2012年數(shù)學(xué)建模a題論文

1、葡萄酒的評價(jià)摘要本文以葡萄酒的評價(jià)為研究對象，對葡萄酒的質(zhì)量進(jìn)行分析。通過運(yùn)用配對樣本t檢驗(yàn)、K-均值聚類和對比分析的方法，解決了與葡萄酒相關(guān)的問題。對于問題一：分析兩組評酒員的評價(jià)結(jié)果有無明顯差異，且哪組更可信。由于附件一中的數(shù)據(jù)過于龐雜，所以對數(shù)據(jù)進(jìn)行了平均值處理。然后利用配對樣本t檢驗(yàn)的顯著性值來比較，最終可以得出第二組更為可靠。 對于問題二：根據(jù)所釀酒葡萄的理化指標(biāo)和質(zhì)量對釀酒葡萄進(jìn)行分級。因?yàn)楦郊械睦砘阜N類標(biāo)過于繁多，所以對理化指標(biāo)做了隨機(jī)選取性處理。然后利用K-均值聚類分析的方法，將葡萄進(jìn)行分類。最后，可以得出釀酒葡萄的等級。對于問題三：分析釀酒葡萄與葡萄酒的理化指標(biāo)之間的聯(lián)

2、系。在眾多指標(biāo)數(shù)據(jù)中隨機(jī)選取釀酒的紅、白葡萄和紅、白葡萄酒的理化指標(biāo)數(shù)據(jù)。然后利用SPSS軟件對所選數(shù)據(jù)進(jìn)行散點(diǎn)圖的繪制。最后通過運(yùn)用MATLAB軟件繪制擬合曲線。通過散點(diǎn)圖與擬合曲線圖的比較可以得到釀酒葡萄與葡萄酒的理化指標(biāo)之間的聯(lián)系。 對于問題四：分析釀酒葡萄和葡萄酒的理化指標(biāo)對葡萄酒質(zhì)量的影響，并論證能否用葡萄和葡萄酒的理化指標(biāo)來評價(jià)葡萄酒的質(zhì)量。在繁雜的數(shù)據(jù)中利用隨機(jī)選取的方法對數(shù)據(jù)進(jìn)行挑選，并與其相對應(yīng)的質(zhì)量一起利用MATLAB軟件進(jìn)行擬合曲線的繪制。最后通過對擬合曲線的分析，可以得出理化指標(biāo)對質(zhì)量的影響。關(guān)鍵詞：葡萄酒 平均值 聚類分析 擬合曲線 一、問題重述1.1問題背景確定葡萄

3、酒質(zhì)量時(shí)一般是通過聘請一批有資質(zhì)的評酒員進(jìn)行品評。每個(gè)評酒員在對葡萄酒進(jìn)行品嘗后對其分類指標(biāo)打分，然后求和得到其總分，從而確定葡萄酒的質(zhì)量。釀酒葡萄的好壞與所釀葡萄酒的質(zhì)量有直接的關(guān)系，葡萄酒和釀酒葡萄檢測的理化指標(biāo)會在一定程度上反映葡萄酒和葡萄的質(zhì)量。1.2 問題條件附件1給出了某一年份一些葡萄酒的評價(jià)結(jié)果，附件2和附件3分別給出了該年份這些葡萄酒的和釀酒葡萄的成分?jǐn)?shù)據(jù)。1.3需要解決的問題問題一： 兩組評酒員的評價(jià)結(jié)果有無顯著性差異，哪組更可信；問題二： 根據(jù)釀酒葡萄的理化指標(biāo)和葡萄酒的質(zhì)量對釀酒葡萄進(jìn)行分級；問題三：分析釀酒葡萄與葡萄酒的理化指標(biāo)之間的聯(lián)系；問題四：分析釀酒葡萄和葡萄酒的

