基于理化指标分析的葡萄与葡萄酒的评价
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及葡萄酒的评价葡萄及葡萄酒的评价是葡萄酒产业中非常重要的一环，而基于理化指标的分析是评价葡萄和葡萄酒质量的一种方法。
下面我们将对基于理化指标分析的葡萄及葡萄酒的评价进行详细讨论。
首先，对于葡萄而言，理化指标主要包括果实大小、果皮厚度、果实颜色、果汁含糖量、酸度、酚类化合物含量等。
果实大小与产量密切相关，通常越大的葡萄产量越高。
果皮厚度与葡萄外观和保存性能有关，较厚的果皮可以保护果实不受外界因素的影响。
果实颜色通常被视为葡萄的品质指标之一，深色葡萄通常含有更多的花青素，而花青素是葡萄酒中重要的色素成分。
果汁含糖量与葡萄糖度相关，是判断果实成熟度和甜度等级的指标之一、酸度是葡萄品质的重要指标之一，过低的酸度可能导致葡萄酒口感平淡。
酚类化合物含量则与葡萄的芳香物质和抗氧化能力等相关。
通过对这些理化指标的分析，可以全面评价葡萄的品质和适用于酿酒的潜力。
对于葡萄酒而言，理化指标主要包括酒精度、总酸度、挥发性酸度、PH值、葡萄酒中的有机酸、糖分、酚类化合物、色素等。
酒精度是葡萄酒中的酒精含量，对于葡萄酒的风味和醇度影响很大。
总酸度和挥发性酸度分别是葡萄酒中总酸和挥发性酸的含量，对于葡萄酒的酸度和口感起到重要作用。
PH值是葡萄酒的酸碱度，对于葡萄酒的稳定性和口感也有影响。
葡萄酒中的有机酸是葡萄酒中的重要成分，不同有机酸的含量和比例会影响葡萄酒的口感和风味。
糖分是判断葡萄酒甜度的重要指标。
酚类化合物和色素是葡萄酒中的重要成分，对于葡萄酒的色泽和口感产生显著影响。
基于理化指标的分析的定量化方法可以通过仪器设备进行测量，然后用数学和统计学的方法进行分析和处理。
利用这些分析结果，我们可以对葡萄和葡萄酒的品质进行判断和评价。
同时，可以通过与历史数据和目标品质进行对比，从而找出改进和调整的方向。
此外，还可以通过对不同产地、不同品种的葡萄以及不同酿造方法的葡萄酒进行理化指标的分析比较，探索出最佳的生产和酿造工艺。
基于理化指标统计分析的葡萄酒质量评价——2012年全国大学生数学建模竞赛A题论文
STUDIES ON THE QUALITY EVALUATION OF GRAPE WINE BASED ON STATISTICAL ANALYSIS OF PHYSICAL AND CHEMICAL INDEXES 作者： 侯勇超 马松林 孙诚程 胡继元 高慧
作者机构： 巢湖学院数学系,安徽巢湖238000
出版物刊名： 巢湖学院学报
页码： 8-14页
年卷期： 2012年 第6期
主题词： 葡萄酒 理化指标 主成分分析 聚类分析 回归分析 相关性分析
摘要：本文根据葡萄酒及酿酒葡萄的理化指标．通过统计分析的方法来对葡萄酒的质量进行评价。
针对4个问题分别建立了显著性差异分析模型、主成分聚类分析模型、一元及多元回归分析模型对问题进行求解，并结合计算结果说明了所建模型的合理性。
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。
葡萄酒的评价问题
我们参赛选择的题号是（从 A/B/C/D 中选择一项填写）： 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. 麻思达
2. 潘博渊 3. 李蕾 指导教师或指导教师组负责人 (打印并签名)：
日期： 日
A 年月
赛区评阅编号（由赛区组委会评阅前进行编号）：
酿酒红白葡萄和红白葡萄酒理化指标的主成分分析结果见如红葡萄的理化指标主成分分析结果红葡萄的主成分第一主成分rg1第二主成分rg2第三主成分rg3主要包含成分名称花色苷单宁干物质含量白藜芦醇第四主成分rg4第五主成分rg5ph白葡萄的理化指标主成分分析结果白葡萄的主成分第一主成分wg1第二主成分wg2第三主成分wg3第四主成分wg4包含成分名称可溶固形物干物质含量总酚葡萄总黄酮固酸比苹果酸红葡萄综合评分的结果根据主成分理化指标综合评分的结果得出各类葡萄的综合评分结果
问题四，因为问题三已经得出了酿酒葡萄与葡萄酒理化指标具有显著的线性 关系的结论，因此本问中以葡萄酒质量为因变量葡萄酒理化指标的典型相关变量 为自变量进行多元线性回归，回归结果如下： Q = 70.515 − 0.805× v9 −1.375× v8 − 0.499× v7 + 0.043× v6 − 0.640× v5 − 0.581× v4 + 0.925× v3 + 0.382× v2 − 2.132× v1
对于问题二，我们根据酿酒葡萄的理化指标和葡萄酒的质量对葡萄进行了分 级。首先对酿酒葡萄的理化指标进行标准化处理，应用主成分分析法得出了主成 分的主要构成。又基于主成分综合评分将葡萄的等级划分为五级，最终得出酿酒 葡萄的分级标准。
