2023数学建模A葡萄酒的评价.pdf

2023高教社杯全国大学生数学建模竞赛承诺书我们仔细阅读了中国大学生数学建模竞赛的竞赛规那么.我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。我们知道，抄袭别人的成果是违反竞赛规那么的，如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。我们郑重承诺，严格遵守竞赛规那么，以保证竞赛的公正、公平性。如有违反竞赛规那么的行为，我们将受到严肃处理。我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。我们参赛选择的题号是（从 A/B/C/D中选择一项填写）：A我们的参赛报名号为 如果赛区设置报名号的话）：所属学校（请填写完整的全名）：参赛队员（打印并签名）：1.2.3.指导教师或指导教师组负责人（打印并签名）：日期：2 0 1 2 年 9 月 7 日赛区评阅编号（由赛区组委会评阅前进行编号）：2023高教社杯全国大学生数学建模竞赛编 号 专 用 页葡萄酒的评价摘 要目前，葡萄酒备受大家的青睐，其质量也日益受到人们的关注。葡萄酒的质量与酿酒葡萄的好坏有直接关系，葡萄酒和酿酒葡萄的理化指标会在一定程度上反响葡萄酒和酿酒葡萄的质量。对于问题1,我们采用方差分析的方法建模解决。根本思路是：对两组评酒员的评价结果进行单因素方差分析，然后再用F 检验对得出的结果进行进一步验证，得出两组评酒员的评价结果无显著性差异，通过比拟两组评酒员评价结果的方差值，得出第二组的结果更可信。对于问题2,我们采用主成分分析方法，建立综合评价模型，对酿酒葡萄进行分级。根本思路是运用因子分析的方法，以特征值大于1 为标准，得出酿酒葡萄理化指标的8种主成分，在此根底上把综合因子作为一项排名指标，结合问题1 得出的葡萄酒的质量,对酿酒葡萄进行排名，用两种排名的名次之和作为对酿酒葡萄分级的主要依据。此方法消除了主观加权的盲目性，保证了分级的客观性；防止了两个指标中因某一指标数值上远远大于另一指标而使另一指标对排名起不到作用的现象的发生。最终将酿酒葡萄分为了 I、II、III、IV、V 五个等级。对于问题3,我们对酿酒葡萄和葡萄酒的理化指标中具有可比性的同类指标一一比照，经相关性检验得到他们具有显著的线性相关性，进而用线性回归的方法得出回归方程，找到酿酒葡萄和葡萄酒的理化指标之间的联系。对于问题4,先将酿酒葡萄和葡萄酒的量化指标进行无量纲化处理，用 F 检验验证两组值的相似程度为1,得出酿酒葡萄和葡萄酒的理化指标会对葡萄酒质量产生影响，所以可以用葡萄和葡萄酒的理化指标来评判葡萄酒的质量。文章最后对论文的优缺点做了评价，并给出了一些改良方向，以利于在实际中应用和推广。关键词：方差分析；因子分析；主成分分析法；线性回归分析；SPSS软件；F 检验1.问题的重述确定葡萄酒质量时一般是通过聘请一批有资质的的评酒员进行品评。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，从而确定葡萄酒的质量。酿酒葡萄的好坏与所酿葡萄酒的质量有直接关系，葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量。附件1给出了某一年分一些葡萄酒的评价结果,附件2 和附件3 分别给出了该年份这些葡萄酒的和酿酒葡萄的成分数据。请尝试建立数学模型讨论以下问题：1.分析附件1 中两组评酒员的评价结果又无明显差异，哪一组结果更可信？2.根据酿酒葡萄的理化指标和葡萄酒的质量对这些酿酒葡萄进行分级。3.分析酿酒葡萄与葡萄酒的理化指标之间的关系。4.分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量？2.问题的分析对 问 题1,我们对附件一所给的葡萄酒品尝评分表进行统计学分析，根据各组评酒员对同一种葡萄酒的评价结果算出每种酒样品的得分，并对每组的数据进行方差分析，利 用F检验求出两组间的显著水平，并 与0.05的显著水平比拟，从而判断两组评酒员的评价结果有无显著性差异。确定哪组更可信时，分别求出两组评价结果的方差进行比拟，方差越小，可信度也就越高。对问题2,要求根据酿酒葡萄的理化指标和葡萄酒的质量对酿酒葡萄进行分级，属于分类问题。对该问题，可以采用主成分分析法，建立综合评价模型。选取附件2中关于葡萄的一级指标作为影响等级划分的因素，采用因子分析法，确定主成分，结合问题1所得出的葡萄酒的质量对酿酒葡萄进行综合评价并分级。