4、理化指標(biāo)對葡萄酒質(zhì)量的影響，并論證能否用葡萄和葡萄酒的理化指標(biāo)來評價(jià)葡萄酒的質(zhì)量；2、 模型假設(shè) 1.假設(shè)每位評酒員都是公平、公正的；2.假設(shè)給兩組評酒員的各樣品都是同樣的；3.假設(shè)所給的所有數(shù)據(jù)都真實(shí)有效；4.假設(shè)釀酒的工藝差別等其他外界條件不影響葡萄酒的質(zhì)量；5.假設(shè)所有評酒員在除去自身品酒水平以外，其他條件相同； 三、符號說明為了便于問題的求解，我們給出以下符號說明：符號符號說明1總體均值差2總體差的樣本均值3修正樣本標(biāo)準(zhǔn)差4配對總體差顯著性5每組紅、白葡萄酒各自方差6每組紅、白葡萄酒各樣品的平均值四、問題分析葡萄酒在生活中也是常見的一種酒。因?yàn)槊總€(gè)人的喜好不同，所以葡萄酒會有各種不同的

5、種類。對這些不同種類的葡萄酒的質(zhì)量我們請?jiān)u酒員對此做出了評價(jià)。對于問題一：分析附件一中兩組評酒員的評價(jià)結(jié)果有無顯著性差異，且哪組更可信。對于這個(gè)問題，我們選擇采用SPSS軟件中的配對樣本t檢驗(yàn)這種方法。首先應(yīng)對附錄一中的各個(gè)數(shù)據(jù)進(jìn)行整理。求出附錄一中四個(gè)表的10個(gè)評酒員對各個(gè)樣品酒評價(jià)分?jǐn)?shù)的平均值，并將這四組平均值進(jìn)行分類后和樣品酒編號對應(yīng)起來放在Excel表中。最后利用SPSS軟件對這兩組數(shù)據(jù)中的顯著性進(jìn)行觀察，從而判斷評出酒員的評價(jià)結(jié)果有無顯著性差異。對于哪組更可信這個(gè)問題可以通過比較最終結(jié)果表中的方差來判斷。對于問題二：根據(jù)釀酒葡萄的理化指標(biāo)和葡萄酒的質(zhì)量對這些釀酒葡萄進(jìn)行分級。對于這個(gè)

6、問題，我們選擇采用SPSS軟件中的K-均值檢驗(yàn)這種方法。首先應(yīng)對在附件二中對數(shù)據(jù)進(jìn)行舍取，并將整理后的數(shù)據(jù)放在Excel中。最后利用SPSS軟件對這組數(shù)據(jù)進(jìn)行K-均值聚類。最后通過整理聚類后的結(jié)果列出等級表。對于問題三：分析釀酒葡萄與葡萄酒的理化指標(biāo)之間的聯(lián)系。對于這個(gè)問題，我們選擇對比分析的方法。首先將附件二中釀酒的紅、白葡萄和紅、白葡萄酒的理化指標(biāo)整理出來后放入Excel中，利用SPSS軟件對所選數(shù)據(jù)進(jìn)行散點(diǎn)圖的繪制。再通過運(yùn)用MATLAB軟件繪制擬合曲線。最后通過對散點(diǎn)圖和擬合曲線的對比分析得出結(jié)果。對于問題四：分析釀酒葡萄和葡萄酒的理化指標(biāo)對葡萄酒質(zhì)量的影響，并論證能否用葡萄和葡萄酒的

7、理化指標(biāo)來評價(jià)葡萄酒的質(zhì)量。對于這個(gè)問題，我們選擇對比分析的方法。首先將釀酒的紅、白葡萄和紅、白葡萄酒的理化指標(biāo)中選取出的理化指標(biāo)整理出來后放入Excel中，利用MATLAB軟件對所選數(shù)據(jù)繪制擬合曲線，最后通過對散點(diǎn)圖和擬合曲線的對比分析得出結(jié)果。五、模型的建立與求解經(jīng)過以上對題目和問題的分析和準(zhǔn)備，將進(jìn)一步闡述模型的實(shí)際建立過程和求解。5.1 異常數(shù)據(jù)處理在假設(shè)中提到數(shù)據(jù)要真實(shí)有效，所以在處理數(shù)據(jù)前要對所給數(shù)據(jù)進(jìn)行檢查。當(dāng)數(shù)據(jù)中出面漏寫、填多等失誤時(shí)，采取平均值法。就是將該項(xiàng)的平均值求出后填入所失誤的位置，以此來減少誤差。在對第一組白葡萄酒的數(shù)據(jù)中的樣品3進(jìn)行評價(jià)時(shí)，第七個(gè)評酒員在持久性的評

