葡萄酒原汁含量的多元回归分析

葡萄酒原汁含量的多元回归分析 Ξ 葡萄酒原汁含量的多元回归分析 刘保东 关家锐 冯素萍 王淑仁 聂 伟 ( )山东大学环境工程系 摘要 以18个不同含汁量的甜红葡萄酒样品作为分析 样本 保单样本pdf木马病毒样本下载上虞风机样本下载直线导轨样本下载电脑病毒样本下载 , 统计分析了与原汁 含量有关的十项指标, 利用计算机模式识别技术, 采用五种多元回归判别 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 , 对分析结果进行了回归识别, 取得了令人满意的结果. 关键词 原汁含量; 模式识别; 多元回归; 甜红葡萄酒 中图分类号 212O 0 前 言 葡萄酒是葡萄经微生物发酵后生成的一种复杂产物. 目前, 在葡萄酒中已检出的成分 1 2 达近千种葡萄酒原汁含量的计算在传统的发酵理论中被认为是无法实现的, 这主要 是受原料来源、品种、发酵工艺以及计算方法等诸方面的条件因素限制所造成的. 将计算 3, 4 机模式识别技术应用于分析化学领域, 则是近几年的事. 这一技术在葡萄酒分析中的 应用, 则使过去很难从单纯的分析化学数据中解决的问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 , 如葡萄酒的原汁含量、产地、年 代识别, 以及感官指标的评估、质量等级的评价、掺假伪造的识别等成为可能. 本文对国内不同生产厂家生产的18 个不同含汁量的甜红葡萄酒样品, 按照有关标 5 , 7 准, 分别测定了十项分析指标, 结果证实了用某些分析指标利用回归方程同时测定葡 萄酒的原汁含量是切实可行的. 1 实验部分 1. 1 试剂与样品 5 , 7 所有试剂均按所选用分析方法中规定的技术等级要求. 所选样品按原汁含量不同分别取样, 全部样品均由国家葡萄酒质量监督检验测试中 心提供. 样品编号、产地、品名、原汁含量列于表1中. 表1 样品品名、产地及原汁含量 、1 T ab le T h e nam e sreg io n s and o r ig ina l m u st co ncen t o f sam p le s 组别 样本编号 品 名 产 地 原汁含量 w t% 1 昌黎红葡萄酒 河北 100 2 红葡萄酒 法国蓝河南 100 3 100 I红葡萄酒 山东 4 100 甜红葡萄酒安徽 5 品丽珠红葡萄酒山东100 法国蓝红葡萄酒 山东 6 60 7 吉林葡萄酒 吉林 60 8 60 红葡萄酒 山东 ? 9 60 法国蓝红葡萄酒 山东 山葡萄酒 黑龙江 10 60 11 英皇葡萄酒 河北 50 北国葡萄酒 特酿吉林 12 50 葡萄酒 通化葡萄吉林 13 50 吉林 酒 精制通化葡萄14 50 ? 酒 通化红葡萄酒 吉林 15 50 红葡萄酒 吉林 辽宁 16 50 辽宁 50 17 50 18 沈阳红葡萄酒 表2 18个样品十个分析指标的分析统计结果 2 18 T ab le A na ly sis and sta t ist ic s re su lt s o f ten ana ly sis ta rge t o f sam p le s ?I? 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 标准 标准 指标 单位 最小值 最大值 均值 最小值 最大值 均值 最小值 最大值 均值 偏差 偏差 偏差 13. 680 17. 690 16. 184 1. 447 15. 540 17. 390 16. 576 0. 752 22. 540 29. 590 25. 764 2. 895 EX gl ƒ ƒ11. 190 17. 090 14. 276 gl C E 2. 510 8. 140 5. 684 1. 992 4. 220 8. 830 6. 832 1. 910 2. 550 ƒgl 4. 610 6. 550 5. 734 0. 631 5. 050 6. 650 5. 848 0. 710 0. 387 TA 5. 630 6. 550 6. 164 ƒgl 0. 240 0. 400 0. 324 0. 052 0. 200 0. 440 0. 332 0. 088 0. 650 0. 830 0. 706 0. 076 V A 10ƒgl 0. 024 0. 068 0. 067 0. 020 0. 080 0. 167 0. 119 0. 034 0. 130 0. 288 0. 205 0. 064 A H 0. 998 12. 720 14. 920 14. 058 0. 886 15. 740 19. 440 17. 562 1. 320 A A 10m lƒl 10. 720 13. 760 11. 605 2. 440 4. 260 3. 327 0. 612 1. 294 3. 167 2. 189 0. 898 2. 315 8. 445 5. 473 2. 452 GY 0. 431 0. 603 0. 532 0. 060 0. 446 0. 621 0. 539 0. 073 0. 472 0. 595 0. 536 0. 046 10gƒl FA 5. 240 8. 950 7. 342 1. 214 7. 510 10. 360 9. 354 1. 098 12. 800 21. 280 16. 208 3. 432 Q V 8. 710 10. 070 9. 