葡萄酒質(zhì)量的評估模型——畢業(yè)論文

1、<p><b>　　目 錄</b></p><p><b>　　摘要1</b></p><p>　　Abstract2</p><p><b>　　前 言3</b></p><p><b>　　1 問題分析4</b></p>

2、;<p><b>　　2 模型假設5</b></p><p><b>　　3 符號說明5</b></p><p>　　4 模型建立與求解6</p><p>　　4.1 兩組評酒員的評價結(jié)果可信度分析6</p><p>　　4.2 釀酒葡萄的理化指標和釀酒葡萄的質(zhì)量對釀酒葡萄的分

3、級情況8</p><p>　　4.3 釀酒葡萄與葡萄酒的理化指標之間的聯(lián)系11</p><p>　　4.4 釀酒葡萄的理化指標與葡萄的質(zhì)量的影響18</p><p>　　5 模型評價與改進19</p><p>　　5.1 模型的評價19</p><p>　　5.2 模型的改進19</p>&l

4、t;p><b>　　成果聲明20</b></p><p><b>　　致 謝21</b></p><p><b>　　參考文獻22</b></p><p><b>　　附錄23</b></p><p>　　葡萄酒質(zhì)量的評估模型</p

5、><p><b>　　馬群長</b></p><p>　　摘要: 本文通過評酒員的評價結(jié)果、釀酒葡萄的理化指標和葡萄酒的質(zhì)量以及葡萄酒的理化指標之間的聯(lián)系，在問題1中利用信度分析和SPSS軟件以及EXCEL得到兩組評酒員之間無顯著差異，且第二組評酒員的評價結(jié)果更可信。在問題2中，采用相關系數(shù)和聚類分析法得到27種釀酒紅葡萄可分為三級，其中樣品1,2,3,4,5,7,9,1

6、0,11,12,13,14,15,16,17,18,19, 20,22,23,24，25,26,27為一級，樣品6為二級，樣品3,21為三級.釀酒白葡萄可分為五級，其中樣品1,2,4，6，7,8,9,10,11，12,14,17,18,20,21,22,23, 26為一級，樣品 13,19,16為二級，樣品5,15,25,27,24為三級，樣品28為四級，樣品3為五級. 在問題3中，根據(jù)釀酒葡萄和葡萄酒的理化指標之間的數(shù)據(jù)，利用回歸分析

7、和殘差檢驗，得到釀酒紅葡萄的16個理化指標與紅葡萄酒的指標的回歸方程，得出釀酒白葡萄的13個理化指標與白葡萄酒的指標的回歸方程，在問題4中，利用相關分析法分別得到紅葡萄酒的質(zhì)量與氨基酸、蛋白質(zhì)、VC含量和酒石酸等呈正相關與蘋果酸、檸檬酸、多酚氧</p><p>　　關鍵詞: 信度分析 相關系數(shù) 聚類分析 回歸分析 </p><p>　　Evaluation of wine quali

8、ty model</p><p>　　Ma Qunzhang</p><p>　　Abstract: Between the indicators and the wine of the member of liquor evaluation results, the grape wine quality and physicochemical index linked, in probl

9、em 1 by reliability analysis and SPSS software and EXCEL have no significant difference between the two groups of member of liquor, evaluation and second group member of liquor results more credible. In issue 2, 27 kinds

10、 of red wine grape can be divided into three stages by correlation coefficient and cluster analysis, one sample 1,2,3,4,5,7,9</p><p>　　Keywords: reliability analysis correlation coefficient analysis r

11、egression analysis</p><p><b>　　前 言</b></p><p>　　葡萄酒是由破碎或未破碎的葡萄果實或汁液部分的部分或全部經(jīng)發(fā)酵處理而得的，含有酒精的一類飲料酒。嚴格意義上的葡萄酒，酒精度不得低于7.5度（20℃時酒精體積分數(shù)，一度即是1%）.</p><p>　　葡萄酒是由葡萄汁（漿）經(jīng)發(fā)酵釀制的飲料酒，它