8、價(jià)中出現(xiàn)了異常。對異常數(shù)據(jù)進(jìn)行處理：1其中，為樣品3中持久性的平均值； 為第幾個(gè)評酒員。在對第一組紅葡萄酒的數(shù)據(jù)中的樣品20進(jìn)行評價(jià)時(shí)，第四個(gè)評酒員在色調(diào)的評價(jià)中出現(xiàn)了異常。對異常數(shù)據(jù)進(jìn)行處理：2其中，為樣品20中色調(diào)的平均值；為第幾個(gè)評酒員。5.1.1模型一的建立與求解題中的附錄一給出了27樣紅葡萄酒和28樣白葡萄酒，且有每組10個(gè)評酒員分別對紅、白葡萄酒進(jìn)行評價(jià)的分?jǐn)?shù)等數(shù)據(jù)。利用這些數(shù)據(jù)對這兩組數(shù)據(jù)進(jìn)行處理，從而判斷有無顯著性差別和哪組更好。5.1.2 顯著性模型的建立（1）數(shù)據(jù)處理、求取平均值先對附錄一中的第一張表格（第一組紅葡萄酒）進(jìn)行處理。這組紅葡萄酒共有27種樣品，且這10個(gè)評酒員

9、分別需要對這27種紅葡萄酒進(jìn)行評分，所以可以先對各樣品中小指標(biāo)的分?jǐn)?shù)進(jìn)行求和，算出每個(gè)人對各樣品的評價(jià)分?jǐn)?shù)。然后將這些分?jǐn)?shù)和對應(yīng)的樣品放入Excel表中。并將這10個(gè)評酒員對各個(gè)樣品的分?jǐn)?shù)進(jìn)行求和取平均值，從而得到27個(gè)與樣品對應(yīng)的平均值。用同樣的方法可以得到其他三個(gè)表中的平均值。 其中，兩組葡萄酒的平均值為表1：表一 兩組葡萄酒的平均值樣品酒第一組紅葡萄酒()第一組白葡萄酒()第二組紅葡萄酒()第二組白葡萄酒()162.78268.177.9280.374.27475.8380.485.374.675.5468.679.471.276.9573.37172.181.5672.268.466.

10、375.5771.577.565.374.2872.371.46672.3981.572.978.276.81074.274.368.879.81170.172.361.671.41253.963.368.372.41374.665.968.873.914717272.677.11558.772.465.778.41674.97469.976.31779.378.874.580.31859.773.165.476.7197872.272.676.42078.677.875.876.62177.176.472.279.22277.27171.679.42385.675.977.177.42478

11、73.371.576.12569.277.168.279.52673.881.37274.3277364.871.5772881.379.6（2）數(shù)據(jù)導(dǎo)入在算出四張表中每個(gè)樣品所對應(yīng)的平均值后，將第一組的紅葡萄酒和第二組的紅葡萄酒中的葡萄酒樣品、每個(gè)樣品所對應(yīng)的平均值放在一個(gè)新的Excel表格中，并注釋好每一列的名稱。用同種方法也可以得到第一組白葡萄酒和第二組白葡萄酒的新表格。5.1.2 模型的求解先將第一組紅葡萄酒與第二組紅葡萄酒所建的新表格導(dǎo)入SPSS軟件中。通過運(yùn)用SPSS軟件中的配對樣本t檢驗(yàn)可以對兩總體均值差的原假設(shè)寫成：1其中、代表配對樣本的總體，都是未知的。選擇檢驗(yàn)統(tǒng)計(jì)量并給出統(tǒng)

12、計(jì)量的分布。假設(shè)總體服從正太分布，檢驗(yàn)統(tǒng)計(jì)量是統(tǒng)計(jì)量，其構(gòu)成為：2在總體差的樣本均值和修正樣本標(biāo)準(zhǔn)差中：34當(dāng)原假設(shè)為真時(shí)，。SPSS軟件會根據(jù)樣本觀測值自動計(jì)算統(tǒng)計(jì)量的觀測值，并根據(jù)統(tǒng)計(jì)量的分布自動計(jì)算統(tǒng)計(jì)量觀測值發(fā)生的概率（值）。其中，第一組與第二組紅葡萄酒的顯著性概率為表2；第一組與第二組白葡萄酒的顯著性概率為表3：（代碼見附錄一）表2 第一組與第二組紅葡萄的顯著性CorrelationSiq第一組白葡萄平均值&第二組白葡萄平均值270.6930.000表3 第一組與第二組白葡萄的顯著性CorrelationSiq第一組白葡萄平均值&第二組白葡萄平均值280.2650.1