对于第三问，首先通过线性回归检验筛选出与葡萄酒理化指标拟合最为紧密 的酿酒葡萄理化指标，再计算每组之间的相关系数，通过典型相关分析得出每组 之间的强度关系。最后对得出的相关系数进行分析，得出酿酒葡萄与葡萄酒的理 化指标之间的联系。
基于理化指标的BP神经网络葡萄酒质量评价
（ ．Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆＭａ ｔ ｈ ｅ ｍ ａ ｔ ｉ ｃ ｓ ， Ｙ ｉ ｂ ｉ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，Ｙ ｉ ｂ ｉ ｎ ６ ４ ４ ０ ０ ７ ， Ｃ ｈ ｉ ｎ ａ； ２ ．Ｓ ｃ ｏｏ ｈ ｌ ｆＥ ｏ ｃ ｏ ｎ ｏ ｍ ｉ ｃ ｓ ａ ｎ ｄ Ｍ ａ ｎ ａ ｇ ｅ ｍ ｅ ｎ ｔ ，Ｙ ｉ ｂ ｉ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，
Ｗｉ ｎ ｅ Ｑｕ ａ ｌ ｉ ｔ ｙ Ｇｒ ａ ｄ ｅ Ｓ ｙ ｓ ｔ ｅ ｍ ｏ ｆ Ｂ Ｐ Ｎｅ ｕ ｒ ａ ｌ Ｎ ｅ ｔ ｗ ｏ ｒ ｋ— Ｏｒ ｉ ｅ ｎ ｔ ｅ ｄ
ＷＵ Ｌｉ ａ ｎ ｇ ｃ ｈ ａ ｏ 。 Ｚ ＨＡＮＧ Ｆ ａ ｎ ，ＣＨＥＮ Ｙａ ｎ ｌ ｉ 。 ，
Ｙ ｉ ｂ ｉ ｎ ４４ ６ ０ ０ ７ ， Ｃ ｈ ｉ ａ） ｎ
Ａｂｓ ｔ ｒ ａ ｃ ｔ ：Ａｉ ｍｉ ｎ ｇ ａ ｔ ｔ ｈ ｅ ｃ ｕ ｒ ｒ ｅ ｎ ｔ ｓ ｉ ｔ ｕ ａ ｔ ｉ ｏ ｎ ｗｈ ｅ ｒ ｅ ｔ ｈ ｅ ｅ ｒ ｉ ｓ ａ ｂ ｓ ｅ ｎ ｃ ｅ ｏ ｆ ｐ ｈ ｙ ｓ ｉ ｃ ａ ｌ ａ ｎ ｄ ｃ ｈ ｅ ｍｉ ｃ ａ ｌ ｉ ｎ ｄ ｅ ｘ ｅ ｓ ｕ ｓ ｅ ｄ ｔ ｏ ｇ ｒ ａ ｄ ｅ ｗｉ ｎ ｅ ｑ ｕ ａ ｌ ｉ ｔ ｙ ｉ ｎ ｔ ｈ ｅ ｗｉ ｎ ｅ ｉ ｎ ｄ ｕ ｓ ｔ ｒ ｙ ｉ ｎ Ｃ ｈ ｉ ｎ ａ，ａ ｎａ ｌ ｙ ｓ ｉ ｓ ｗａ ｓ ｄ ｏ ｎ ｅ ｔ ｏ ｔ ｅ ｓ ｔ ｗｈ ｅ ｔ ｈ ｅ ｒ ｔ ｈ ｅ ｐ ｈ ｙ ｓ ｉ ｃ ａ ｌ ｎｄ ａ ｃ ｈ ｅ ｍｉ ｃ ｌ ａ ｉ ｎ ｄ ｅ ｘ ｅ ｓ ｃ ｏ ｕ ｌ ｄ ｂ ｅ ｕ ｓ ｅ ｄ ｔ ｏ ｇ ｒ ａ ｄ ｅ ｔ ｈ ｅ ｉｎ ｗ ｅ ｑ ｕ ｌｉ ａ ｔ ｙ ．Ｂａ ｓｅ ｄ ｏ ｎ Ｍａ ｔ ｌ ａ ｂ ｐ ｌ ａ ｔ ｆ ｏ ｒ ｍ ，ｔ ｈ ｅ ＢＰ ｎ ｅ ｕ ｒ ｌ ａ ｎ ｅ ｔ ｗｏ ｒ ｋ ｍｏ ｄ ｅ ｌ Ｗａ Ｓ ｂ ｕ ｉ ｈ ａ ｆ ｔ ｅ ｒ ａ ｎ ｌｙ ａ ｚ ｉ ｎ ｇ ｔ ｈ ｅ ｃ ｏ ｎ ｎ ｅ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｉｎ ｗ ｅ ｒａ ｇ ｄ ｉ ｎ ｇ，ａ ｎ ｄ
分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响
（一）品尝方法1、看外观：通过3次观察，判断葡萄酒的色泽和挂杯情况。
先用食指和拇指握住酒杯柄脚部，将酒杯置于腰高低，低头垂直观察酒的液面，看酒体是否正常；再将酒杯举至双眼高度，观察酒的色泽，透明度及是否存在悬浮物和沉淀物；然后，将酒杯倾斜或摇动，使酒液均匀分布于酒杯的内壁，静置后观察酒液的挂杯状况。
2、闻香：通过3次闻香，判断香气，第一次闻香；端起酒杯，稍低头将鼻孔接近于杯口，只能闻到挥发性强的成份香气；第二次闻香，摇动酒杯，使酒液呈圆周运动，杯壁湿润，酒杯空间充满挥发性成份，再闻香更浓，第三次闻香找香气是否有缺陷。
3 尝味酒入口后，要使酒液布满舌部及口腔，闭上嘴唇，利用舌头及面颊肌肉的运动分散酒液，也可微微张口，轻轻地吸点空气，使酒的香气进入鼻腔后部，品尝味道。
一般先感觉到甜味，再感知酸味，后尝到苦涩味，当然不是截然分开的。
（二）葡萄酒评价1、外观：色正、悦目、晶亮、澄清透明、有光泽、闪烁等；2、香气：醇正、清雅、优美、具有和谐的果香和酒香；3、口味：醇厚、圆润、协调等；4、典型性：风格独特、典型性强；各类上好的葡萄酒的综合评价。
例：干型，半干型葡萄酒，具有和谐的果香味和酒香味；口味干爽，醇厚，优雅；典型性强。
半甜型葡萄酒：果香和酒香和谐，口味甘甜，醇厚柔和；风格典型。
在葡萄酒的感官评价中，由于品酒员间存在评价尺度、评价位置和评价方向等方面的差异，导致不同品酒员对同一酒样的评价差异很大。
从而不能真实地反映不同酒样间的差异。
因此，在对感官评价结果进行统计分析时．必须对品酒员的原始数据进行相应的处理，以真实反映样品间的差异。