对问题3,分析酿酒葡萄与葡萄酒的理化指标之间的联系，既然是分析两指标之间的联系，就少不了作比拟，从比拟数据成对出现这一方面考虑，应该选取酿酒葡萄与葡萄酒理化指标中的共有指标进行分析，用一元线性回归模型求出对应指标之间的函数关系，进而确定酿酒葡萄与葡萄酒的理化指标之间的联系。对问题4,分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，参照问题2中酿酒葡萄的理化指标的处理方法，对葡萄酒的理化指标做同样分析。加权处理得出酿酒葡萄和葡萄酒的理化指标对葡萄酒质量产生影响的综合因子E,根据葡萄酒质量排名和E排名比拟出产生的影响大小。3.模型的假设(1)假设评酒员都有很高的品评资质，给出的评价结果客观可信。1 2)假设问题1中葡萄酒的质量只与评酒员的评分有关。(3)假设更可信的评分组给出的数据可以代表葡萄酒的真实质量。4.符号说明符号一 SS符号二 df符号三 MS符号四 F符号五 P value符号六 F crit符号七 Sig符号八.符号九G符号十必符号十一七自变量方差自由度标准差统计量假定值F临界值F值实际显著性概率对应的主成分值总主成分值因变量符号十二 E 综合因子5.模型的建立与求解5.1问 题 1 的模型建立与求解在评价结果采用百分制的前提下，对每一个品酒员所给出的每一种样品酒的评价结果求和，并求出每一组1 0 名评酒员对同一种酒评价结果总分的平均值，此平均值即为本组针对该样品酒给出的评分，得到两组分别对2 7 个红葡萄酒样品和2 8 个白葡萄酒样品给出的评分。用 E x c el 中的数据分析对每组的数据进行方差分析，利 用 F检验判断两组评酒员的评价结果有无显著性差异。方差分析结果如下：（1）分析两组评酒员对红葡萄酒的评价_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _表 1）：方差分析_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _方差分析：单因素方差分析S UM M A R Y组观测数求和平均方差列 12 7 1 9 7 2.9 7 3.0 7 0 3 7 5 3.5 1 5 2 4列 22 7 1 9 0 3.9 7 0.5 1 4 8 1 1 5.8 2 4 3 9方差分析差异源S Sd fM SFP-v a l u eF c r i t组间8 8.1 6 6 6 71 8 8.1 6 6 6 7 2.5 4 3 0 3 8 0.1 1 6 8 4 2 4.0 2 6 6 3 1组内1 8 0 2.8 35 2 3 4.6 6 9 8 1总计1 8 9 0.9 9 75 3因为统计量F a 2.5 4 3 0 4.0 2 6 6 2 1 0 5（1，5 2）,所以对红葡萄酒而言，两组评酒员的评价结果没有显著性差异。因为第二组的方差远小于第一组，所以第二组的可信度高于第一组，即第二组的结果更可信。（2；分析两组评酒员对白葡萄酒的评价_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _表（2）：方差分析_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _方差分析：单因素方差分析S UM M A R Y组观测数求和平均方差列 12 8 2 0 7 9.3 7 4.2 6 0 7 1 2 7.0 5 2 8 4列 22 8 2 1 4 2.9 7 6.5 3 2 1 4 1 0.0 5 4 8 5方差分析差异源S Sd fM SFP-v a l u eF c r i t组间组内72.231431001.9081 72.23143 3.89307 0.053613 4.01954154 18.55385总计 1074.139 55因为统计量F a 3.8931 模型RR方调 整R方标准估计的误差Durbin-Watson1.718a.516.4962.061501.577R 方（拟合优度）：是线性回归的决定系数，说明自变量和因变量形成的散点与回归曲线的接近程度，数值介于0 和 1 之间，这个数值越大说明回归越好，也就是散点越集中于回归线上。表（10）方差分析表模型平方和df均方FSig.1 回归113.0841113.08426.609.000a_ _ _ _ _ _ _ _ _ 残差106.245254.250总计|219.3291 261|此表时所用的模型的检验结果，一个标准的方差分析表。Sig值是回归关系的显著性系数，Sig是F值实际显著性概率即P值。当Sig0.05,说明二者之间用当前模型进行回归没有统计学意义，应该换一个模型来进行回归。