【文章內(nèi)容簡介】 8 767 葡萄樣品 04 769 葡萄樣品 27 770 葡萄樣品 14 771 葡萄樣品 23 774 葡萄樣品 01 779 葡萄樣品 15 784 葡萄樣品 21 792 葡萄樣品 22 794 葡萄樣品 25 795 葡萄樣品 28 796 葡萄樣品 10 798 葡萄樣品 17 803 葡萄樣品 09 804 葡萄樣品 05 815 根據(jù)綜合評價可分出釀酒葡萄的等級，等級劃分如下表： 表 15： 釀酒葡萄等級劃分表 等級 釀酒葡萄（紅）樣品號 釀酒葡萄（白）樣品號 一等品 0 2 2 1 1 03 2 0 0 0 1 2 05 二等品 2 0 1 0 0 1 24 1 2 1 0 1 23 三等品 1 2 0 0 06 2 2 2 2 0 0 02 四等品 2 2 1 1 0 1 11 1 0 1 1 1 19 模型三的假設(shè) 在（紅、白）釀酒葡萄的樣品中：假設(shè) X1 為氨基酸總量， X2為蛋白質(zhì)總量，X3為 VC含量， X4為花色苷重量， X5為酒石酸， X6為蘋果酸， X7為檸檬酸， X8為多酚氧化酶活力， X9為褐變度， X10為 DppH 自由基， X11為總酚， X12為單寧， 11 X13為葡萄總黃酮， X14為白藜蘆醇， X15為黃酮醇， X16為總糖， X17 為還原糖，X18 為可溶性固形物， X19 為 PH 值， X20 可滴定酸， X21 為固酸比， X22 為干物質(zhì)含量， X23 為果穗質(zhì)量， X24 為百粒質(zhì)量， X25 為果梗比， X26 為出汁率， X27為果皮質(zhì)量， X28為果皮顏色。 在（紅、白）葡萄酒的樣品 中假設(shè)： Y1為紅葡萄酒的花色苷， Y2 為單寧， Y3為總酚， Y4為酒總黃酮， Y5為白藜蘆醇， Y6 為 DppH半抑制體積， Y7為色澤。 模型的建立 根據(jù)上述假設(shè)，利用多元線性回歸建立模型： 多元線性回歸時處理多個（三個及以上）變量之間關(guān)系的最簡單的模型，是一元線性回歸的推廣，設(shè)因變量為 y，自變量為 pxxx , 21 ? ，假設(shè)已得到 n 組獨立數(shù)據(jù)（ ipiii xxxy , 21 ? ）（ ni ,2,1 ?? ），并設(shè)它們之間具有如下線性關(guān)系 ,2,1,22110 nixxxY iippiii ?? ??????? ????? 其中， i? 是隨機(jī)誤差，相互獨立且滿足 2)v a r(,0)( ??? ?? iiE 。 上述關(guān)系是稱為多元線性回歸模型，也就是本文建立的模型之一。 對于附件二中的數(shù)據(jù)，如果是單項多次檢測結(jié)果的需要先利用 Excel求出平均數(shù)，在上述假設(shè)條件下利用 SPSS軟件建立模型： 表 16：（紅）聚類表如下： 階 群集組合 系數(shù) 首次出現(xiàn)階群集 下一階 群集 1 群集 2 群集 1 群集 2 1 6 18 0 0 3 2 5 24 0 0 8 3 6 12 1 0 25 4 26 27 0 0 10 5 2 14 0 0 18 6 4 25 0 0 7 7 4 19 6 0 14 8 5 17 2 0 9 9 5 15 8 0 13 10 13 26 0 4 11 11 13 16 10 0 16 12 9 23 0 0 22 13 5 7 9 0 19 14 4 10 7 0 16 15 20 22 0 0 19 16 4 13 14 11 21 17 3 21 0 0 20 18 1 2 0 5 20 19 5 20 13 15 24 20 1 3 18 17 22 12 21 4 11 16 0 24 22 1 9 20 12 23 23 1 8 22 0 26 24 4 5 21 19 25 25 4 6 24 3 26 26 1 4 23 25 0 表 17：（白）聚類表如下： 聚類表 階 群集組合 系數(shù) 首次出現(xiàn)階群集 下一階 群集 1 群集 2 群集 1 群集 2 1 7 18 0 0 4 2 2 14 0 0 13 3 22 23 0 0 5 4 1 7 0 1 15 5 9 22 0 3 8 6 11 19 0 0 11 7 3 10 0 0 20 8 9 26 5 0 17 9 4 6 0 0 14 10 17 20 0 0 13 11 11 25 6 0 16 12 12 28 0 0 19 13 2 17 2 10 21 14 4 21 9 0 23 15 1 13 4 0 22 16 11 16 11 0 18 17 8 9 0 8 21 18 11 15 16 0 22 19 12 27 12 0 23 20 3 24 7 0 26 21 2 8 13 17 25 22 1 11 15 18 24 23 4 12 14 19 26 24 1 5 22 0 25 25 1 2 24 21 27 26 3 4 20 23 27 27 1 3 25 26 0 根據(jù)聚類表可作出下（紅）圖例分析： 13 圖表 2 圖表 3 根據(jù) SPSS軟件自動擬合生成下列（紅）聯(lián)系聚類圖： 圖表 4：使用 Ward聯(lián)接的（紅）樹狀圖 14 圖表 5 利用 