对有关数据处理方法的比较分析结果表明：标准化法不仅没有消除品酒员间的异质性，反而加大了品酒员间的差异；而置信区间法对原始数据进行调整，能有效地降低品酒员间的差异，真实地反映酒样间的客观差异。
葡萄酒的评价与理化指标检验
葡萄酒的评价与等级指标检验前言: 中国葡萄与葡萄酒产业发展迅速，已进入世界前列。
2004年中国葡萄栽培面积和产量列世界第5位，鲜食葡萄生产规模居世界首位；葡萄酒产量近37万t，近年来年平均增长15％以上。
葡萄与葡萄酒在产业结构调整、特色经济发展、农民增收中发挥着越来越重要的作用。
目前，中国葡萄生产正处在从数量扩张型向质量效益型转变的关键时期。
葡萄与葡萄酒产业涉及农业、轻工业、商业以及文化传播等多种行业，各行业必须互相协调、有机结合，才能促进中国葡萄酒事业健康、有序的发展。
现代葡萄与葡萄酒产业的发展己上升到高度综合的层次，传统的生产管理模式越来越表现出它的局限性，既表现在决策过程的盲目性，又表现于研究成果推广应用的低效率、低质量，这与发达国家以电子信息技术为代表的现代化葡萄与葡萄酒生产管理形成了鲜明对比。
智能系统及其相关技术是一种全新的处理葡萄与葡萄酒行业问题的思想方法和技术手段，利用现代智能化信息技术，可以实现葡萄与葡萄酒生产、管理、营销的科学化和合理化，加速对传统生产管理模式的改造和升级，大幅度提高生产效率、管理和经营决策水平。
21世纪是信息经济的时代，信息技术已成为推动社会经济发展的重要力量。
信息化是葡萄与葡萄酒产业现代化的标志和关键，利用现代信息技术改造传统产业，使信息技术与传统产业有机结合，已成为葡萄与葡萄酒产业经济实现跨越式发展的必然趋势。
1智能系统概况1．1智能系统的概念智能系统(Intelligent System，IS)起源于人工智能中的专家系统(Expert System，ES)，是目前人工智能研究的一个最活跃、最具成效的分支。
智能系统采用了推理机与知识库相分离的构造原则，具有相关领域专家水平的专门知识，能根据用户提供问题的初始事实，运用知识库中的知识，进行有效的推理求解。
与人类专家能够通过学习不断获取知识一样，高级的智能系统具有进一步获取知识的能力。
同时，智能系统具有海量数据表现和筛选能力，能解释其推理过程或某个决定，满足用户的智能化使用和个性化服务需求。
2012数学建模 第四问 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葡萄酒香气极为复杂，几百种芳香物质参与了香气的构成。
本文综述了葡萄酒香气的来源及其成份，并对葡萄酒中香味物质的测定方法作了说明。
葡萄酒的呈香物质极多，目前已鉴定出的有300余种，通过协同作用、累加作用、相互抑制作用，使葡萄酒香气复杂多样，千变万化。
要正确描述、分析葡萄酒香气，就必须对它们进行分类，了解它们的来源与成份。
1. 葡萄酒香气的来源葡萄酒香气主要有三个来源，即来源葡萄品种本身的香气，来源于发酵过程中形成的酒香以及陈酿香气。
1.1 一类香气一类香气又叫葡萄酒的品种香气，这类香气在气味上以花香、果香、植物以及矿物质为主。
因为其呈味物质来源于浆果，所以葡萄品种以及影响葡萄品种表现，决定葡萄品种质量的气候、土壤、栽培技术等因素是决定该类香气质量的自然因素。
众多的葡萄品种在不同的气候、土壤类型中的表现，结果产生了繁杂的一类香气，当然有讨人喜欢的，也有遭人厌的。
只有努力地使所选用的葡萄品种的适应性，特异性与栽培地的生态条件及生产目标相一致，才能表现出该葡萄品种的最佳香气状态。
根据一类香气的类型可以将葡萄品种分为如下三类：1. 所酿的酒，一类香气非常浓郁、复杂、以果香为主，且在酒的陈熟过程中更能充分地表现出来。
如缩味浓、赤霞珠、品丽珠、梅尔诺、赛美容、维尔多等。
2. 所酿的酒以果香、花香等气味为主的葡萄品种，主要有比诺、白山坡、霞多丽、佳美以及雷司令、西万尼、琼瑶浆等。
3. 所酿的酒以动物气味为主，主要是麝香味的葡萄品种，如玫瑰香、亚利山大等。
构成一类香气的呈香物质有结合态和游离态两种状态。
结合态的呈香物质只有分解放出的游离态的才能表现出来。
所以葡萄酒的酿造过程，一方面浸提出了果皮中的芳香物质；另一方面发酵促成了一类香气的充分表现，如葡萄酒中的某些酶，人的唾液，胃液能使结合的呈香物质释放出游离态的芳香物质。
这也从某种程度上说明了葡萄酒的质量原先存在于葡萄之中，酿造过程只是让其表现出来而已。
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
酿酒葡萄与葡萄酒理化指标及其质量的分析与评估
酿酒葡萄与葡萄酒理化指标及其质量的分析与评估摘要本文通过运用SPSS首先对两组品酒员对葡萄酒的评价进行了差异显著性分析以及评Cronbach α系数分析对品酒员评价的可信度进行了分析，得到了两组品酒员评价之间存在显著性差异，并且第一组品酒员的评价结果更为可信。
