行洲（南京邮电大学，江苏 南京 ２１００４６）［摘 要］文章研究的是葡萄酒的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和分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响。
首先研究筛选了一组合理的葡萄酒样本进行了标准化处理。
分析理化指标对葡萄酒质量的影响，研究对筛选出的理化指标作标准化处理，分别得到红葡萄提取出的５个无相关性因子和白葡萄６个无相关性因子。
［关键词］因子分析；理化指标；两变量相关分析［ＤＯＩ］１０ １３９３９／ｊ ｃｎｋｉ ｚｇｓｃ ２０１７ １８ ２０５１ 引 言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。
本文研究分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响。
２ 算法模型分析对于理化指标对葡萄酒质量的影响的分析，首先应对之前筛选出的酿酒葡萄和葡萄酒的理化指标作标准化处理。
考虑到筛选后的理化指标数量仍然较多且彼此间都具有一定的相关性，可以利用因子分析对理化指标进行降维。
理化指标对葡萄酒质量的影响可以用多元线性回归方程来表示，将红、白葡萄降维后无相关性因子作为自变量，红、白葡萄酒质量作为因变量进行线性回归分析，得到酿酒葡萄和葡萄酒的理化指标与葡萄酒质量之间的多元线性回归方程。
３ 建立因子分析模型对理化指标进行降维我们以红葡萄为例，建立因子分析模型：（１）对筛选出的１７个原始理化指标进行标准化处理进行因子分析的指标变量有１７个，表示为ｘｊ（ｊ＝１，２，…，１７），共有２７个评价对象，第ｉ个评价对象的第ｊ个指标的取值为ａｉｊ，ｉ＝１，２，…，２７；ｊ＝１，２，…，１７。
（２）求解相关系数矩阵Ｒ相关系数矩阵Ｒ＝（ｒｉｊ）１６×１６，有ｒｉｊ＝２７ｋ＝１ａｋｉ·ａｋｊ２７－１，ｉ，ｊ＝１，２，…，１７其中，ｒｉｉ＝１；ｒｉｊ＝ｒｊｉ；ｒｉｊ为第ｉ个指标与第ｊ个指标的相关系数。
基于通径分析法对酿酒葡萄指标与葡萄酒质量相关性的研究(全文)
基于通径分析法对酿酒葡萄指标与葡萄酒质量相关性的研究本文主要研究酿酒葡萄与葡萄酒质量的理化指标之间的相关性。
首先将数据进行归一化处理，再运用逐步回归法，提取出酿酒葡萄与葡萄酒中较为关键的几项理化指标，然后采纳通径分析法，对各项理化指标之间的直接影响与间接影响进行详细的讨论。
结论表明，酿酒葡萄指标与葡萄酒质量具有相关性,且不同的酿酒葡萄指标之间亦会相互影响，因此，在酿造工业中对各项指标应予以全面的考虑。
XX：1 题目的背景与意义在实际生活的问题中，常常需要研究多个相关变量并分析变量之间的线性关系。
用于此类分析的方法繁多，其中较为常用的便是多元线性回归分析、偏相关分析与通径分析。
本文旨在研究，运用通径分析法分析酿酒葡萄与葡萄酒质量理化指标之间的相关性。
酿酒葡萄，是指以酿造葡萄酒为主要生产目的的葡萄品种，大致可分为红色品种与白色品种。
而葡萄酒的风格与品质会因为酿酒葡萄的不同而产生差异。
因此，分析酿酒葡萄与葡萄酒的理化指标之间的联系，并得出多个相关变量的线性关系，对于葡萄酒酿造工业的改进，显得意义重大。
2 数据背景数据来自20XX年全国大学生数学建模竞赛题。
3 基本假设1）假设题目所给数据具有随机性与代表性；2）假设评酒员提供的数据具有客观性。