13、73觀察表可知：在表1中可得，因?yàn)楫?dāng)值（配對總體差顯著性）小于0.05時(shí)，說明配對總體間均值有顯著差異，反之無明顯差異。由此可以得出：a. 對于紅葡萄酒的評分有顯著性差異；b. 對于白葡萄酒的評分無顯著性差異；5.1.3優(yōu)劣性評價(jià)模型的建立與求解在通過SPSS軟件得出值得同時(shí)，也會出現(xiàn)這兩組中紅、白葡萄各自的方差。比較這些方差可以選出哪組更可信。其中，兩組各自紅葡萄酒的方差為表4、兩組各自白葡萄酒的方差為表5。表4 兩組各自紅葡萄酒的方差meamNStd.DeviationStd.Error mean第一組紅葡萄酒平均值72.952277.35031.4146第二組紅葡萄酒平均值70.5152

14、73.97800.7656表5 兩組各自白葡萄酒的方差meamNStd.DeviationStd.Error mean第一組白葡萄酒平均值74.26285.2010.983第二組白葡萄酒平均值76.721282.51370.4750觀察表可知：第一組紅葡萄酒的方差；第二組紅葡萄酒的方差；第一組白葡萄酒的方差；第二組白葡萄酒的方差；由此數(shù)據(jù)可知：；因?yàn)橹挥性诜讲钤叫r(shí)它的可行度才越高，所以我們得出第二組的更可信。5.2模型二的建立與求解在同樣穩(wěn)定的制造工藝下，不同的釀酒葡萄會釀出不同質(zhì)量的酒。因此可以對釀酒葡萄的質(zhì)量進(jìn)行等級分類。5.2.1模型的建立（1） 數(shù)據(jù)舍取從香氣、外觀、口感、保鮮度這四

15、個(gè)角度考慮，選取了白黎蘆醇、果皮顏色、黃酮醇、單寧這四個(gè)具有代表性的指標(biāo)作為檢驗(yàn)的數(shù)據(jù)。（表見附錄二）（2）數(shù)據(jù)的導(dǎo)入在進(jìn)行數(shù)據(jù)的舍取整理后，將這些新數(shù)據(jù)放入Excel中，并標(biāo)注好表頭。最后將該表導(dǎo)入SPSS軟件中。5.2.2模型的求解在SPSS軟件中運(yùn)用K-均值聚類檢驗(yàn)，首先對導(dǎo)入數(shù)據(jù)進(jìn)行處理，從而得到釀酒葡萄的分類等級。通過聚類分析的原理：定義與之間的距離為兩類最近樣品的距離：5設(shè)類與合并成一個(gè)新類記為，則任一類與的距離為：67最短距離法進(jìn)行聚類分析的步驟如下：（a） 計(jì)算樣品的兩兩距離，得一距離陣記為，開始每個(gè)樣品自成一類，這時(shí)。（b）找出最小距離，設(shè)為，則將和合并成一個(gè)新類，記為，即。

16、（c）按上式計(jì)算新類與其他類的距離。（d）重復(fù)（b）、（c）兩步，直到所有元素并成一類為止。如果某一步距離最小距離不止一個(gè)，則對應(yīng)這些最小距離的類可以同時(shí)合并。模型求解結(jié)果：按評分從高到底，將紅、白葡萄酒依次分為優(yōu)秀、良好、較差這三個(gè)等級。紅葡萄等級如表6所示：（代碼見附錄三；表見附錄四）表6 紅、白葡萄等級優(yōu)秀的葡萄酒良好的葡萄酒較差的葡萄酒紅葡萄樣品1,5,6,7,12,15,16,18,20,22,24,26,272,4,9,10,11,13,17,19,21,23,253,8,14,白葡萄樣品1,2,3,4,5,6，7,8,9,10,11,12,13,14,15,16,17,18,19