由表可见所用的回归模型F统计量值26.609,P值 为0.000,因此我们用的这个回归模型是有统计学意义的。表（11）系数模型非标准化系数标准系数B标准误差试用版tSig.1 （常量）2.891.9363.088.005酿酒葡萄.315.061.7185.158.000此表给出了包括常数项在内的所有系数的检验结果，用的是t检验，同时还会给出标化/未标化系数。表（12）残差统计量极小值极大值均值标准偏差N预测值4.081210.89807.26612.0855227残差-6.913053.94995.000002.0214727标准预测值-1.5271.742.0001.00027标准残差-3.3531.916.000.98127上面的回归分析结果说明：酿酒红葡萄的单宁含量与红葡萄酒的单宁含量关系极为密切，有显著的线性关系。综合以上得出回归方程为：图（2）：回归标准化残差的标准P-P图由以上结果及图（2）的标准化残差的线性关系可以验证出假设的合理性，所以可以用线性回归对各个指标进行线性回归。用同样的方法可以得出各有效指标（S ig小于0.05）的回归分析结果（见附表）和回归方程：酿酒红葡萄与红葡萄酒的总酚回归方程：；，=1.362+0.333；酿酒红葡萄与红葡萄酒的DPPH回归方程：J=-0.08+0.886%酿酒红葡萄与红葡萄酒的花色昔回归方程：；=14.335+2.386；酿酒红葡萄与红葡萄酒的总黄酮回归方程：；=0.763+0.503i酿酒白葡萄与白葡萄酒的单宁回归方程：y=0.964+0.237i酿酒白葡萄与白葡萄酒的总酚回归方程：y=0.722+0.099%酿酒白葡萄与白葡萄酒的DPPH回归方程：y=0.016+0.124x酿酒白葡萄与白葡萄酒的总黄酮回归方程：（=-0.442+0.533；5.4问题4 的模型建立与求解问题4 要求分析酿酒葡萄和葡萄酒的理化指标对葡萄质量的影响，并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。以白葡萄为例，根据问题2 中对酿酒白葡萄的理化指标的分析方法，对白葡萄酒的理化指标进行同理分析，得出以下两组分析结果：表（13）白葡萄G 值和白葡萄酒的G 值及质量白葡萄G白葡萄酒G白葡萄酒质量葡萄样品186.022酒样品10.33081.5葡萄样品2125.805酒样品20.25177.1葡萄样品3337.697酒样品30.40974.3葡萄样品4140.250酒样品40.41174.2葡萄样品5178.731酒样品50.32573.9葡萄样品6124.203酒样品60.26272.4葡萄样品7115.762酒样品70.28072.3葡萄样品885.613酒样品80.30871.4葡萄样品9129.603酒样品90.37567.3葡萄样品10140.912酒样品100.41980.4葡萄样品11105.366酒样品110.28880.3葡萄样品12115.935酒样品120.47079.8葡萄样品1344.713酒样品130.30879.6葡萄样品14103.698酒样品140.26979.5葡萄样品15179.483酒样品150.51579.4葡萄样品1666.698酒样品160.26079.2葡萄样品1778.490酒样品170.31578.4葡萄样品1886.737酒样品180.27177.9葡萄样品1954.991酒样品190.40077.4葡萄样品20137.525酒样品200.54577葡萄样品21104.495酒样品210.24576.9葡萄样品2298.016酒样品220.38676.7葡萄样品23102.377酒样品230.27176.6葡萄样品24206.320酒样品240.91176.4葡萄样品25158.071酒样品250.30776.1葡萄样品26139.414酒样品260.31975.8葡萄样品27166.438酒样品270.68775.6葡萄样品28254.548酒样品280.41375.5因为酿酒白葡萄的G 值远大于白葡萄酒的G 值，为了防止白葡萄酒的G 值在综合评价中不起作用，把酿酒白葡萄的G 值按照降序排列得出的序号作为第一个变量t l,把白葡萄酒的G 值按照降序排列得出的序号作为第二个变量t2 o 定义一个量E,令E=tl+t2,算出E 值并按升序排序将其作为第三个变量t 3,把葡萄酒的质量按打分结果进行降序排列，排出的序号作为变量t 4,结果如下:表(1 4)白葡萄和白葡萄酒的各项排名白葡萄G 1排名t l白葡萄酒G 2排名t 2 EE排名t 3白葡萄酒质量排名t 4葡萄样品1 