4 通径分析酿酒葡萄与葡萄酒理化指标的相关性4.1方法介绍通径分析法是由数量遗传学家Swll Wright于1921年首先提出，经过遗传育种学者不断改进和完善形成的一种多元统计技术。
作为相关分析的继续，通径分析法通过将简单相关系数分解为多个部分，以显示某一变量对因变量的直接作用效果和间接作用效果，其实质上是标准化变量的多元线性回归分析。
其中，通径系数既是自变量与因变量之间带有方向性的相关性系数，又是变量标准化的不带单位的偏回归系数。
4.2原理及解释由于酿酒葡萄与葡萄酒理化指标的单位不统一、数值差异较大，这样大的差异容易导致计算复杂，计算结果不精确。
为幸免以上情况的发生，将数据进行归一化，归一处理后的数据属性值在（0,1）之间。
酿酒葡萄与葡萄酒理化指标的联系分析
n
2n
2
姨Σ Σ 軃 軃 軃 軃 k = 1 xki -x軃i k = 1 xkj -x軃j
步骤二：计算特征值与特征向量：
解 特 征 方 程 λI-R =0，常 用 雅 可 比 法 （Jacobi）求 出 特 征 值 ，并 使
其按大小顺序排列 λ1 ≥λ2 ≥…≥λp ≥0。
分别求出对应于特征值 λi 的特征向量 ei （i=1，2，…，p）i ，要求襓ei 襓
p
Σ2
=1，即 eij =1，其中 eij 表示向量 ei 的第 j 个分量。
j=1
计算主成分贡献率及累计贡献率：
贡献率：
λi
p
（i=1，2，…，p）
（1）
Σλk
k=1
累计贡献率：
i
Σλk
k=1 p
（i=1，2，…，p）
（2）
Σλk
k=1
一般取累计贡献率达 85％～95％的特征值 λ1 ，λ2 ，…，λm 所对应 的
步骤一：计算相关系数矩阵：
rp
p 11
r12
…
r┇ 1p ┇
p
┇
R=
rp
p 21 p
r22
…
r┇ 2p ┇ ┇
pp┇ ┇
┇
┇ ┇
r r r p
p ┇ p1
p2 …
┇ ┇ pp ┇
rij （i，j=1，2，…，p）为原变量 xi 与 xj 的相关系数，rij =rji ，其计算公式
为：
n
rij =
Σ 軃 軃軃 軃 k = 1 xki -x軃i xkj -x軃j
1 模型准备
1.1 主成分分析算法
主成分分析是一种通过降维技术把多个变量化为少数几个主成
- 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)。
论酿酒葡萄与葡萄酒之间的关系
郭其昌
2001年8月于天津蓟县《第八届全国葡萄、葡萄酒学术研讨会》
各位代表：
我试图用很短的时间把我用50多年时间研究的这个题目向大家说清楚。
我讲3个方面：葡萄酿酒和葡萄栽培技术协作的2次全国会议、酿酒葡萄品种和葡萄酒的关系、葡萄质量和葡萄酒的关系。
一、葡萄酿酒和葡萄栽培技术协作的2次全国会议
关于这2次会议，《新中国葡萄酒业五十年》这本书的第16~68页有着详细的记载，大家抽时间可以看一看，相信能够从中取得一些教益。
74年的会议在烟台举行，会议根据当年上半年由轻工、外贸、栽培等单位组织的调查，总结了从解放至当时的葡萄和葡萄酒行业的情况，提出了原料基地化、基地良种化和良种区域化的理论以及执行办法，制定了发展规划。
具体包括：确定发展葡萄不与粮棉争地、厂社挂钩、利用野生资源、加速发展栽培与酿酒之间的协作和研究、根据产地区域划分协作区、各地区的建议发展品种、区域性酿酒试验、出台葡萄酒暂行管理办法（葡萄酒标准的基础）。