17、,20,21,22,23,24,25,26,28275.3 模型三的建立與求解因釀酒葡萄的理化指標(biāo)與葡萄酒的理化指標(biāo)的不同，可以研究這兩類的理化指標(biāo)有什么聯(lián)系。5.3.1模型的建立1) 數(shù)據(jù)的選取與整理在附件二中釀酒的紅葡萄的理化指標(biāo)和紅葡萄酒的理化指標(biāo)從附件中導(dǎo)出來放入Excel表中。同理，將釀酒的白葡萄和白葡萄酒的理化指標(biāo)放入另一個(gè)表（其中單寧的指標(biāo)表見附錄五）。2) 散點(diǎn)圖的繪制將處理好的兩張理化指標(biāo)表分別導(dǎo)入SPSS軟件中，通過GeaphsLegacy DialogsIneractiveScatterplot對這兩張表進(jìn)行散點(diǎn)圖繪制。3) 擬合曲線的繪制將處理好的兩張理化指標(biāo)表分別導(dǎo)入

18、MATLAB中，在workspace中出現(xiàn)data數(shù)據(jù)即為理化指標(biāo)表中的數(shù)據(jù)，然后利用MATLAB繪制擬合曲線圖。5.3.2模型的求解基于散點(diǎn)圖和擬合曲線的基礎(chǔ)上，將釀酒的紅、白葡萄和紅、白葡萄酒的理化指標(biāo)繪制好的散點(diǎn)圖與擬合曲線放在一起進(jìn)行比較分析。其中，紅葡萄酒的白黎蘆醇為圖1；花色苷為圖2；總酚為圖3；單寧為圖4；白葡萄酒的單寧為圖5；總酚為圖6；白黎蘆醇為圖7。圖1 釀酒的紅葡萄與紅葡萄酒的白藜蘆醇指標(biāo)對比圖2 釀酒的紅葡萄與紅葡萄酒的花色苷指標(biāo)對比圖3 釀酒的紅葡萄與紅葡萄酒的總酚指標(biāo)對比圖4 釀酒的紅葡萄與紅葡萄酒的單寧指標(biāo)對比圖5 釀酒的白葡萄與白葡萄酒的單寧指標(biāo)對比圖6 釀酒的

19、白葡萄與白葡萄酒的總酚指標(biāo)對比圖7 釀酒的白葡萄與白葡萄酒的白藜蘆醇指標(biāo)對比分析圖可知：圖1：釀酒的紅葡萄與紅葡萄酒的白藜蘆醇之間的相關(guān)性較差；圖2：釀酒的紅葡萄與紅葡萄酒的花色苷之間的相關(guān)性較強(qiáng)；圖3：釀酒的紅葡萄與紅葡萄酒的總酚之間的相關(guān)性較強(qiáng)；圖4：釀酒的紅葡萄與紅葡萄酒的單寧之間的相關(guān)性較強(qiáng)；圖5：釀酒的白葡萄與白葡萄酒的單寧之間的相關(guān)性較差；圖6：釀酒的白葡萄與白葡萄酒的總酚之間的相關(guān)性較差；圖7：釀酒的白葡萄與白葡萄酒的白藜蘆醇之間的相關(guān)性較差；綜上可得：釀酒葡萄與葡萄酒在理化指標(biāo)不同時(shí)，它們的相關(guān)性也不一定相同。5.4 模型四的建立與求解可以通過各種理化指標(biāo)與質(zhì)量的關(guān)系，來判斷指

20、標(biāo)和質(zhì)量之間的關(guān)系。5.4.1模型的建立（1）數(shù)據(jù)舍取由于釀酒的紅、白葡萄與紅、白葡萄酒的理化指標(biāo)過多，所以選取了所有理化指標(biāo)中的單寧和總酚這兩個(gè)指標(biāo)作為研究對象。將選取的指標(biāo)與對應(yīng)的質(zhì)量放入同一張表中（其中白葡萄表見附錄六）。（2）數(shù)據(jù)的導(dǎo)入根據(jù)（1）得出的四張表分別導(dǎo)入MATLAB中，在workspace中出現(xiàn)data數(shù)據(jù)即為導(dǎo)入表中的數(shù)據(jù)，然后利用MATLAB繪制擬合曲線圖，將紅、白葡萄酒和釀酒葡萄分別與對應(yīng)的質(zhì)量作對比。5.4.2模型的求解在指標(biāo)與質(zhì)量的基礎(chǔ)上，將釀酒的紅、白葡萄和紅、白葡萄酒的單寧、總酚指標(biāo)與質(zhì)量繪制的擬合曲線并放在一起進(jìn)行比較分析。其中，紅葡萄的單寧與質(zhì)量為圖8、總