32 8酒样 品1 3 1 74 52 51葡萄样品1 72 5酒样 品1 7 1 64 12 12葡萄样品2 43酒样品2 4 1413葡萄样品1 82 2酒样品1 8 2 34 52 64葡萄样品91 2酒样品91 22 41 15葡萄样品61 4酒样品62 53 91 96葡萄样品31酒样品391 057葡萄样品2 82酒样品2 8 7948葡萄样品2 22 1酒样品2 2 1 13 21 49葡萄样品12 3酒样 品11 33 61 51 0葡萄样品49酒样品481 781 1葡萄样品2 11 8酒样品2 1 2 84 62 71 2葡萄样品824酒样品81 84 22 21 3葡萄样品1 21 5酒样品1 2 52 01 01 4葡萄样品2 57酒样品2 51 92 61 31 5葡萄样品2 76酒样品2 7 2821 6葡萄样品2 61 0酒样品2 6 1 52 51 21 7葡萄样品55酒样品51 41 991 8葡萄样品1 08酒样品1 0 61 471 9葡萄样品1 11 7酒 样 品1 1 2 03 71 72 0葡萄样品1 41 9酒样 品1 4 2 44 32 42 1葡萄样品71 6酒样品72 13 71 82 2葡萄样品1 5-1酒样品1 5 4832 3葡萄样品2 01 1酒样品2 0 31 462 4葡萄样品21 3酒样品22 74 02 02 5葡萄样品1 62 6酒样品1 6 2 65 22 82 6葡萄样品1 92 7酒样品1 9 1 03 71 62 7葡萄样品2 32 0酒样品2 3 2 2422 32 8将 表(1 4)按照白葡萄酒质量进行降序排列，对白葡萄酒质量排名t 4与综合因子E的排名t 3做双样本方差的F检验，检验结果如下表：表(1 5)双样本方差分析F-检验双样本方差分析2 51平均1 4.1 1 1 1 1 1 1 11 5方差6 5.8 7 1 7 9 4 8 76 3观测值2 72 7d f2 62 6F1.0 4 5 5 8 4 0 4 6P(F =f)单尾0.4 5 5 1 9 2 0 2 5F单尾临界 1.929212675查 F 分 布 表 得（a=0.05,勺=27,%=27）：那么有：从表的检验结果可得：认为总体方差相等，即白葡萄酒质量与综合因子E相比，波动没有显著变化，可认为酿酒白葡萄和白葡萄酒理化指标对白葡萄酒质有影响，即可以用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。6.模型结果的分析与检验问 题1中对显著性差异的求解，用到了F检验，得出的F测量值可以直接和临界值比拟，从而判断两组评酒员的评价结果无显著性影响。这种方法用起来很方便，也很实用。在可信度方面，由方差越小水平越稳定的评判标准，判断得出第二组的结果更可信。问题2中的模型求解，用主成分分析法把多因素进行了简化，但是由于主成分的选取严格遵守了特征值大于1的原那么，所以具有很强的代表性，说明了求解方法的合理性和很强的实用性。问题3中的模型，先做出了假设，在假设的根底下求解，然后把求出的解和假设比拟，发现它们是一致的，从而对假设做出了检验。7.模型的推广与改良方向模型一用到的方差分析法可用于假设检验求测量值，模型二利用的综合评价模型，可以对一些具有多种影响因素的指标进行评价，例如在对各大学诸多影响因素进行综合排名方面的应用等。在模型一的可信度求解方面，综合考虑方差、残差等因素，减少误差，提高精确度。针对模型三的反复重复操作，可以编写一个小程序把多组值的比拟结果一次求出，简化运算过程。8.模型的优缺点模 型 一 优 点：采用方差分析法，可以用多种软件进行求解，其 中 用Excel的求解简单实用，容易上手。缺点是在对可信度的评判上仅参照方差这一个指标，不够精确。模 型 二 优 点：用主成分分析法对多种指标重新分类，将分析过程简化，在对等级的划分方面，创新性的采用对排名之和再排名的方法来防止在综合排名时，两个指标中因某一指标数值上远远大于另一指标而使另一指标对排名不起作用的现象的发生。模型三 优点：选取相同指标进行单独比拟，做出线性回归函数，从细微方面反映酿酒葡萄和葡萄酒的理化指标之间的关系。缺点也是太零碎，同样的方法要重复做11次O模 型 四 优 点：同模型二，对单因素排名之后再排名，使之具有一定的客观性。此外对所得的综合排名进行的F检验，从数值上说明了酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响。参考文献 1 姜启源.数学模型（第三版）M .北京：高等教育出版社，1 9 9 9.2 韩中庚.