为了使行业了解国外情况，还公布了5期内容丰富的国外葡萄酒现状和法规。
80年的会议在通化举行，会议内容非常集中。
主要解决了以下问题：讨论葡萄酒质量管理办法等4个试行草案、随着葡萄酒改型（出现干酒）的发展品尝新产品并提出结论、确定研究推广葡萄酿酒新工艺和新设备以及酿酒葡萄品种区域化的研究方向。
为什么从70年代初我们就把酿酒和栽培结合在一起共议大事？因为通过前20年的研究和实践，使我们清楚地认识到二者之间休戚与共的相互关系。
其实，葡萄栽培和葡萄酿酒本来就是栓在一根绳子上面的两只蚂蚱，要各行其是，只有两败俱伤，谁也没法进步。
酿酒葡萄多次的种种拔拔，其主要原因是两方面结合出的问题。
我们可以清醒地看到：市场经济是栽培和酿酒双方要尊重的市场。
种植酿酒葡萄是为了提供给葡萄酒厂酿造葡萄酒。
葡萄酒厂的市场是面向消费者，而酿酒葡萄的市场是葡萄酒厂，二者相互依存、不可分割。
通过多年的工作，使我们知道要及时地总结经验和汲取教训，再不要热衷于随流。
因此，随着行业的发展，两三年开一次这样的会议，有益于行业的健康和正常发展。
希望酿酒工业协会和农学会紧密结合，把这次会议作为74年和80年会议的继续，继往开来，开创出酿酒葡萄和葡萄酿酒紧密结合的一片大好局面。
二、酿酒葡萄品种和葡萄酒的关系
在《新中国葡萄酒业五十年》的封面，我作了一个题记—葡萄酒质量好坏，先天在于葡萄，后天在于工艺。
这是我结合自己多年的研究和实践总结出来的一句话。
有了这个指导思想，我做的所有项目都是从原料开始的。
先天在于葡萄，有两层意思，一是指葡萄品种的选择，二是经选择后种植葡萄的质量，这个我们放在后面再谈。
关于酿酒葡萄品种的选择，我想用一句老农的话来解释，叫做“种瓜得瓜，种豆得豆。
”正是这句俗话的朴素道理，告诉我们要慎重地选择能够被葡萄酒厂接受或者受欢迎的品种加以种植。
酿酒葡萄品种的选择，在《新中国葡萄酒业五十年》里面有大篇幅的记载（详见第77~78页[良好开端]、第91~114页[品种选育]、第125~126页[白兰地]、第133~134页[沙城]、第144页[昌黎] ），既有史实又有方法，大家可以参考。
品种试验希望地方政府直接插手，因为个体农民恐怕没有经济和人才的实力来进行这样上水平的研究。
长时间的品种试验使我总结出下面3个表格，这些建议试验或种植的国际名种，已经从近3年的数届国际评酒会上获奖的葡萄酒得到验证，在这里列出供大家参考。
但是每个区域有着不同的自然条件，应该通过科学试验找出适合自己地区的品种，酿造出特色产品。
（注意：1. 带两个★号的品种是在国际葡萄酒评比会上连续得奖的产品、带一个★号是偶尔得奖的产品。
2. 鉴于对葡萄品种称呼较繁杂较乱的状况，我们把这些品种名称在征求各方面意见后，有了以下这些统一的称谓，希望得到大家的认可。
）
表1. 优秀酿酒葡萄品种（白）名称表
编号正名原文名称
1 霞多利★★CHARDONNY
2 白诗南★CHENIN BLANC
3 琼瑶浆★★TRAMINER (GEWüRZTRAMINER)
4 灰雷司令★GREY RIESLING
5白雷司令★★WHITE RIESLING
6 米勒★MüLLER-THURGAU
7 白麝香★MUSCAT BLANC
8 白品乐★PINOT BLANC
9 长相思★★SAUVIGNON BLANC
10赛美蓉★SéMILLON
11西万尼★SILVANER