12、除了含有葡萄果實的營養(yǎng)外，還有發(fā)酵過程中產(chǎn)生的有益成分。研究證明，葡萄酒中含有200多種對人體有益的營養(yǎng)成分，其中包括糖、有機酸、氨基酸、維生素、多酚、無機鹽等，這些成分都是人體所必需的，對于維持人體的正常生長、代謝是必不可少的.特別是葡萄酒中所含的酚類物質(zhì)——白藜蘆醇，是近幾年來研究的特點，它具有抗氧化、防衰老、預防冠心病、防癌抗癌的作用。每天適量飲用葡萄酒者，心臟病死亡率是不飲酒者的30%，患癡呆癥和早衰性癡呆癥的概率為不飲酒者的2

13、5%.</p><p>　　葡萄酒伴隨人類文明發(fā)展，迄今已走過數(shù)千年風雨歷程，并且形成了全球性的生產(chǎn)、評級、交易、消費市場.除了深受人們喜愛外，在悠久的歷史中，葡萄酒亦已形成深厚的文化體系而一直流傳、豐富.</p><p>　　關于葡萄酒的起源，眾說紛紜，而據(jù)現(xiàn)有的葡萄酒文物分析，確切地說，應是一萬年前我們共同的祖先釀造了葡萄酒，而其中的亞-歐系葡萄酒標準規(guī)則流傳至今，成為了目前的葡萄酒主

14、流文化。據(jù)史料表明，葡萄栽培和釀造技術，是隨著旅行者和新的疆土征服者，從小亞細亞（AsiaMinon）和埃及，在到達希臘及其諸海島之前，先流傳到希臘的克里特島，再經(jīng)意大利的西西里島，北非的利比亞和意大利，從海上到達法國瀕臨地中海東南的瓦爾省（Var）境內(nèi)的普羅旺斯地區(qū)和西班牙沿海地區(qū)；與此同時，通過陸路，由歐洲的多瑙河河谷進入中歐諸國. 不管說法如何，我們的祖先，在上述最早的發(fā)源地，在生活和勞動中，偶然發(fā)現(xiàn)了在大自然中早已生長著

15、的野生葡萄，從而釀造出最原始的飲料，日后稱之為葡萄酒.人類隨著火的發(fā)現(xiàn)和應用，而進入捕魚、狩獵、家畜飼養(yǎng)和農(nóng)業(yè)的時代.在此漫長的歲月中，谷物種子和葡萄苗木或葡萄蔓藤一起流傳于世，為人類的生存和發(fā)展，作出了巨大的貢獻.</p><p>　　直到美國獨立戰(zhàn)爭時，法國仍然被公認是最偉大的葡萄酒盛產(chǎn)國家。湯瑪斯·杰佛遜（美國獨立宣言起草人）曾熱心地在寫給朋友的信中論及葡萄酒等級，并且也鼓吹將歐陸的葡萄品種移植到

16、新大陸來.這些早期在美國殖民地栽種、采收葡萄的嘗試大部分都失敗了，而且在本土美國的樹種和歐洲的樹種交流、移植的過程中，無心地將一種危害葡萄樹至深的害蟲給帶到歐洲來，其結(jié)果便是十九世紀末的葡萄根瘤蚜病，使絕大多數(shù)的歐洲葡萄園給毀于一旦了.不過，若要說在這一場災變中有什么值得慶幸的事，那便是葡萄園的慘遭蹂躪啟發(fā)了新的農(nóng)業(yè)技術，以及世界葡萄酒版圖的重新分配. 自20世紀開始，農(nóng)耕技術上的利多發(fā)展使得各地釀制葡萄酒的業(yè)者，都可以保護

17、作物免于遭到像霉菌、動物蟲害等常見的侵害。葡萄的培育和釀制過程逐漸變得科學化.同時本世紀也廣泛立法來鼓勵制造信用好、品質(zhì)佳的葡萄酒。今天，葡萄酒在全世界氣候溫和的地區(qū)都有生產(chǎn)，并且有數(shù)量可觀的不同葡萄酒類可供消費者選擇. 從早期的農(nóng)業(yè)社會一直到現(xiàn)在，葡萄酒釀造的進展歷程可說是一篇令人著迷不已的傳奇史；也披露出葡萄酒在西方文化中的根本意義. </p><p>　　葡萄酒的釀造，離不開葡萄原料、釀酒設備和工藝技術，三