489 0. 529 10. 630 15. 080 12. 344 1. 827 17. 140 26. 890 21. 680 3. 749 CQ 备注: I 5个统计样本, 原汁含量为100% ; 5个统计样本, 原汁含量为60% ; ? ? 8个统计样本, 原汁含量为50%. 1. 2 分析指标 ()共选取了十项可能与葡萄酒原汁含量有关的分析指标, 分别为: 干浸出物 、修正 EX ()()()()()()干浸出物 、总酸 、挥发酸 、固定酸 、灰份 、灰份碱度 、甘油C E TA V A FA A H A A ()() () () 、值 和修正 值 , 其中 值和修正干浸出物 按文献 8 中公式计 GY Q Q V Q CQ Q C E 算. 1. 3 分析方法 5 6 7 按照轻工部标准、、等规定的方法执行.O IV A OA C 1. 4 结果统计与整理 表2列出了三组18个样品十项分析统计指标的统计结果, 表3给出了各分析指标间的 相关系数. 表3 各指标之间的相关系数 T h e re la t ive p a ram e te r s be tw een tw o ta rge t s re sp ec t ive ly T ab le 3 EX C E TA V A A H A A GY FA Q V CQ 指标 1. 000 EX 0. 925 1. 000 C E 0. 356 0. 377 1. 000 TA 0. 840 0. 820 0. 374 1. 000 V A A H 0. 759 0. 675 0. 219 0. 754 1. 000 0. 783 0. 761 0. 221 0. 795 0. 856 1. 000 A A 0. 582 0. 663 0. 317 0. 756 0. 283 0. 394 1. 000 GY FA 0. 137 0. 105 0. 883 0. 002 - 0. 039 - 0. 055 0. 005 1. 000 0. 942 0. 893 0. 304 0. 803 0. 859 0. 873 0. 446 0. 059 Q V 1. 000 1. 000 CQ 0. 934 0. 940 0. 266 0. 840 0. 813 0. 880 0. 604 - 0. 004 0. 948 2 结果与讨论 2. 1 多元回归识别方法 2 2 采用逐步向前、逐步向后、逐步回归、最大 增量法和最小 增量法五种多元回归识 R R 别方法, 全部结果统计计算采用 统计软件在486微机上进行.SA S 2. 2 回归识别结果 表4列出了在相应的显著水平下, 根据 统计量对各分析指标进行筛选的结果, 表5F 列出了根据相应方法所选指标对18个分析样本进行回归判别所得回归判别方程, 表6给出 了利用相应的回归判别方程对所选18个分析样本的回归判别结果. 从表4, 6中可以看出, 在相应显著水平下, 逐步向前选择法、逐步向后消去法和逐步筛选法三种方法所得结果完全一致, 这说明这三种方法对本文所选样本而言是无差别的. 从表6中可以看出, 各方法对18个分析样本的回判结果在误差允许范围内是令人满意的, 这说明用较少的分析指标同时测定葡萄酒原汁含量是切实可行的. 从指标数量来看, 最大 2 与最小 增量法最优, 只需3个指标即可判定相应葡萄酒的原汁含量; 从误差分析角度 R 看, 逐步向前、向后和逐步筛选法预测回判结果相对误差和绝对误差较小, 为最佳方法. 表4 五种回归识别方法的指标筛选结果 T h e se lec ted ta rge t o f f ive m o de ls T ab le 4 回归识别方法 剔 除 指 标 剩 余 指 标 显著水平 0. 15 逐步向前选择法 C E TA A H FA EX V A A A GY Q V CQ 逐步向后选择法 0. 10 C E TA A H FA EX V A A A GY Q V CQ 逐步筛选法 0. 15 C E TA A H FA EX V A A A GY Q V CQ 2最大 增量法R EX C E TA A H FA A A CQ V A GY CQ 2最小 增量法R C E TA A H GY FA Q V CQ EX V A A A 表5 五种多元线性回归模型的回归系数 T h e reg re ssio n p a ram e te r s o f f ive m u lt iva r ia te lina r reg re ssive m o de ls T ab le 5 EX V A A A GY Q V CQ 回归方法 常数项 逐步向前选择法 2. 74 67. 17 2. 35 - 3. 49 - 3. 74 1. 97 - 22. 61 逐步向后消去法 2. 74 67. 17 2. 35 - 3. 49 - 3. 74 1. 97 - 22. 61 逐步筛选法 67. 17 - 3. 49 1. 97 22. 61 2. 74 2. 35 - 3. 74 - 278. 32 - 2. 76 1. 95 16. 13 最大 R 增量法 2 最小 增量法1. 60 39. 77 2. 90 - 21. 33 R 表6 五种回归判别模型的回归判别结果 T h e reg re ssio n d iso r im inan t re su lt s o f f ive m o de ls T ab le 6 预测含汁量 w t% 样本 实际含汁 2 2 逐步向前 逐步向后 最大 最小 RR编号 量 %w t 逐步筛选法 选择法 消去法 增量法 增量法 1 100 102. 