接下来我们取第一组评酒员给每个样品酒所给出的总分的平均分表示该样品葡萄酒质量的量化指标进行相关讨论我们通过对葡萄及葡萄酒的理化指标归一化处理，将它们之间的联系现实的更为明显，紧接着我们利用因子分析、主成分分析将决定葡萄酒质量的因素维度较低，从而达到简化模型的目的，并通过分析将各成分因子重新命名，再将命名后的主成分和评论员对葡萄酒的评价作为依据对酿酒葡萄等级评定，并引入层次分析法对评定体系进行改进构想。
最后利用MATLAB求解主成分因子与葡萄酒质量之间的函数关系，并用BP人工神经网络进行验证及讨论。
最后我们在每一个问题后面进行了深入的反思与总结，得出了一些具体的改进思路及方法，并得出在原有问题上的修正。
关键字SPSS MATLAB Cronbach α系数分析主成分分析层次分析法BP人工神经网络模型的改进与修正1.问题重述随着经济的日益发展，人们生活水平的不断提高，葡萄酒的受众随之增加，品酒行业逐渐专业化。
品质是现代葡萄酒生产追求的目标之一，针对酒类的质量检测也成为食品行业工作的重中之重。
根据已有数据，运用数学建模的方法，对葡萄酒进行评价是一个重要问题。
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。
从上述相关关系出发，参考相关数据，针对酿酒葡萄与葡萄酒的理化指标和葡萄酒的质量这几个变量，进行分析并建立数学模型，讨论关于葡萄酒的评价问题：特别注意指出模型中的优点和不足之处，并做出改进方向。
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。
基于理化指标的葡萄酒质量评价研究
基于理化指标的葡萄酒质量评价研究下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢！本店铺为大家提供各种类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，想了解不同资料格式和写法，敬请关注！Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!基于理化指标的葡萄酒质量评价研究1. 引言葡萄酒作为一种重要的酒类产品，其质量评价至关重要。
葡萄酒的评价与理化指标检验
葡萄酒的评价与理化指标检验葡萄酒是一种受到广泛关注和喜爱的饮品，其品质和风味对消费者来说至关重要。
因此，葡萄酒的评价和理化指标检验是保证葡萄酒质量和消费者满意度的重要环节。
首先，观察外观是葡萄酒评价的第一步。
我们可以根据酒液的颜色、透明度和颜色的变化来判断其品质和类型。
例如，红葡萄酒通常呈现出紫红色、橘红色或棕红色，而白葡萄酒则呈现出浅黄色、金黄色或淡黄色。
其次，酒液的香气也是评价葡萄酒的重要指标。
葡萄酒的气味可以分为果香、花香、香料和烟熏等不同的类型。
评价葡萄酒的香气要注意其清新、浓郁和持久性等特点。
口感也是评价葡萄酒的重要指标之一、葡萄酒的口感可以分为甜、酸、苦和酒体等几个方面。
良好的口感应该是平衡和谐的，不过于酸或苦，而且具有适度的酒体和丰富的层次。
最后，葡萄酒的余味也是评价其质量的重要指标之一、余味是指饮用完毕后在口腔中残留的感觉，良好的葡萄酒应该有清爽的余味，并且在口中久久不散。
除了评价，葡萄酒的理化指标检验也是确保其质量的重要环节。
葡萄酒的理化指标主要包括酒精度、总酸、挥发性酸度、pH值、总酚和氨基酸等几个方面。
酒精度是指葡萄酒中的酒精含量，通常以体积百分比（vol%）表示。
合理的酒精度对于葡萄酒的口感和风味具有重大影响。
总酸度是指葡萄酒中的总酸含量，它与葡萄酒的口感和新鲜度有关。
挥发性酸度是葡萄酒中的挥发性酸的含量，它与葡萄酒的稳定性和储存寿命有关。
pH值是葡萄酒的酸碱度，对于葡萄酒的稳定性和感官性质具有重要作用。
总酚是指葡萄酒中的酚类物质含量，它与葡萄酒的色泽和抗氧化性有关。
氨基酸是葡萄酒中重要的风味物质，它对葡萄酒的风味和品质有重要影响。
总之，葡萄酒的评价和理化指标检验对于保证葡萄酒质量和消费者满意度至关重要。
通过评价葡萄酒的外观、气味、口感和余味等特征，我们可以判断其品质和风味。
而通过理化指标检验，我们可以了解葡萄酒的酒精度、总酸度、挥发性酸度、pH值、总酚和氨基酸等特征，从而确保葡萄酒的质量和稳定性。
葡萄酒的评价与理化指标检验
75——酒石酸的摩尔质量的数值，单位为克每摩尔。
2.3.2 挥发酸的测定
以蒸馏的方式蒸出样品中的低沸点酸类即挥发酸，用碱标准溶液进行滴定，再测定游离
二氧化硫和结合二氧化硫，通过计算与修正，得出样品中挥发酸的含量。
实测挥发酸：安装好蒸馏装置。吸取10ml样品（V）[液温20℃]进行蒸馏，收集100ml
酒颜色在 420nm，520nm，620nm 有吸收。420nm，520nm，620nm 所发出的光分别为绿色，蓝 色和橙色。我们看到的则是其发出光的互补色，即 420nm 为黄色，520nm 为红色，620nm 为 蓝紫色。