数学建模方法及其应用（第二版）M .北京：高等教育出版社，2 0 2 3.3 盛骤、谢式千、潘承毅.概率论与数理统计（第四版）.北京：高等教育出版社，2 0 2 3.4 赵丹亚、邵丽.E x c e l 2 0 0 0 应用案例一E x c e l 2 0 0 0 应用案例之二十四.,2023-9-95王双虎.一元线性回归模型2012-9-8附录附录1.各组评酒员对各种样品酒评分的平均值红葡萄酒白葡萄酒样品第一组第二组样品第一组第二组16 2.76 8.118 27 7.928 0.37427 4.27 5.838 0.47 4.638 5.37 5.646 8.67 1.247 9.47 6.957 3.37 2.157 18 1.567 2.26 6.366 8.47 5.577 1.56 5.377 7.57 4.287 2.36 687 1.47 2.398 1.57 8.297 2.98 0.41 07 4.26 8.81 07 4.37 9.81 17 0.16 1.61 17 2.37 1.41 25 3.96 8.31 26 3.37 2.41 37 4.66 8.81 36 5.97 3.91 47 37 2.61 47 27 7.11 55 8.76 5.71 57 2.47 8.41 67 4.96 9.91 67 46 7.31 77 9.37 4.51 77 8.88 0.31 86 0.36 5.41 87 3.17 6.71 97 8.67 2.61 97 2.27 6.42 07 8.67 5.82 07 7.87 6.62 17 7.17 2.22 17 6.47 9.22 27 7.27 1.62 27 17 9.42 38 5.67 7.12 37 5.97 7.4247 87 1.52 47 3.37 6.12 56 9.26 8.22 57 7.17 9.52 67 3.87 22 68 1.37 4.32 77 37 1.52 76 4.87 72 88 1.37 9.6附录2：酿酒红葡萄理化指标的主成分系数酿酒红葡萄1234567810.3 2 7-0.0 7 7-0.0 9 20.1 3 3-0.0 1 30.1 3 9-0.0 0 90.0 7 820.3 2 1-0.0 4 8-0.0 5 5-0.1 7 90.0 6 90.1 4 9-0.0 7 80.0 5 630.2 8 60.2 0 7-0.0 0 70.1 2 8-0.0 1 60.0 8 60.1 7 80.1 0 140.2 8 6-0.0 6 8-0.1 4 5-0.0 4-0.1 1 70.1 8 60.2 0 4-0.0 5 1附表3：酿酒白葡萄理化指标的主成分系数50.2 7 2-0.1 2 9-0.1 0 20.1 6 90.0 2 20.2 2 50.1 0 40.0 5 160.2 3 3-0.2 2 50.0 9 40.1 6 10.1 3 7-0.0 9 80.0 6 8-0.1 1 270.2 2 1-0.0 9 50.0 8 9-0.1 2 8-0.2 9 1-0.3 0 70.0 7 40.0 3 58-0.2 1 4-0.1 4 80.1 5 8-0.0 2 30.0 3 5-0.2 3 30.0 6 40.3 0 690.2 1 10.0 10.0 1 4-0.0 4 2-0.1 2 2-0.3 80.40.1 9 21 00.2 0 6-0.0 8 1-0.1 40.10.0 1 10.3 0 2-0.1 2 10.0 1 31 1-0.2 0 2-0.1 6-0.2 4 40.0 4 70.1 90.1 1 30.1 8 60.1 7 21 20.1 4 20.3 8 5-0.0 9 80.0 5 60.0 6 7-0.0 1 80.0 4 50.0 31 30.0 9 70.3 5 3-0.0 7 80.1 5 50.0 7 3-0.0 3-0.0 60.2 6 41 40.0 30.3 4 6-0.0 5 80.0 7 60.0 8 2-0.0 8 2-0.0 4 20.0 6 51 50.0 9 30.3 4 2-0.1 6 30.0 8 70.0 8 6-0.0 3 6-0.0 2 10.2 3 61 60.1 4 20.2 4 40.0 0 80.2 7-0.1 7-0.2 2 50.1 4-0.0 0 81 70.0 2 4-0.0 2 70.4 2 30.0 4 5-0.1 5 30.1 2 50.2 4 60.2 6 11 8-0.1 2 60.1 2 50.3 8 20.0 3 1-0.0 1 