基于主成分分析法的葡萄酒质量评价_张兴.pdf

２０１３年４月皖西学院学报Ａｐｒ．，２０１３
第２９卷第２期ＪｏｕｒｎａｌｏｆＷｅｓｔＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙＶｏｌ．２９Ｎｏ．２

基于主成分分析法的葡萄酒质量评价

张兴１，何冰清２，李进２，朱家明２

（１．安徽财经大学金融学院，安徽蚌埠２３３０３０；
２．安徽财经大学统计与应用数学学院，安徽蚌埠２３３０３０）

摘要：针对葡萄酒的质量，通过有关数据分析，运用Ｍａｔｌａｂ中主成分分析方法提取主要影响指标，在此基础上，运用模糊
Ｃ均值聚类方法得到酿酒葡萄和葡萄酒的理化指标，并在一定程度上反映了它们的质量。运用相关系数分析和典型相关分析方
法，得到酿酒葡萄和葡萄酒的各项理化、感官指标及质量问题间的关系。
关键词：葡萄酒；理化指标；主成分分析；模糊Ｃ均值聚类；ｍａｔｌａｂ７．１
中图分类号：ＴＳ２６１文献标识码：Ａ文章编号：１００９－９７３５（２０１３）０２－００２９－０４

葡萄酒是由新鲜葡萄或葡萄汁经过酒精发酵而映酒样间的客观差异。
得到的一种含酒精饮料。葡萄酒质量是其外观、香２．１．２数据处理
气、口味、典型性的综合表现。一方面，酒中的糖、酸、我们首先对原始数据进行标准化处理，可建立模
矿物质和酚类化合物都具有各自独特的风味它们型珚在此基础上用对文献
，，：ｍｉｊ＝（ｘｉｊ－ｘｉ）／σｉ。，Ｅｘｃｅｌ
组成了葡萄酒的酒体；另一方面，酒中大量的挥发性［１］中的４组数据分别进行单因素方差分析［４］，结果
物质，包括醇、醛、酯等，都具有不同浓度、不同愉悦程如下表１。
度的香气，葡萄酒最终的质量则是葡萄酒中各种成分表１葡萄酒单因素方差分析
协调平衡的结果（相关数据见年全国大学生数第一组第二组第一组第二组
２０１２葡萄酒
白葡萄酒白葡萄酒红葡萄酒红葡萄酒
学建模竞赛Ａ题［１］）。
Ｆ值１．１８８７５３２．５５３７９５２．６１０５４１１．４７５５６１
１评价指标的选取
Ｆｃｒｉｔ值２．０５２１５６２．０５２１５６２．０５３８４８２．０５３８０８
根据竞赛所提供的数据，利用主成分分析［２］，根
据贡献率的大小将反映葡萄品质的２９个理化指标简２．１．３结果分析
化为８个，分别为花色苷、总酚、单宁、总糖、还原糖、Ｆ是组间均方与组内均方的比例，Ｆｃｒｉｔ是在相
可溶性固形物、干物质含量；酿酒红葡萄和红葡萄酒应显著水平下的Ｆ临界值。由表１可知：对于第一
共同理化指标为花色苷、总酚、单宁和白藜芦醇，酿酒组白葡萄酒来说：Ｆ＝１．１８８７５３＜２．０５２１５６，因此品
白葡萄和白葡萄酒的共同理化指标为总黄酮、单宁、酒员对第一组白葡萄酒品尝结果之间的差异是不显
ＤＰＰＨ、ａ＊（Ｄ６５）和Ｌ＊（Ｄ６５）；红葡萄与红葡萄酒共著的。对于第二组白葡萄酒来说：由于Ｆ＝２．５５３７９５
同的感官指标为Ｃ９Ｈ１４Ｏ、Ｃ１１Ｈ１８Ｏ２、Ｃ９Ｈ１８Ｏ、＞２．０５２１５６，因此品酒员对第一组白葡萄酒品尝结果
Ｃ８Ｈ９ＮＯ２、Ｃ１０Ｈ１２Ｏ２、Ｃ８Ｈ１０Ｏ；白葡萄与白葡萄之间的差异是显著的。得出结论：在白葡萄酒的评论
酒共同的感官指标为Ｃ２Ｈ４Ｏ、Ｃ３Ｈ６Ｏ、Ｃ５Ｈ１０Ｏ、结果中，第一组结论更可信。
Ｃ１０Ｈ１６、Ｃ１０Ｈ２０Ｏ２、Ｃ８Ｈ１８Ｏ２、Ｃ８Ｈ１６Ｏ、Ｃ８Ｈ８Ｏ、对于第一组红葡萄酒来说：Ｆ＝２．６１０５４１＞
Ｃ９Ｈ２０Ｏ、Ｃ１０Ｈ１２Ｏ２、Ｃ８Ｈ１０Ｏ。２．０５３８０８，因此品酒员对第一组红葡萄酒品尝结果之
２葡萄酒质量评价建模间的差异是显著的。对于第二组红葡萄酒来说：Ｆ＝
２．１葡萄酒评价的可信度分析
＊收稿日期：２０１３－０１－３１
２．１．１研究方法
基金项目：国家自然科学基金项目（７１１７１００１）资助。
在对评价结果进行统计分析时，对原始数据进行
作者简介：张兴（１９９１－），男，安徽无为人；朱家明（１９７３－），
标准化［３］，能有效地降低品酒员间的差异，真实地反男，安徽省泗县人，硕士，讲师，研究方向：应用数学与数学建模。
０３皖西学院学报第２９卷

因此品酒员对第二组红葡萄酒２
１．４７５５６１＜２．０５３８０８，２
其中／（／）ｍ－１，。
品尝结果之间的差异是不显著的得出结论在ｕｉｋ＝１ｄｉｋｄｊｋｄｉｋ＝‖ｘｋ－ｖｉ‖
。：∑ｊ＝１
对红葡萄酒的评论结果中，第二组更可信。分级结果如下：
酿酒白葡萄的分级结果第一级含酿酒葡萄
２．２酿酒葡萄的分类：２、
第二级含酿酒葡萄
２．２．１研究方法４、６、１０、１２、１４、２７；３、５、９、２０、２３、
选用第一组的得分来表示白葡萄酒各个酒样的２４、２５、２６、２８；第三级含酿酒葡萄７、８、１１、１３、１５、１８；
得分，然后将其归类。同理，选用第一组的得分来表第四级含酿酒葡萄１、１６、１７、１