Matlab軟件對數(shù)據(jù)進(jìn)行多元化線性線性回歸擬合： 15 圖表 6：（紅） 擬合圖形： 圖表： 7（白）擬合圖形 根據(jù)回歸系數(shù) b可得下列回歸方程： （白）釀酒葡萄與葡萄酒理化指標(biāo)之間的聯(lián)系： Y2=*X6+*X21+4014*X28+*X2 Y3=**X18+*X1+****X25+*X16+*X13 Y4=+*X7+**X13+*X11+**04**X15 Y5=**X14+**X20+*X22+*X9+0.002*X26 Y6=+**X10 Y7=+*X10+**X6+*X21 (紅 )釀酒葡萄與葡萄酒理化指標(biāo)之間的聯(lián)系： Y1=+**X2+*X4+*X15 Y2=+*X13+*X25+*X10+*X11 Y4=+*X4+**X25+*X10 16 Y5=*X9+*X1+*X8 Y6=+***X19+*X10 Y7=**X23+*X24+*X6 根據(jù) matlab 編程得出的一系列的回歸系數(shù) b 及置信區(qū)間、殘差及置信區(qū)間和統(tǒng)計變量 stats?？扇菀椎玫较嚓P(guān)系數(shù) R，假設(shè)檢驗統(tǒng)計量 F，與 F對應(yīng)的概率 P，例如 R= ， F= ， P= ,顯然 Pa=,可判斷出因變量 y 和自變量 x 之間有顯著地線性相關(guān)，所得的模型屬于線性回歸模型。 模型四的建立 根據(jù)葡萄酒質(zhì)量對酒樣品號進(jìn)行排序，與釀酒葡萄理化指標(biāo)的排序之間相互聯(lián)系，分析釀酒葡萄對葡萄酒質(zhì)量的影響。建立模型建立的樣品號排序關(guān)系如下： 表 18：樣品關(guān)系排序表 釀酒紅葡萄理化指標(biāo)樣品號排序 紅葡萄酒質(zhì)量樣品號排序 釀酒白葡萄理化指標(biāo)樣品號排序 白葡萄酒質(zhì)量樣品號排序 11 11 19 16 18 7 13 11 7 18 11 8 12 15 16 12 15 8 3 13 27 6 12 7 26 1 2 26 6 25 1 6 20 12 4 3 8 10 21 2 10 13 27 24 4 16 24 19 25 4 26 20 16 24 23 18 24 27 15 4 13 22 9 27 1 26 14 14 2 5 20 23 14 21 10 1 5 14 22 15 22 19 18 21 3 2 5 22 17 17 28 25 19 3 17 28 21 20 8 10 23 23 7 17 9 9 6 9 25 5 17 模型的假設(shè)： 假設(shè) Y1為紅葡萄酒的質(zhì)量， Y2為白葡萄酒的質(zhì)量， X1為花色苷， X2為單寧， X3為總酚， X4 為酒總黃酮， X5為白藜蘆醇， X6為 DppH半抑制體積。 根據(jù)假設(shè)建立模型： ,2,1,22110 nixxxY iippiii ?? ??????? ????? 求 解模型 利用 SPSS軟件按順序?qū)Γt）釀酒葡萄理化指標(biāo)和（紅）葡萄酒質(zhì)量與（白）釀酒葡萄理化指標(biāo)和（白）葡萄酒質(zhì)量進(jìn)行 T分布處理，結(jié)果如下： 表 19： Paired Samples Test Paired Differences t df Sig. (2tailed) Mean Std. Deviation Std. Error Mean 95% Confidence Interval of the Difference Lower Upper Pair 1 VAR00001 VAR00002 .00000 440 36 02 2 .000 26 Pair 2 VAR00004 VAR00005 .00000 483 85 49 9 .000 27 根據(jù)上述分布圖可以看出， t值為 ，因此，釀酒葡萄對葡萄酒質(zhì)量有一定影響。 模型的求解和模型三的求解方法一樣，其求解結(jié)果為： Y1=*X1+**X3+*X4+*X6 Y2=**X2++***X5+*X6 從上面關(guān)系式得出，葡萄酒的理化指標(biāo)對葡萄酒的質(zhì)量有一定影響。 用附件三中葡萄和葡萄酒的芳香物質(zhì)與附件二中的各理化指標(biāo)進(jìn)行成分分析，附件三中的芳香物質(zhì)主要影響葡萄酒的香氣，附件二中各理化指標(biāo)主要影響葡萄酒的外觀和口感（參考文獻(xiàn) [4]）。在葡萄酒品嘗評分標(biāo)準(zhǔn)中葡萄酒的香氣所占比重為 30%，從而可以 判定附件三中的芳香物質(zhì)是主要影響葡萄酒的香氣。 將葡萄酒的評分質(zhì)量數(shù)據(jù)與葡萄酒的理化指標(biāo)中的數(shù)據(jù)用 MATLAB 軟件進(jìn)行殘差編程運算得出下圖： 18 圖表 8:殘差分析 從圖中可以看出葡萄酒的理化指標(biāo)對葡萄酒的質(zhì)量只有一定的影響， 由上面幾種因素可以得出不能用葡萄和葡萄酒的理化指標(biāo)來直接評價葡萄酒的質(zhì)量。 五、模型的檢驗和評價 模型一的顯著性差異檢驗 建立 兩個正 太 總 體方差 22 yx ?? ? 的假 設(shè)檢驗 已知 x? 及 y? ，假 設(shè)檢驗 220 yxH ?? ?： ；