40.2 2 30.2 1 60.1 8 91 9-0.0 9 7-0.1 1 1-0.3 1 7-0.0 6 60.2 3-0.0 6 10.4 0 10.1 9 62 0-0.0 5 20.2 20.3 1 1-0.0 1 40.1 3 50.3 4 50.2 4 80.0 82 1-0.1 1 40.2 0 6-0.3 0 8-0.0 0 2-0.2 3 30.1 6 70.2 4 9-0.1 2 22 20.2 2 6-0.0 40.0 2 8-0.4 2-0.0 1 4-0.0 4 3-0.0 6 80.0 9 82 30.1 0 2-0.1 2 60.0 9 50.4 1 30.0 9 2-0.0 8 7-0.2 40.2 1 32 40.1 4 80.1 4 40.0 8 6-0.3 9 20.0 6 20.2 7 8-0.0 9 60.1 0 42 50.1 1 90.0 3 9-0.1 1 1-0.3 5 20.1 6 6-0.2 5 7-0.0 0 60.1 4 62 6-0.1 3-0.2 0 7-0.1 1 40.0 40.4 2 30.0 3 30.1 9 10.0 8 32 7-0.0 5 4-0.1 7 90.0 4 9-0.0 0 5-0.3 8 60.1-0.0 1 80.1 4 22 80.1 5-0.0 2 30.2 2 3-0.0 0 10.3 7 8-0.0 7 9-0.2 6 60.1 9 82 90.1 4 40.0 4 50.1 90.2 2 90.2 2 1-0.1 10.1 7-0.4 5 83 00.1 1 60.0 8 50.2 0 7-0.2 1 80.2 5 2-0.0 5 50.2 4 5-0.3 8酿酒白葡萄1234567891 010.3 4 6-0.0 7 9 0.0 5 50.1 0 7-0.0 4 5-0.0 70.0 90.2-0.1 2-0.0 720.3 3 2-0.1 3 5-0.0 2-0.0 2 8-0.1 9 9 0.2 3 10.0 5-0.0 30.1 4-0.0 430.3 1 3-0.0 8 5-0.0 50.0 1 2-0.2 5 2 0.0 2 90.0 7-0.0 30.1 5-0.1 440.2 9 9-0.0 3 3 0.0 0 20.1 1 4-0.1 9 9-0.1 50.2 20.2 2-0.0 20.0 750.2 6 80.0 6 8-0.3 20.0 0 30.2-0.0 70.0 4-0.1 7-0.0 70.1 1()0.2 4 50.0 5 0.0 9 50.3 6 90.0 4 4 0.0 9 8-0.0 5-0.1 40.0 60.1 67-0.2 3 90.0 9 2-0.1 20.1 50.1 5 3-0.0 40.1 4-0.2 7-0.0 1-0.4 58-0.2 3 90.2 1 50.1160.1 5 7-0.0 0 9-0.1 3-0.0 4-0.1 20.0 50.1 890.2 1 50.1 6 5-0.2 6-0.0 4 90.2 6-0.0 2-0.1 5-0.1 3-0.1 80.0 9100.1 9 50.1 6 80.121-0.0 9 3-0.1 5 3 0.2 0 2-0.2 40.2 8-0.1 3-0.3 411-0.1 9 10.1 3 6-0.0 8-0.0 4 9-0.2 8 2 0.2 1 90.0 900.2 90.2 612-0.1 8 6-0.1 7 3-0.0 4-0.1 3 5-0.0 3 7 0.2 3 70.30.1 2-0.2 5-0.0 51 30.0 2 90.3 4 4 0.2 4 4-0.0 9 70.1 6 10.1 3-0.1 30.0 4-0.0 3-0.1 51 40.0 0 10.3 4 4 0.2 6 3-0.0 3 50.0 9 6 0.1 5 7-0.1 50.0 8-0.1 1-0.0 41 50.0 9 30.2 8 8 0.1 2 2-0.2 0 90.0 0 3-0.1 90.2 2-0.0 50.0 1-0.0 71 60.0 6 3-0.2 8 3 0.3 0 6-0.1 4 80.0 9 2 0.0 1 9-0.0 2-0.2-0.10.1 51 7-0.0 0 80.2 8 1-0.2 90.1 9 8-0.1 2 7 0.0 4 60.0 70.1 90.1 8-0.1 71 80.1 4 2-0.2 2 20.0 10.1 5 50.2 9 8 0.3 3 8-0.0 7-0.10.2 9-0.0 51 90.1 80.2 0 