先测定被测样品的 pH，然后准确吸取被测样品若干，用相同 pH 的缓冲液稀释至刻度 均匀，用 1cm 比色皿在 420nm，520nm，620nm 处分别测得其吸光值。将 3 波长下吸光度相加 即为红葡萄酒的色度。 2.3.9 色调的测定
与单宁含酚基的数目成正比。如试样中含有其他酚类化合物或其他还原物质，也会被同时测
定。 标准曲线的制备：吸取 0 mL、0.5 mL、1.0 mL、1.5 mL、2.5 mL、5.0 mL、7.5 mL、
10 mL 单宁酸标准溶液用水分别定容至 50 mL，分别取 1 mL 放入盛有 70 mL 水的 100 mL 容 量瓶中，加入福林--丹尼斯试剂 5 mL 及饱和碳酸钠溶液 10 mL，加水至刻度，充分混匀。 30 min 后以空白作参比，在波长 760 nm 处测定吸光度，以吸光度为横坐标，100 mL 溶液中 单宁酸的毫克数为纵坐标绘制标准曲线（y=ax+b，y—吸光值；x-单宁含量，g/L）。
葡萄酒的色调可以表现其成熟程度，新红葡萄酒源于果皮的花色素苷的作用，带紫色或 宝石红色调。在成熟过程中，由于游离花色素苷逐渐与其他物质结合而消失，使成年葡萄酒 的色调在聚合单宁作用下逐渐变为瓦红色或砖红色，色调理论上表示为：A420/A520 数值越低 越红，越高越显橙色。 2.3.10 总酚的测定
- 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)。
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。
成分与葡酒的质量关系密切，是划分葡萄酒等级的重要依据。
而通过测量葡萄酒的物理化学性质进而评估其质量，应该是最有效的方法。
理化实验室常规检验包括葡萄酒的密度，酒精或pH 值，而质量评价主要依靠专家的感官。
应该强调指出味道是最难理解的一种感官，因此葡萄酒质量分类是一项艰巨的任务。
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。
分析酿酒葡萄与葡萄酒的理化指标之间的联系。
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？等等属于此范畴。
二、问题分析本题是研究酿酒葡萄的理化指标，葡萄酒的理化指标，酿酒葡萄的质量，葡萄酒的质量之间的关系。
根据已有的数据分析出他们之间存在的关系来判断能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量？问题一使用matlab 进行显著性差异分析，并判断出哪组评酒员的评价更可信。
问题二利用SPSS 统计分析软件分别对红、白葡萄的理化指标进行因子分析，确定哪些因素对酿酒葡萄的分级起主要作用，并根据对主要因素的分析划分酿酒葡萄的等级。
问题三根据典型相关分析，得到酿酒葡萄与葡萄酒理化指标的关联度，通过对关系度表格的分析，可以得到酿酒葡萄与葡萄酒的理化指标之间的联系。
问题四由典型相关分析分别得到酿酒葡萄理化指标与葡萄酒质量的关联度和葡萄酒的理化指标对葡萄酒的质量的关联度，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。
三、模型假设1. 评酒员为人正派，品德高尚，有充足的精力和体力。
2．评酒员有好的感官和较低的感官阀值，对样品有较高的鉴赏能力。
3．评酒时所处的环境是相同，且未收到外界干扰。
4. 采集数据时数据误差在可控范围内。
5. 不考虑不同葡萄酒的酿造时间。
四、定义与符号说明1X ，2X 分别为两样本平均数。
12X σ，22X σ分别为两样本方差。
γ为相关样本的相关系数。
ij e 表示向量i e 的第j 个分量。
11R ，22R 分别为第一组变量和第二组变量的相关系数阵。
12R = 21R '为第一组变量和第二组变量的相关系数。
五、模型的建立与求解（一） 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？附件一的数据分析可知，我们采用配对数据t 检验和方差分析法。
双总体t 检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。
相关样本的t 检验公式为：t =。
第一步：建立假设、确定检验水准α。
H0：假设两组评酒员评价结果无显著性差异。
H1：假设两组评酒员评价结果有显著性差异。
双侧检验，检验水准:α=0.05第二步：在spss 的Variable View 中建立数据库，并输入数据，对数据样品进行配对T 检验。