21、酚與質(zhì)量為圖9；白葡萄的單寧與質(zhì)量為圖10、總酚與質(zhì)量為圖11；圖8 紅葡萄酒的單寧和釀酒紅葡萄的單寧分別與質(zhì)量的對比圖9 紅葡萄酒的總酚和釀酒紅葡萄的總酚分別與質(zhì)量的對比圖10 白葡萄酒的單寧和釀酒白葡萄的單寧分別與質(zhì)量的對比圖11 白葡萄酒的總酚和釀酒白葡萄的總酚分別與質(zhì)量的對比分析圖可知：圖8：紅葡萄酒的單寧和釀酒紅葡萄的單寧分別與質(zhì)量有影響；圖9：紅葡萄酒的總酚和釀酒紅葡萄的總酚分別與質(zhì)量無影響；圖10：白葡萄酒的總酚和釀酒白葡萄的總酚分別與質(zhì)量有影響；圖11：白葡萄酒的總酚和釀酒白葡萄的總酚分別與質(zhì)量無影響；綜上圖可得：不能用釀酒葡萄和葡萄酒的理化指標(biāo)來評價(jià)葡萄酒的質(zhì)量六、模型評價(jià)與

22、改進(jìn)6.1優(yōu)點(diǎn)1 本文運(yùn)用SPSS軟件處理部分?jǐn)?shù)據(jù)，快速簡便，且結(jié)果準(zhǔn)確。2 本文在大量的數(shù)據(jù)中進(jìn)行了舍取，這減少了運(yùn)算量。3 本文采用了多種方法相結(jié)合的方式對問題進(jìn)行逐步分析求解。 6.2缺點(diǎn)1 本文對于數(shù)據(jù)的選取具有隨意性，沒有進(jìn)行檢驗(yàn)。2 本文的對題的解法有些簡便，且不夠嚴(yán)謹(jǐn)。6.3改進(jìn)1 取更多的數(shù)據(jù)用來減少誤差率。參考文獻(xiàn)1胡竹菁.平均數(shù)差異顯著性檢驗(yàn)統(tǒng)計(jì)檢驗(yàn)力和效果大小的估計(jì)原理與方法J.心理學(xué)探新,2010,30(01):68-73.2李文彬,賀建軍,郭觀七,馮彩英,潘理.基于相關(guān)分析的多目標(biāo)優(yōu)化Pareto優(yōu)劣性預(yù)測J.電子學(xué)報(bào),2017,45(02):459-467.3孔銳,

23、張國宣,施澤生,郭立.基于核的K-均值聚類J.計(jì)算機(jī)工程,2004(11):12-13+80.附錄附錄一：配對樣本t檢驗(yàn)打開數(shù)據(jù)Step1:選擇AnalyzeCompare MeansPaired-Samples T T進(jìn)入對話框;Step2:選擇配對的第一個(gè)變量“第一組紅葡萄平均值”； 點(diǎn)擊對話框箭頭，將其導(dǎo)入； 選擇配對的第二個(gè)變量“第二組紅葡萄平均值”； 點(diǎn)擊對話框箭頭，將其導(dǎo)入；Step3:選擇Options進(jìn)入對話框； 在置信區(qū)間“Confidence interval”框中指定置信水平，默認(rèn)值95%； 點(diǎn)擊Continue回到主對話框； 點(diǎn)擊OK完成設(shè)置。附錄二：指標(biāo)數(shù)據(jù)的選取樣品

24、編號白藜蘆醇果皮顏色黃酮醇單寧紅葡萄樣品13.1953.2017.67808.023紅葡萄樣品24.8894.8927.455012.411紅葡萄樣品34.7644.76164.992758.173紅葡萄樣品43.4123.4126.967911.264紅葡萄樣品5.637.646.65022.642紅葡萄樣品62.2032.207.72724.045紅葡萄樣品7.623.629.86483.703紅葡萄樣品85.9495.95115.554642.484紅葡萄樣品94.9074.9158.540722.785紅葡萄樣品1012.30712.3128.747517.787紅葡萄樣品1126.8