6 102. 6 102. 6 110. 2 106. 1 2 100 100. 0 100. 0 100. 0 99. 2 97. 9 3 100 96. 9 96. 9 96. 9 90. 5 90. 1 4 100 99. 2 99. 2 99. 2 93. 4 100. 8 5 100 99. 5 99. 5 99. 5 99. 5 99. 9 6 60 59. 49 59. 49 59. 49 57. 61 56. 08 7 60 59. 76 59. 76 59. 76 60. 90 61. 29 8 60 59. 44 59. 44 59. 44 62. 18 60. 47 9 60 59. 00 59. 00 59. 00 57. 34 60. 24 10 60 61. 36 61. 36 61. 36 62. 71 57. 97 11 50 53. 58 53. 58 53. 58 47. 34 49. 31 12 50 51. 62 51. 62 51. 62 53. 79 54. 41 13 50 52. 92 52. 92 52. 92 53. 34 54. 05 14 50 44. 51 44. 51 44. 51 51. 23 48. 85 15 50 51. 56 51. 56 51. 56 53. 66 56. 41 16 50 53. 14 53. 14 53. 14 52. 83 51. 02 17 50 48. 44 48. 44 48. 44 49. 55 52. 22 18 50 46. 95 46. 95 46. 95 44. 63 42. 83 参 考 文 献 1 B run S, C aban is J C , M e st re s J P. E xp e r ien t, 1986; 42: 893, 904 赫汉迪特里希; 宋尔康译. 葡萄酒微生物学. 北京: 轻工业出版社, 1989. rr2 , . , 1978; 43: 1302, 1323Kw an O W Kow a lsk i B RJ A g r ic Foo d C h em 3 , , . . , 1979; 27: 1321, 1326Kw an O W Kow a lsk i B R Sko ge rbo e R KJ A g r ic Foo d C h em4 中华人民共和国轻工业部标准, 921284, 葡萄酒及其实验方法.Q B 5 , 4 , , ,R ecu il de s M e tho de s In te rna t io na le s d’A na ly se de s V in sth edO ff ice In te rna t io na le s de la V igne e t du V in P a r is 6 1978. , 14 , , , , 1984.O ff ic ia l M e tho d s o f A na ly sisth edA sso c ia t io n O ff ic ia l A na ly t ica l C h em iste r sA r ling to n V A 7 , . , 2. , :O ugh C SA m e r ine M AM e tho d s fo r A na ly sis o f M u st s and W ine snd edJo h n W illey & So n s IncN ew Yo rk 8 1988. M U L T IV A R IA T E R E GR E SS IV E D ISCR IM IN A T IO N O N O R IG IN A L M U ST CO N T EN T O F W IN E L iu B ao do n g, Gu an J ia ru i, F en g Sup in g,W an g Sh u ren , N ie W e i (). , . , D ep tof E n v ironm en ta l E n g in ee rS h a n d on g U n ivJ in a n A BSTRACT 18 w in e sam p le s w ith d iffe ren t m u st co n ten t s a re an a lyzed b y o ff ic ia l m e tho d s fo r 10 . va r iab le sF ive m u lt iva r ia te reg re ssive d isc r im in a te an a ly sis m e tho d s a re app lied to a ll . th e ava ilab le da ta u sin g p a t te rn reco gn it io n m e tho d s in th is p ap e rR e su lt s o b ta in ed a re .sa t isfac to ry ; ; ; Key word s o r ig in a l m u st co n ten tp a t te rn reco gn it io nm u lt iva r ia te reg re ssio nsw ee t red w in e