2023年葡萄酒的评价大学生数学建模竞赛.doc
《2023年葡萄酒的评价大学生数学建模竞赛.doc》由会员分享,可在线阅读,更多相关《2023年葡萄酒的评价大学生数学建模竞赛.doc(54页珍藏版)》请在咨信网上搜索。
1、葡萄酒评价大学生数学建模竞赛论文高教社杯全国大学生数学建模竞赛承 诺 书咱们仔细阅读了中华人民共和国大学生数学建模竞赛竞赛规则.咱们完全明白,在竞赛开始后参赛队员不能以任何方式(波及 、电子邮件、网上征询等)与队外任何人(波及指导教师)研究、讨论与赛题有关问题。咱们懂得,抄袭他人成果是违反竞赛规则,假如引用他人成果或其她公开资料(波及网上查到资料),必要按照规定参照文献表述方式在正文引用处和参照文献中明确列出。咱们郑重承诺,严格遵守竞赛规则,以保证竞赛公正、公平性。如有违反竞赛规则行为,咱们将受到严厉处理。咱们授权全国大学生数学建模竞赛组委会,可将咱们论文以任何形式进行公开展示(波及进行网上公
2、告,在书籍、期刊和其她媒体进行正式或非正式刊登等)。咱们参赛选用题号是(从A/B/C/D中选用一项填写): A 咱们参赛报名号为(假如赛区设置报名号话): 所属学校(请填写完整全名): 西南科技大学 参赛队员 (打印并签名) :1. 周 立 2. 李 婧 3. 赖永宽 指导教师或指导教师组负责人 (打印并签名): 杨学南、王丽、倪英俊 日期: 年 9 月 10 日赛区评阅编号(由赛区组委会评阅前进行编号):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
3、评阅编号(由全国组委会评阅前进行编号):葡萄酒评价摘要酿酒葡萄好坏与所酿葡萄酒质量有直接关系,本文重要探讨酿酒葡萄与葡萄酒质量联络。问题一:(1)对于两组评酒员评价成果有无明显性差异,采用基于成对数据t检查法,从而得出两组评提成果无明显差异。(2)对于两组评提成果哪一种更可信,从两方面考虑,首先通过求出总方差和大小来鉴定其稳定性;另首先采用克龙巴赫信度系数,分别求出两组评分信度系数。综合考虑这两个方面,得出第二组评分较为可信。问题二:(1)为了简化酿酒葡萄理化指标,采用主成分分析法,得出酿酒葡萄八个重要成分,这八个重要成分涵盖信息量超过了理化指标总信息量85%。(2)为了划分酿酒葡萄级别,将酿
4、酒葡萄主成分与葡萄酒评分采用多元线性回归模型进行拟合,由于拟合出评分与实际评分之间仍存在一定误差,因此取拟合值和实际值平均值作为酿酒葡萄最终评分,最终再根据评分来划分葡萄级别。问题三:对于酿酒葡萄和葡萄酒理化指标之间关系,采用BP神经网络模型,对酿酒葡萄重要成分作为输入层,相对应葡萄酒理化指标作为输出层,进行多达上万次训练拟合,得出训练值与实际值非常吻合,其相对误差在0.06%如下。问题四:(1)对于探讨酿酒葡萄和葡萄酒理化指标对葡萄酒质量影响,首先咱们假设葡萄酒质量与酿酒葡萄和葡萄酒理化指标、酿酒葡萄和葡萄酒芳香物质这四个方面原因有关,采用BP神经网络模型,最终得出相对误差不不小于0.5%。
5、接下来取消酿酒葡萄和葡萄酒芳香物质对葡萄酒质量影响,其她条件不变,最终得出酿酒葡萄和葡萄酒理化指标对葡萄酒质量影响很大。(2)对于论证能否用葡萄和葡萄酒理化指标来评价葡萄酒质量,定义了酿酒葡萄和葡萄酒理化指标对葡萄酒质量影响程度,最终得出,其最小影响程度不不不小于89%,即芳香物质对葡萄酒质量影响较小,因此可以运用酿酒葡萄和葡萄酒理化指标来评价葡萄酒质量。关键词:t检查 信度系数 主成分分析 BP神经网络 GA优化BP神经网络一、问题重述怎样评判葡萄酒质量好坏一般是通过聘任一批资深评酒员,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,从而确定葡萄酒质量。酿酒葡萄好坏与所酿