红酒一组 7.309 270 3.79190.2308 白酒一组 7.426 280 3.8108 0.2277红酒一组第三步判断由表一可以看出：红酒一组、红酒二组、白酒一组、白酒二组的均值分别为：7.309、7.051、7.426、7.653，标准差分别为：3.7919、3.7919、3.7919、3.9565，标准误为：0.2308、0.2198、0.2277、0.2364。
由表二可知：红酒共抽取270个指标，白酒共抽取280指标。
相关性和sig 分别为：0.978、0.974、9.724E-184、7.031E-182。
由于选取的α=0.05，即选取置信度为95%，若P<0.05拒绝H0，接受H1，若P>=0.05，则还不能拒绝H0。
由表3看出P〈0.05两组评酒员评价结果有显著性差异。
我们采用方差分析法来确定可信度。
第一步：对每组数据进行无重复双因子分析。
方差分析差异源SS df MS F P-value F crit行7304.268 27 270.5284 4.523772 6.01E-11 1.531778 列18023.93 9 2002.659 33.48844 6.41E-38 1.918539 误差14531.77 243 59.80151总计39859.97 279标准差比较图：由以上两图我们可以清晰的知道第二组更可信。
（二）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。
（1）分析附表二可知，我们将采用主成分分析法来解决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。
主成分分析是利用降维的思想，将多个变量转化为少数几个综合变量（即主成分），其中每个主成分都是原始变量的线性组合，各主成分之间互不相关，从而这些主成分能够反映始变量的绝大部分信息，且所含的信息互不重叠。
① 计算相关系数矩阵⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=pp p p p p r r r r r r r r r R 212222111211在式中，r ij （i ，j=1，2，…，p ）为原变量的xi 与xj 之间的相关系数，其计算公式为∑∑∑===----=nk nk j kji kink j kj i kiij x xx xx x x xr 11221)()())((因为R 是实对称矩阵（即r ij =r ji ），所以只需计算上三角元素或下三角元素即可。
② 计算特征值与特征向量首先解特征方程0=-R I λ，求出特征值),,2,1(p i i =λ，并使其按大小顺序排列，即0,21≥≥≥≥p λλλ ；然后分别求出对应于特征值i λ的特征向量),,2,1(p i e i =。
这里要求i e =1，即112=∑=pj ij e ，其中ij e 表示向量i e 的第j 个分量。
③ 计算主成分贡献率及累计贡献率 主成分i z 的贡献率为),,2,1(1p i pk ki=∑=λλ累计贡献率为),,2,1(11p i pk kik k=∑∑==λλ一般取累计贡献率达85—95%的特征值m λλλ,,,21 所对应的第一、第二，…，第m （m ≤p ）个主成分。
④ 计算主成分载荷 其计算公式为),,2,1,(),(p j i e x z p l ij i j i ij ===λ得到各主成分的载荷以后，还可以按照式进一步计算，得到各主成分的得分⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=nm n n m m z z z z z z z z z Z 212222111211（2）应用欧氏距离确定中和数据间的距离：1221(2)(||)pij ik jk k d x x ==-∑白葡萄聚类树状图红葡萄聚类树状图（3）应用离差平方和法进行聚类.。
白葡萄氨基酸总量蛋白质mg/100g褐变度总糖g/L还原糖g/L可溶性固形物g/l果穗质量/g百粒质量/g分数平均分葡萄样品35022.14 467.239 43.218 180.595 232.429 214.9 213.22 164.2 75.6 734.85 葡萄样品283785.57 450.458 74.477 220.079 239.325 226.6 108.76 114.4 79.6 588.80 葡萄样品27 2475.21 642.373 870.194 190.615 224.944 212.6 166.08 177.3 77 559.59样品3068.34 629.801 90.611 229.306 227.250 231.1 200.52 226.2 76.1 553.25 516.03 24葡萄2669.22 546.446 91.796 169.980 