基于主成分分析法的葡萄酒评价模型(3)
4.年份: 在酒的标签上标明它的身份至少有两个原因,一是证明这个酒的酒龄以便允许葡萄酒爱好者按照他的口和状况选择一个年青的酒或是陈年酒;二是说明葡萄收获的年份,一般来说葡萄园中的葡萄,一年和一年的收获质量是有很大不同的,所产葡萄酒的质量水平也有很大的差异,在酒瓶上标明年份,可给消费者在去掉瓶塞前就能获得酒的质量信息
5.采摘:手工采摘可以尽可能的减少对葡萄的破坏,同时也可以挑选最好的葡萄采摘,机器采摘效率高,但是对葡萄的破坏大,容易带进枝叶,和未成熟的葡萄.葡萄只有完全成熟时才能酿出最好的葡萄酒,用青涩的葡萄根本不可能酿出优质的葡萄酒.同时夜间采收,葡萄中的香气浓度能达到最高,但是成本很高!
6.产量: 葡萄的产量越高酿造的葡萄酒越多,但是葡萄酒品质就没有办法保证,事实上很多酒庄是通过降低葡萄的产量来提高葡萄酒的质量的,主要的手段有减少每亩种植葡萄树的数量,减少果穗,剪掉成熟度不好的果穗等等,保证用于酿酒的葡萄品质.
7.工艺: 包括是否用木桶发酵和储藏,所用木桶的类型,新旧,陈酿时间(几个月还是几年),是否过滤(过滤能得到澄清透亮的葡萄酒,但是也能带走大部分香气).
至于确定葡萄酒质量时,一般是通过聘请一批有资质的品酒员进行品评.每个品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.在以上葡萄酒影响因素分析的基础上,我们可以得到酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系,葡萄酒和酿酒葡萄检测的理化指标也会在一定程度上反映葡萄酒和葡萄的质量.
综上可知,酿酒葡萄的理化指标和葡萄酒的质量指标可以对酿酒葡萄进行分级,其中葡萄酒的质量指标是由葡萄酒的理化指标和葡萄酒的人为指标决定的, 所以对酿酒葡萄进行分级时要考虑酿酒葡萄的理化指标、葡萄酒的理化指标和葡萄酒的人为指标这三个因素.确定了葡萄酒的质量指标,再分别对酿酒葡萄的理化指标和葡萄酒的质量指标进行分级,综合这两项的分级可以对酿酒葡萄进行分级.
2.葡萄酒与影响因素间的主成分分析
2.1两组评价结果好坏评判方法介绍
对于已经给出的两组评价结果数据,可利用Matlab作图,在直角坐标系中以各类型为横坐标,以各类型在一、二两组中的总评价成绩的平均值作为纵坐标,作出两组评价员对各类型的评价情况图,可以从图像上直接判断两组评价员的评价结果是否存在显著性差异.在此基础上,判断两组评价员的可信度,可以采用先求出各类型的方差,再对每组的方差数据进行求和,最后比较方差总和的大小,根据方差越小,可信度越高的判断方式判定哪组评价员更可信.
2.2结合评判方法判断评酒员对葡萄酒的评价可信度
依据附件1中两组品酒员对各类红葡萄酒样品的评价数据,分别求出两组品酒员对每类红葡萄酒样品总分的平均成绩,在Matlab中编写程序(见附录1),作出两组品酒员对各类红葡萄酒样品的评价对比图1.
图1 两组评酒员对红葡萄酒的评价对比图
同理,依据附件1中两组品酒员对各类白葡萄酒样品的评价数据,编写相应程序(见附录2),作出两组品酒员对各类白葡萄酒样品的评价对比图2.
图2 两组评酒员对白葡萄酒的评价对比图
从上面两个对比图中可看出两条曲线的变化趋势存在较大的差异,这可以反映出两组品酒员的评价结果存在显著性差异.
对于判断哪一组的评价结果更可信,可以利用求方差的公式 , 进行计算,由数学知识可知,方差的功能是用来描述随机变量取值的集中与分散程度的特征数.方差愈小,随机变量的取值愈集中;方差愈大,随机变量的取值愈分散.因此,对同类葡萄酒样品的评价的方差数据来说,方差越大说明该类评价误差越大,越不能反映样品的质量.在此思路的基础上,可以先求出每类葡萄酒酒样品总分的方差,并求出每组葡萄酒样品方差的总和,见表1.