6、葡萄酒质量有直接关系,葡萄酒和酿酒葡萄检测理化指标会在一定程度上反应葡萄酒和葡萄质量。附件中给出了两组评酒员对所抽到葡萄酒样品在进行品尝后得分状况以及各酿酒葡萄和葡萄酒理化指标,咱们需要处理问题有如下四个:问题一:分析两组评酒员评价成果有无明显性差异,哪一组给成果更可信。问题二:根据酿酒葡萄理化指标和葡萄酒质量对这些酿酒葡萄进行分级。问题三:分析酿酒葡萄与葡萄酒理化指标之间联络。问题四:分析酿酒葡萄和葡萄酒理化指标对葡萄酒质量影响,并论证能否用葡萄和葡萄酒理化指标来评价葡萄酒质量。二、问题分析针对问题一:(1)对于两组评酒员评酒成果有无明显差异,咱们可以先求出每组葡萄酒整体评价平均分,通过作图
7、来初步观测两组差异性,再深入采用基于成对数据t检查法来判断两组评分有无明显差异。(2)对于两组评分哪一组更可信,从两个方面来考虑,首先从每构组员评分之间稳定性来考虑,这就需要计算出每组针对每种样品酒整体评分方差,从而确定哪一组更稳定;另首先,咱们采用克龙巴赫系数来评估其可信度,分别算出每组评分信度系数,通过比较得出哪一组评分较为可信。针对问题二:酿酒葡萄级别划分与酿酒葡萄理化指标和葡萄酒样品质量有关,本文综合考虑如下两个方面:(1)对于酿酒葡萄,将其理化指标中二级指标归纳到一级指标中,这样理化指标就剩29个,但指标还是太多,计算起来非常麻烦,因此先用主成分分析法求出相对较少,但包括了理化指标8
8、5%以上信息量主成分。(2)将得出酿酒葡萄主成分与葡萄酒样品评分进行线性回归分析,得出酿酒葡萄主成分评价分数体现式。 针对问题三:对于分析酿酒葡萄与葡萄酒理化指标之间联络,采用BP神经网络,将问题二中酿酒葡萄理化指标分析出主成分作为输入,把葡萄酒理化指标作为输出,从而建立起两者之间关系。针对问题四:咱们可先假设葡萄酒质量不仅与酿酒葡萄和葡萄酒理化指标有关,并且与附件三所给出酿酒葡萄与葡萄酒芳香物质有关,采用BP神经网络模型,将这四个方面原因作为输入层,葡萄酒质量作为输出层,得出训练值与实际值分布图,并分析其之间误差。接下来保留上述模型中各方面原因评价系数,而将酿酒葡萄和葡萄酒芳香物质对葡萄酒质
9、量影响看做零,把酿酒葡萄和葡萄酒理化指标作为输入层,输出层不变,得出训练值与实际值分布,再分析两者之间误差。得出酿酒葡萄和葡萄酒理化指标对葡萄酒质量影响分数;最终定义一种酿酒葡萄和葡萄酒理化指标对葡萄酒质量影响程度体现式,来确定这两方面原因对葡萄酒质量影响率,从而可以鉴定能否用酿酒葡萄和葡萄酒理化指标来评价葡萄酒质量。 三、模型假设及符号阐明3.1模型假设1假设葡萄酒质量评分分布服从正态分布;2假设葡萄酒酿制时人为因数基本相似;3. 假设样本数据抽取是随机,样本分布与主体分布相似;4. 假设本题所给数据都是真实可靠;3.2 符号阐明n 总样品数(红葡萄酒n=27;白葡萄酒n=28)I 葡萄酒样
10、品数(红葡萄酒i=1,227;白葡萄酒i=1,2,328)Di 两组评分员针对第i种样品葡萄酒打分均值之差 D1,D2Di均值 两组评分员针对所有样品酒打分均值差原则差 体现检测葡萄酒样品总方差 体现第i种葡萄酒样品方差 主成分分析法求到第i主成分 采用线性回归模型中评价分数 线性回归中系数T 酿酒葡萄和葡萄酒理化指标对葡萄酒质量影响率 考虑综合四个方面原因时BP训练得出质量评分。 考虑四个原因时所得评价系数不变,即在系数基本上只考虑前两个方面时得出质量评分。四、模型建立与求解4.1问题一模型建立及求解4.1.1两组评价成果差异性判断首先求出第一组和第二组针对每个样品酒整体打分平均值,然后用M
11、atable画出两组数据详细分布状况,如下图:图一:第一、二组对所抽样红葡萄酒整体评价平均分图二:第一、二组对所抽样白葡萄酒整体评价平均分结论:从图一和图二咱们很难客观判断两组评分之间差异性。深入咱们再采用t检查1来鉴定两组数据之间有无明显差异:(1)针对第一、二组红葡萄酒样品评分t检查,作如下假设:针对红葡萄酒n=27,即知拒绝域为 (1)通过计算得到: ;,该t值不在拒绝域,因此两组对红葡萄酒打分其成果无显差异。(2)第一、二组针对白葡萄酒样品评分t检查,作如下假设:针对白葡萄酒n=28;即知拒绝域为(2)可以计算得到: ;,因此t值在拒绝域,因此对白酒打提成果无明显差异。综上所述,咱们得