212.712 172.7 498.78 340.8 78.4 531.20样品15葡萄样品2658.04 467.203 137.636 202.917 256.020 219.6 112.78 143.5 81.5 475.465葡萄1554.02 585.359 1167.648 209.266 228.364 211.4 92.88 145.5 79.2 474.85 437.39 样品21葡萄2350.79 516.862 205.610 222.956 255.290 224.1 141.94 148.7 79.5 460.64样品25葡萄2095.61 515.756 192.731 217.996 243.081 219.4 125.62 285.4 79.8 441.72 398.87 样品10葡萄1522.52 505.339 839.450 199.345 253.514 221.8 186.74 143.4 77.4 438.84样品23葡萄2045.24 479.934 150.273 219.782 235.097 220.7 205.54 146.2 76.6 419.93样品20葡萄1279.30 496.457 179.703 175.040 186.849 199.9 275.06 892.2 77.9 418.04 314.94 样品1葡萄1847.12 499.080 143.493 186.448 220.124 196.4 296.71 171.9 75.5 404.09样品6葡萄2073.33 496.835 14.674 224.841 259.877 226.4 104.91 127.9 74.3 400.34样品26葡萄样品1542.17 524.857 530.556 177.222 253.400 201.1 145.27 134.7 77.1 398.4814葡萄1724.16 457.649 148.364 209.365 250.510 211.4 285.82 202.5 72.4 395.79样品12葡萄2085.76 496.201 25.340 206.885 212.442 209.1 110.99 116.0 76.9 393.29样品4葡萄1870.93 538.451 79.239 207.778 222.278 210.3 95.94 172.5 75.8 385.91样品葡萄1927.42 482.855 44.976 209.464 220.415 228.9 138.23 127.5 80.4 384.46 样品9葡萄样品1566.97 557.441 218.452 167.202 174.030 188.8 316.51 184.5 71.4 382.81 11葡萄1721.58 560.343 75.887 161.746 242.200 174.4 234.90 178.3 74.2 380.39 样品7葡萄1289.93 581.913 133.056 183.968 198.668 186.3 286.24 149.0 76.7 342.86 样品18葡萄样品1273.22 493.739 189.667 157.778 196.156 174.8 285.06 235.5 72.3 342.03 8葡萄样品1457.67 402.156 63.447 167.202 225.523 209.1 73.36 88.2 79.4 307.34 22葡萄样品991.92 464.819 144.825 170.675 216.733 192.0 259.11 198.2 67.3 300.62 16葡萄1167.29 416.876 134.629 192.401 182.553 194.2 111.53 114.0 80.3 288.20 样品17葡萄664.96 459.397 118.628 153.909 177.755 187.1 286.10 271.0 73.9 265.86 样品13葡萄817.81 455.675 27.517 199.147 210.105 202.2 165.06 137.4 76.4 254.60 样品19白葡萄分级为：红葡萄氨基酸总量花色苷黄酮醇(mg/kg)总糖g/L还原糖g/L可溶性固形物g/l果穗质量/g百粒质量/g分数平均分葡萄样品38397.28 157.939 164.9927 256.190 273.758 257.6333 83.13 105.4 74.6 1085.66葡萄样品216346.83 89.282 47.2196 205.794 259.110 216.9 147.66 106.1 72.2 832.34 959.00 葡萄样品63434.17 46.186 