4-0.0 7-0.0 8 7-0.1 5 3 0.1 5 4-0.2 6-0.0 1-0.0 60.2 82 0-0.1 5 7-0.1 9 0.0 6 80.1 9 30.1 3 6 0.1 8 5-0.1 20.2 7-0.3 30.3 12 1-0.1 1 6-0.2 2 3 0.3 0 2-0.0 0 8-0.0 4 5-0.100.2 50.2 4-0.2 52 2-0.1 2 10.0 0 6-0.2 9-0.2 3 60.0 9 7 0.2 3 7-0.2 50.1 20.1 90.0 12 30.1 1 20.1 3 0.2 6 3-0.2 4 80.3 2 1 0.0 5 30.0 70.2 50.2 30.0 82 4-0.0 7-0.1 7 6-0.2 50.0 8 10.2 4 90.0 5-0.1 60.2 80.3-0.0 62 5-0.1 0 80.1 6 6 0.1 9 50.1 5 3-0.2 4 1 0.2 7 20.1-0.2 30.2 60.1 82 60.0 5 50.1 7 4 0.0 5 30.4 2 30.2 8 3 0.1 1 60.2 3-0.0 1-0.0 3-0.1 52 70.0 8 90.0 6 7-0.0 7-0.4 10.2 3 6-0.1 50.3 2-0.0 20.2 50.1 62 80.0 2 70.0 2 8 0.1 2 30.2 6 80.0 9 2-0.4 7_0.20.2 10.2 50.2 12 90.0 9 2-0.0 4 8 0.1 5 20.0 4 60.2 1 9 0.2 7 40.3 70.0 100.13 00.1 1 8-0.1 8 2 0.1 8 6-0.0 8 80.0 0 9-0.0 6-0.3 3-0.4 30.1 3-0.2附录4：主成分总值的原始q口间数据白葡萄酒F1F2F3G酒样品10.8812216-0.1085330.160369370.329806酒样品20.670982-0.0826390.122108860.2511217酒样品31.0931025-0.1346280.198928590.4091046酒样品41.0970753-0.1351180.199651570.4105914酒样品50.8674965-0.1068420.157871610.3246693酒样品60.7011228-0.0863520.127594030.2624022酒样品70.7474717-0.092060.136028860.2797488酒样品80.8229543-0.1013570.149765580.3079989酒样品91.0030531-0.1235380.182540920.3754027酒样品101.1195876-0.137890.203748490.4190169酒样品110.7699841-0.0948330.140125780.2881742酒样品121.2552144-0.1545940.228430560.4697765酒样品130.8242786-0.101520.150006580.3084945酒样品140.7183381-0.0884720.130726970.2688452酒样品151.3764933-0.1695310.250501540.5151664酒样品160.6958257-0.0856990.126630050.2604197酒样品170.8428181-0.1038030.153380510.3154331酒样品180.7236351-0.0891240.131690950.2708277酒样品191.0679417-0.131530.194349680.3996878酒样品201.4559487-0.1793170.264961250.5449033酒样品210.6547738-0.0806430.11915920.2450556酒样品221.0321868-0.1271260.187842810.3863062酒样品230.7236351-0.0891240.131690950.2708277酒样品242.4332496-0.2996830.442815640.910668酒样品250.8189815-0.1008670.14904260.306512酒样品260.8534122-0.1051080.155308470.319398酒样品271.8360101-0.2261260.334126850.6871452酒样品281.1036966-0.1359330.202356550.4130695