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也會相互影響。為了確定葡萄和葡萄酒的理化指標之間的聯(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，其次分析對應的累計貢獻率，選取合適的范圍，得到貢獻率較大的幾組主成分，從而確定所占權(quán)重較大的主要指標變量，然后對葡萄與葡萄酒的主要指標變量進行簡單相關(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]對理化指標進行分析。

1.2 進行相關(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作為葡萄酒有代表性的理化指標。將選取的釀酒葡萄的主要指標[1][2]x與葡萄酒的主要理化指標y做相關(guān)系數(shù)矩陣R，分析指標的相關(guān)性。

兩個指標變量的相關(guān)系數(shù)rij的絕對值越接近于1，兩個指標變量相關(guān)性越大，否則，兩個指標變量相關(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[5]和白葡萄酒的一級理化指標運用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率及累計貢獻率[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)各理化指標的相關(guān)性分析，選擇影響較大的理化性指標對葡萄酒進行品評。對不同種類的葡萄酒進行分析，分別建立其理化指標與葡萄酒質(zhì)量的關(guān)系，更加客觀準確分析出葡萄與葡萄酒理化指標的相關(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：

[1]蓋曉華，郭學軍. 葡萄酒的評價及分類[J]. 南陽理工學院學報，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]. 中央民族大學學報（自然科學版），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，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)計學的葡萄酒評價數(shù)學模型[J]. 鹽城工學院學報（自然科學版），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，2013.endprint