7.7272 244.385 223.817 246.1333 202.2367 171.9667 66.3 515.88葡萄样品122556.79 32.343 2.4802 247.659 262.155 261.1 191.9467 187.7333 68.3 423.39葡萄样品232380.81 172.626 44.7476 207.679 212.564 208.7667 278.75 219.0667 77.1 422.46 399.90 葡萄样品192463.60 115.704 31.2649 205.794 220.333 214.9 173.0933 168.8333 72.6 407.35葡萄样品202273.63 23.523 9.6262 193.194 227.338 209.1 307.1433 334.3 75.8 405.96葡萄样品222566.61 74.027 13.8003 224.147 226.399 234.7 106.6133 115.8333 71.6 403.75葡萄样品182398.38 40.228 6.5161 226.032 265.773 226.5667 196.0067 208.4 65.4 403.70葡萄样品92262.72 240.843 58.5407 193.690 194.925 203.3667 186.6167 138.0667 78.2 395.22葡萄样品12027.96 408.028 17.6780 208.175 237.668 226.4667 182.93 123.6333 68.1 388.96葡萄样品72391.16 60.767 9.8648 209.861 303.950 211.3667 63.61 168.8333 65.3 387.19葡萄样品51844.00 120.606 6.6502 209.663 195.460 212.9333 515.4633 254.2333 72.1 381.23 306.56葡萄样品2355.69 7.787 25.5751 209.563 237.891 210.2 177.83 118.8 61.6 378.33 11葡萄样品1950.76 241.397 115.5546 198.849 196.990 226.4667 213.0867 181.0667 66 376.69 8葡萄样品1713.65 59.424 43.8121 212.738 271.504 238.2 446.6367 264.1 74.5 369.40 17葡萄样品2128.82 224.367 27.4550 205.000 229.136 228.8 81.61667 98.3 74 366.39 2葡萄样品1638.83 144.881 14.3803 201.825 244.512 203.3333 517.4544 237.3667 71.5 363.79 24葡萄样品2144.68 79.685 26.9679 189.722 237.766 203.3333 137.97 174.7 71.2 362.89 4葡萄样品2177.91 52.792 9.7179 179.107 208.933 214.8667 159.31 174.4667 65.7 360.31 15葡萄样品851.17 58.469 13.9166 173.353 197.377 195.7333 793.4667 245.5 72 289.00 26葡萄样品1409.70 49.643 30.2112 150.337 156.038 194.6333 288.69 251.3 68.2 288.75 25葡萄样品1237.81 140.257 134.6375 191.508 255.335 193.8667 209.1067 136.2667 72.6 285.71 14葡萄样品1553.50 60.660 8.1900 204.008 189.275 205.6333 119.1733 109.3333 69.9 279.96 16葡萄样品1416.11 65.324 40.7586 197.857 212.237 203.3667 159.97 147.9667 68.8 279.15 13葡萄样品1364.14 44.203 28.7475 167.202 161.421 181.2267 255.44 200.8 68.8 274.66 10葡萄样品1116.61 34.190 15.9809 196.667 213.216 206.9 282.0867 148.7333 71.5 253.99 27红葡萄分级为：（4）检验：根据酿酒葡萄指标的平均值检验分组是否成立；由上图表可知，平均分差异大，分组成立。