表2. 优秀酿酒葡萄品种（红）名称表
编号正名原文名称
1赤霞珠★★CABERNET SAUVIGNON
2品丽珠★CABERNET FRANC
3蛇龙珠CABERNET GERNISCHT
4神索★CINSAUT
5佳美★GAMAY
6歌海娜★GRENACHE
7美乐★★MERLOT
8弥生★MISSION
9内比奥罗★NEBBIOLO
10味而多★PETIT VERDOT
11黑品乐★★PINOT NOIR
12宝石★RUBY CABERNET
13西拉★★SYRAH
表3. 染色酿酒葡萄品种名称表
编号正名原文名称
1紫北塞ALICANTE BOUSCHET
2烟73YAN 73（中国品种，拼音）
3烟74YAN 74（中国品种，拼音）
三、葡萄质量和葡萄酒的关系
葡萄质量和葡萄酒的关系，酿酒行业很多人把葡萄园作为葡萄酒厂的第一车间，这个比喻充分说明了原料质量对成品质量的重要性，可以说，大家手中掌握着葡萄酒质量的先天。
葡萄酒厂关注葡萄质量的主要理化指标是糖含量和干浸出物。
糖含量：酿造11度的葡萄酒需要187克/升糖含量的葡萄；12度要204克/升。
就是说，理想的酿酒葡萄的糖含量应该在19到20度左右甚至再高些。
我们现在到多少相信大家都很清楚。
国产的葡萄酒通常没有很高的干浸出物，基本在15克/升左右，而国外好一些的葡萄酒有达到40的。
这个问题我们在70年代就有认识了。
为什么酒厂要出台“以糖计价”的收购政策，酒厂愿意多付钱给糖含量高的原料，固然有添加砂糖带来成本加大的原因，更重要的是：糖是葡萄有效成分的一个易于测定、有代表性的主要指标，成熟过程中随着糖含量的增高，其它有效成分也得到充分积累，这样就可以得到好的、高质量的葡萄！
具体分析糖和干浸出物低的原因，有产地天气土壤等无法控制的原因，但主要还是高产、叶片过多、施肥比例失调、提前采收、采收前灌水等人为因素。
酿酒葡萄是为酿造葡萄酒而种植的，应该在尊重葡萄酒质量的前提下确定其产量。
可以说，合理控制产量是未来酿酒葡萄栽培的一个重要要求。
既然果农和酒厂是这样一层关系，大家就应该以经济为杠杆，找到一个双方都能够接受的渠道。
目前，我国的葡萄酒质量和国际著名国家的葡萄酒质量还有一定的差距，其主要原因就是我国种植与酿酒分家、各算各的帐，由此造成二者之间的关系不好协调；而那些国家的机制是为葡萄酿酒而种植酿酒葡萄。
要解决这个问题，其利害所在还是如何合理分配经济利益的问题和建立一个相互信任的良好关系。
鉴于葡萄酿酒的需要，对于原料来说，除了上一节正确选择品种以外，在这一节里，着重要提出酿酒葡萄的产量问题。
中国酿酒工业协会正在推行2000年由国家轻工业局颁布的《葡萄酒生产管理办法》并正在研究制定《葡萄酒的质量等级制》。
这两个文件的实质是按照OIV（国际葡萄与葡萄酒组织）的《国际葡萄酿酒法规》限定的范围，酿造合格和高质量的葡萄酒，不断提高葡萄酒的质量，给消费者正确消费葡萄酒的观念和实惠。
这里面提供给大家的一个关键指标是酿酒葡萄的产量问题。
在我的发言里，提出了一些观点，其关键之处在于：无论是供方还是需方，都要明白自己所处的位置，就是自己的角色所在。
只有明白这个问题，摆正自己的位置，才能使自己的心理平衡，进而取得可观的经济效益。
酿酒葡萄和葡萄酿酒是一对密不可分的伙伴关系，而不单纯是相互对立的买卖关系。
妥善处理好二者之间的关系，双方互利；反之共同走向衰退。
相信大家都是明智之仕，一定会做出聪明的选择的。