25、5126.8525.575126.426紅葡萄樣品12.696.702.48021.291紅葡萄樣品1310.86310.8640.758620.828紅葡萄樣品146.3136.31134.637549.088紅葡萄樣品15.211.219.71793.380紅葡萄樣品164.5564.568.19005.767紅葡萄樣品17.711.7143.812115.078紅葡萄樣品18.416.426.51612.449紅葡萄樣品193.8213.8231.264912.969紅葡萄樣品201.5451.559.62624.239紅葡萄樣品217.8477.8547.219620.971紅葡萄樣品

26、224.2894.2913.80037.460紅葡萄樣品239.9689.9744.747621.561紅葡萄樣品242.9352.9314.38036.750紅葡萄樣品252.1292.1330.211211.490紅葡萄樣品262.0862.0913.91666.030紅葡萄樣品271.5691.5715.98096.373白葡萄樣品1.155.15.3977.236白葡萄樣品23.0383.041.66272.579白葡萄樣品31.3571.361.63331.449白葡萄樣品4.530.531.3188.793白葡萄樣品51.1621.163.17051.832白葡萄樣品61.7271

27、.738.08643.847白葡萄樣品71.2351.244.79522.422白葡萄樣品8.137.145.60801.960白葡萄樣品9.087.09.7518.308白葡萄樣品10.246.251.1776.556白葡萄樣品11.822.821.85891.168白葡萄樣品12.752.758.43083.311白葡萄樣品13.095.09.2103.133白葡萄樣品14.095.101.3006.497白葡萄樣品154.0234.0211.87346.640白葡萄樣品161.5721.575.31402.819白葡萄樣品171.0261.036.01352.688白葡萄樣品181.82

28、01.822.77712.139白葡萄樣品191.7821.78.85351.473白葡萄樣品20.157.166.16332.159白葡萄樣品21.845.85.7158.802白葡萄樣品22.969.978.92963.622白葡萄樣品231.6501.6512.41065.237白葡萄樣品24.483.483.21381.393白葡萄樣品25.850.858.61953.440白葡萄樣品261.4261.434.30892.387白葡萄樣品271.1551.1550.496617.602白葡萄樣品282.9212.925.73233.858附錄三：K-均值聚類檢驗(yàn)打開數(shù)據(jù)Step1:選擇

29、AnalyzeClassifyK-Means Cluster進(jìn)入對話框;Step2:選擇聚類變量“白藜蘆醇、果皮顏色、黃酮醇、單寧”； 點(diǎn)擊對話框箭頭，將其導(dǎo)入； 在Number of Cluster3;Step3: Mehtod勾選lterrate and classify; 點(diǎn)擊Save按鈕，進(jìn)入對話框； 全部勾選后點(diǎn)擊Continue回到主對話框； 點(diǎn)擊OK完成設(shè)置。附錄四：紅、白葡萄的等級紅葡萄酒的等級紅葡萄酒樣品白葡萄酒的等級白葡萄酒樣品11111512161317141121511516116171181812019122110124111126112127113221142411

30、5291162101172111182131192171202191212211222231232251243312538126314128227附錄五：釀酒的紅、白葡萄和紅、白葡萄酒的單寧理化指標(biāo)樣品白葡萄酒單寧(mmol/L)平均值白釀酒葡萄單寧(mmol/kg)平均值紅釀酒葡萄單寧(mmol/kg)平均值紅葡萄酒單寧(mmol/L)平均值11.6198925882.94738818222.0190333611.0295263521.233422832.23914027923.3613119911.0782122432.0093796472.9900774620.3728709413.25

31、93397642.0166825293.1477124418.638436556.47739635351.5946627612.62587306714.485773445.84934847161.2888285884.50200672215.172985067.35374223571.3740288824.7288925775.6191862754.01389070681.5127836471.67221883422.488991312.0275869491.8438476474.43385340724.3622745612.93314435102.0580655296.78059372916

32、.687701595.566970353111.4154118823.3118583364.5430096844.588384118122.3073793833.2123468067.1689611766.457922131.5152179412.1287868999.8219843146.384893176141.3204744122.3879050713.940541086.073303529152.5303185882.75086415525.417006773.984679176161.2790914122.22805358710.086173144.831813529171.5492

33、980592.24666335315.730337879.169725647181.3302115885.7826145795.3881585024.447195059191.9631280592.21749946713.700023535.980800353202.6763762353.1413273388.1149324115.863954235211.2036282941.95229335713.6130372710.08988882221.8974021186.46257682712.155104317.105444235231.3302115883.38869449324.2569392210.88833729244.4728852948.50630464