12、出结论是:两组评酒员评价成果无明显差异。4.1.2第一、二组可信度评价首先分别对两组评酒员之间评分稳定性来衡量其可信度,求出第一组和第二组评酒员针对每个样品整体评分方差,用Matlab画出两组数据针对红、白葡萄酒评分方差分布图。如下图:图三:第一、二组分别对所抽样红葡萄酒整体评价方差图四:第一、二组分别对所抽样白葡萄酒整体评价方差从上图可观测出第二组评分方差较小,即第二组评酒员评分波动性较小,因此,从稳定性来考虑,可判断第二组评酒员评分相对较稳定。 接下来采用信度系数法来计算两组评分可信度,克龙巴赫系数2计算公式如下 : (3)红葡萄酒:n=27,i=1,2,327白葡萄酒:n=28,i=1,
13、2,328 经计算得出: 第一组红酒=0.8822 ;第一组白酒=0.9701 ; 第二组红酒=0.9238 ;第二组白酒=0.9614 ;综上所述:通过考虑两组评分稳定性和信度系数,咱们认为第二组数据更为可信。4.2问题二模型建立及求解4.2.1针对酿酒葡萄理化指标主成分分析 首先针对酿酒葡萄理化指标(X1,X2,XP)将其简化合并为29个,接下来采用主成分分析3重新组合一组较少互不有关综合指标Fm,其详细计算环节如下:(1)计算协方差矩阵:=(sij)pp,其中 i,j=1,2,29 (4) (2)接下来求出该矩阵特性值及对应特性向量 (见附录)。则第i个主成分Fi为: (5)主成分方差(
14、信息)奉献率为: (6)(3)选用主成分:目前m个主成分合计奉献率抵达85%以上时,就认为这m个主成分大体可以反应该信息,G(m)体现式表述为: (7) 将附件2中数据代入以上模型中(详细程序见附录),分别得出酿酒葡萄主成分分析图如下:图五:红葡萄酒所用酿酒葡萄主成分分布图从上图中选用m=8,即选用F1到F8为重要成分,其信息量可以到达总理化指标85.38%85%。详细主成分分布见表1:红酒主成分F1F2F3F4F5F6F7F8信息奉献率24.5617.7413.098.5887.105.764.913.64表1:酿红葡萄酒所用酿酒葡萄主成分分布图六:白葡萄酒所用酿酒葡萄主成分分布图从上图中选
15、用m=8,即选用F1到F8为重要成分,其信息量可以到达总理化指标95.28%85%,详细主成分分布见表2:白酒主成分名称F1F2F3F4F5F6F7F8白酒主成分所比重%67.9510.364.884.153.463.002.221.96表2:酿白葡萄酒所用酿酒葡萄主成分分布4.2.2针对酿酒葡萄主成分与葡萄酒得分之间多元线性回归模型酿酒葡萄在一定程度上影响了葡萄酒质量,本文将酿酒葡萄主成分和较为可信第二组评酒员评分联络起来,采用多元线性回归模型,把主成分分析得到主成分看做线性回归因子来模仿葡萄酒样品分数。最终得出酿酒葡萄初步得分状况。酿酒葡萄评价分数体现式为: (8)(1)针对酿酒葡萄线性回
16、归分析以及级别评判用Matlab软件求解得出酿制红葡萄酒所用葡萄评价分数体现式以及红葡萄酒得分与酿酒葡萄之间线性回归分析图如下:酿酒葡萄评分体现式可体现为: (9)图七:线性回归拟合值与实际值(红葡萄酒评分)比较图八:线性回归拟合值与实际值之间误差分布 从图七和图八中可以看出多元线性回归成果和实际值之间差值相对不太大,为了深入减小误差,咱们采用取两者均值方式作为酿酒葡萄整体评价得分(见附录)。综合红葡萄酒所用酿酒葡萄整体评价打分状况,得出其分数区间为65.575,82.33。将此区间4等分,得出四个区间65.575,69.764、(69.764,73.952、(73.952,78.141、(7
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2023 葡萄酒 评价 大学生 数学 建模 竞赛
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【人****来】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【人****来】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。