葡萄酒質(zhì)量評價模型

崔玉環(huán)

摘 要：隨著造酒業(yè)的發(fā)展，葡萄酒的種類變得越來越多。而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)也會相互影響。為了確定葡萄和葡萄酒的理化指標(biāo)之間的聯(lián)系，首先采用主成分分析法分別求出紅、白葡萄和紅、白葡萄酒的主成分，其次分析對應(yīng)的累計貢獻(xiàn)率，選取合適的范圍，得到貢獻(xiàn)率較大的幾組主成分，從而確定所占權(quán)重較大的主要指標(biāo)變量，然后對葡萄與葡萄酒的主要指標(biāo)變量進(jìn)行簡單相關(guān)分析，確定兩組變量的相關(guān)系數(shù)，得到相關(guān)系數(shù)矩陣，最后確定出各個指標(biāo)之間的關(guān)系。

關(guān)鍵詞：主成分分析，相關(guān)分析

0 引言

食品行業(yè)管用的感官評價方法，受人員嗜好、習(xí)慣、情緒、年齡、經(jīng)驗等因素影響較大，評定常有一定程度的主觀性和不確定性，容易引起打分不一致和數(shù)據(jù)分析產(chǎn)生偏差，使評價結(jié)果不夠準(zhǔn)確，缺乏客觀的評價，誤差較大。因此，品評人員是決定最終品評結(jié)果的關(guān)鍵因素。國外研究者不斷嘗試將先進(jìn)的數(shù)據(jù)處理方法與感官品評相結(jié)合，感官品評的客觀性得到很大改善。

1 模型的建立

1.1主成分分析模型的建立

運用主成分分析法[3][7]對理化指標(biāo)進(jìn)行分析。

1.2 進(jìn)行相關(guān)分析

通過所求得的主成分，選取載荷系數(shù)[4]較大且主成分特征值較大的理化指標(biāo)作為葡萄酒有代表性的理化指標(biāo)。將選取的釀酒葡萄的主要指標(biāo)[1][2]x與葡萄酒的主要理化指標(biāo)y做相關(guān)系數(shù)矩陣R，分析指標(biāo)的相關(guān)性。

兩個指標(biāo)變量的相關(guān)系數(shù)rij的絕對值越接近于1，兩個指標(biāo)變量相關(guān)性越大，否則，兩個指標(biāo)變量相關(guān)性越小。

1.3 運用主成分分析法求出葡萄和葡萄酒的主成分

對紅葡萄酒的一級理化指標(biāo)[5]和白葡萄酒的一級理化指標(biāo)運用SPSS軟件處理得到相關(guān)系數(shù)矩陣，由相關(guān)系數(shù)矩陣計算特征值，得到各主成分的貢獻(xiàn)率及累計貢獻(xiàn)率[6].

2 結(jié)論

本文在人工品評的基礎(chǔ)上，結(jié)合主成分分析法，根據(jù)各理化指標(biāo)的相關(guān)性分析，選擇影響較大的理化性指標(biāo)對葡萄酒進(jìn)行品評。對不同種類的葡萄酒進(jìn)行分析，分別建立其理化指標(biāo)與葡萄酒質(zhì)量的關(guān)系，更加客觀準(zhǔn)確分析出葡萄與葡萄酒理化指標(biāo)的相關(guān)性關(guān)系，為葡萄酒的分級提供較為合理的依據(jù)。

參考文獻(xiàn)：

[1]蓋曉華，郭學(xué)軍. 葡萄酒的評價及分類[J]. 南陽理工學(xué)院學(xué)報，2012，4（04）：98-103.2012.04.023

[2]潘曉嵐，王秋芳，黃祥威. 葡萄酒的評價[J]. 中央民族大學(xué)學(xué)報（自然科學(xué)版），2013，22（S1）：126-132.

[3]李克宇. 基于主成分分析法的土地整治項目優(yōu)先度評價研究[D].甘肅農(nóng)業(yè)大學(xué)，2012.

[4]傅沐天，莫凡碌，鞠筱. 葡萄酒評價[J]. 無線互聯(lián)科技，2013，（02）：136-137.

[5]陳錦. 基于統(tǒng)計學(xué)的葡萄酒評價數(shù)學(xué)模型[J]. 鹽城工學(xué)院學(xué)報（自然科學(xué)版），2014，27（01）：18-21+45.

[6]王恰恰，李娟，郭淑俊. 葡萄酒評價中的顯著性差異判別[J/OL]. 河南科技，2013，（12）：52+57. （2013-06-25）

[7]金建華. 基于主成分分析法的3G網(wǎng)絡(luò)綜合性能評價[D].大連理工大學(xué)，2013.endprint