葡萄酒論文-葡萄酒的分析及等級劃分-資料下載頁
2025-06-04 13:42本頁面
【正文】 葡萄總黃酮 總糖 干物質(zhì)含量 a 還原糖 百粒質(zhì)量 觀察附件二，可以發(fā)現(xiàn)，可溶性固物質(zhì) =固酸比指標 *可滴定酸指標， 再觀察上表中相關(guān)系數(shù)大于 ，把同時與多個相關(guān)的指標剔除，直至 KMO檢驗成功為止。剔除了指標 a*(+紅； 綠 )、干物質(zhì)含量、可溶性固形物、總酚、 DPPH自由基 1/IC50，得出 KMO檢驗如下表所示： KMO and Bartlett39。s Test KaiserMeyerOlkin Measure of Sampling Adequacy. .315 Bartlett39。s Test of Sphericity Approx. ChiSquare df 300 Sig. .000 KMO小于 ，因此不必繼續(xù)進行因子分析。 白葡萄酒釀酒指標同理可得。 相關(guān)系數(shù)表如下： 白葡萄酒釀酒葡萄指標部分相關(guān)系數(shù) 葡萄總黃酮 總糖 可滴定酸 干物質(zhì)含量 百粒質(zhì)量 a b 總酚 可溶性固形物 固酸比 還原糖 果穗質(zhì)量 果皮質(zhì)量 L 剔除指標 L、百粒質(zhì)量、干物質(zhì)含量、可滴定酸、可溶性固形物、 總酚 ，得到 KMO檢驗如下表所示： KMO and Bartlett39。s Test KaiserMeyerOlkin Measure of Sampling Adequacy. .125 Bartlett39。s Test of Sphericity Approx. ChiSquare df 276 Sig. .000 KMO值小于 ，此時不必進行因子分析。 最 后 用剔除后的釀酒葡萄指標與葡萄酒指標進行分析。 逐步回歸分析 在自變量很多時，其中有的因素可能對因變量的影響不大，而且自變量之間可能不是相互獨立，可能有種種關(guān)系。在這種情況下，可采用逐步回歸分析，進行自變量的篩選，這樣建立的多元回歸模型預(yù)測效果會更好。逐步回歸分析，首先要建立因變量 Y與自變量 X之間的總回歸方程，再對總的方程以及每一個自變量進行假設(shè)檢驗。當總的方程不顯著時，表明該多元回歸方程線性關(guān)系不成立；而當某一個自變量對 Y影響不顯著時，應(yīng)該把它剔除，重新建立不包含該因子的多元回歸方程。篩選出有顯著影 響的因子作為自變量，并建立“最優(yōu)回歸方程”。 查閱 資料，分析可知釀酒葡萄的理化指標影響了葡萄酒的理化指標，它們之間 并不是因果關(guān)系，因此考慮建立模型，描述一個葡萄酒的理化指標與釀酒葡萄的多個指標之間的關(guān)系，通過這種聯(lián)系分析釀酒葡萄指標對葡萄酒理化指標的影響。 自變量 X為釀酒葡萄理化指標，因變量 Y為葡萄酒理化指標。 結(jié)果如下： 葡萄酒理化指標花色苷與釀酒葡萄理化指標逐步回歸分析表 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .076 .000 花色苷 mg/100g鮮重 .923 .077 .923 .000 2 (Constant) .068 .000 花色苷 mg/100g鮮重 .081 .000 出汁率 (%) .081 .015 a. Dependent Variable: 花色苷 由表可得： 2241 .0 3 4 x11E0 8 xy ??? ，且表中最后一列概率小于 ，即回歸性極為顯著，同理可得其他指標關(guān)系。 11142 3 5 1 .4 8 5 x115 7 xxEy ????? 2214113 .6 2 2 xxxEy ?????? 4114 .6 2 1 xEy ???? 125462115 .5 7 8 xxxxxEy ???????? 91116 2 6 4 .7 0 4 x114 2 xxEy ????? 5132547 .7 0 6 xxxEy ????? 4258 . 6 8 0 x xy ?? 56159 3 5 6 .5 8 7 x111 7 xxEy ????? 同理可得白葡萄酒的關(guān)系，如下所示： 22111 .5 8 6 xEy ??? 15122 .7 0 9 xEy ???? 62021123 2 8 9 0 .2 6 2 x162 7 xxxEy ?????? 315125 . 6 0 5 xxEy ????? 15216 .5 3 3 xEy ??? 19218 xxEy ???? ，并論證能否用葡萄和葡萄酒的理化指標來評價葡萄酒的質(zhì)量 分析葡萄酒理化指標與葡萄 酒質(zhì)量的關(guān)系 由 6的分析與求解，我們得出葡萄酒的每個理化指標與釀酒葡萄的某些理化指標之間具有比較強的相關(guān)性，從各個回歸方程可以得出具體關(guān)系。 我們采用與 6相同的方法進行指標的篩選，得出紅葡萄酒的 部分 指標 相關(guān)系數(shù)表如下： 單寧 總酚 DPPH 花色苷 總酚 酒總黃酮 0． 904 DPPH L 剔除單寧、總酚、 L、酒總黃酮等指標，然后綜合釀酒葡萄指標與葡萄 酒得分進行逐步回歸分析。 我們采用第二組十個評酒員的平均得分來作為每個葡萄酒樣品的質(zhì)量得分。 采用多元 逐步 回歸分析，得出結(jié)果如下： 紅葡萄酒： 5186111 yxxxEz ??????? ANOVAe Model Sum of Squares df Mean Square F Sig. 1 Regression 1 .000a Residual 25 .538 Total 26 2 Regression 2 .000b Residual 24 .401 Total 26 3 Regression 3 .000c Residual 23 .334 Total 26 4 Regression 4 .000d Residual 22 .272 Total 26 21207 xxEy ???? 由表中最 后一列的顯著水平可知回歸性極為顯著。同理可得 白葡萄酒： 841312 .0 0 3 yyxEz ???? 因此認為可以認為可以利用剔除一些多余理化指標之后的釀酒葡萄和葡萄酒指標與葡萄酒得分進行擬合，即可綜合釀酒葡萄的理化指標及葡萄酒的理化指標進行質(zhì)量的評價。 參考文獻 [1] Jiawei Han， Micheline [M].北京 :機械工業(yè)出版社，2021,3041. [2] 朱建平 .應(yīng)用多元統(tǒng)計分析 [M].北京：科學出版社 .2021,62170.
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1