18、者缺一不成.要釀造好的葡萄酒，首先要有好的葡萄原料，其次要符合工藝要求的釀酒設備，第三要有科學合理的工藝技術.原料和設備是硬件，工藝技術是軟件.</p><p><b>　　1 問題分析</b></p><p>　　確定葡萄酒質(zhì)量時一般是通過聘請一批有資質(zhì)的評酒員進行品評.每個評酒員在對葡萄酒進行品嘗后對其分類指標打分，然后求和得到其總分，從而確定葡萄酒的質(zhì)量。釀酒葡

19、萄的好壞與所釀葡萄酒的質(zhì)量有直接的關系，葡萄酒和釀酒葡萄檢測的理化指標會在一定程度上反映葡萄酒和葡萄的質(zhì)量.附件1給出了某一年份一些葡萄酒的評價結(jié)果，附件2和附件3分別給出了該年份這些葡萄酒的和釀酒葡萄的成分數(shù)據(jù).請嘗試建立數(shù)學模型討論下列問題：</p><p>　　1. 分析附件1中兩組評酒員的評價結(jié)果有無顯著性差異，哪一組結(jié)果更可信？</p><p>　　2. 根據(jù)釀酒葡萄的理化指標和

20、葡萄酒的質(zhì)量對這些釀酒葡萄進行分級.</p><p>　　3. 分析釀酒葡萄與葡萄酒的理化指標之間的聯(lián)系.</p><p>　　4．分析釀酒葡萄和葡萄酒的理化指標對葡萄酒質(zhì)量的影響，并論證能否用葡萄和葡萄</p><p>　　酒的理化指標來評價葡萄酒的質(zhì)量？</p><p>　　以葡萄酒的相關知識為背景，選取了釀酒葡萄和葡萄酒的相關指標的相互

21、聯(lián)系這一個角度，旨在研究各指標間的關系和對葡萄酒質(zhì)量的影響.為了對這些指標進行科學有效的定量評估，我們按照一點的原則，選取合理的指標，從不同的方法出發(fā)，通過對比分析，得到了葡萄酒和釀酒葡萄之間的相互影響和聯(lián)系.</p><p>　　模型一主要是將各組評酒員的評分求和，利用方差的對比來體現(xiàn)出兩組評分員的評分差異，從方差波動性的大小來突出哪一組評分員可信度更高。模型二主要是尋找葡萄酒和釀酒葡萄的理化指標的內(nèi)在聯(lián)系，利

22、用相關系數(shù)分析和SPSS軟件來實現(xiàn)多指標的簡化，最終以樹形圖的形式將葡萄的分級簡單而又直觀地劃分出來。模型三主要是尋找兩種不同理化指標之間的聯(lián)系，為了更為方便地對釀酒葡萄和葡萄酒之間的聯(lián)系進行分析，我們選取了模型二的兩組一級指標進行線性回歸處理，通過線性回歸方程組的對比分析，得到了釀酒葡萄與葡萄酒之間的聯(lián)系.</p><p>　　最后我們隊模型進行了結(jié)果分析，優(yōu)缺點分析，并提出了模型的改進方法.</p>

23、;<p><b>　　2 模型假設</b></p><p>　　2.1假設附件中所有數(shù)據(jù)準確無誤；</p><p>　　2.2 二級指標對一級指標影響較?。?lt;/p><p>　　2.3 每位評酒員都能正常評酒；</p><p>　　2.4在評品葡萄酒時，所品評的是同一批相同品質(zhì)的葡萄酒；</p>

24、<p>　　2.5假設葡萄酒的質(zhì)量受到題中所列理化指標以外的因素的影響可以忽略不計；</p><p>　　2.6忽略在計算過程中微小誤差對結(jié)果的影響；</p><p>　　2.7假設在現(xiàn)實中所得的數(shù)據(jù)都是理想化條件下得到的，不受自然因素的影響.</p><p><b>　　3 符號說明</b></p><p&g

25、t;<b>　　4 模型建立與求解</b></p><p>　　4.1 兩組評酒員的評價結(jié)果可信度分析</p><p>　　第一組紅葡萄酒的品嘗評分分為：外觀分析、香氣分析、口感分析和平衡/平整分析，而且</p><p><b>　　，，</b></p><p>　　為了簡化求解過程，采用excel

26、將對外觀分析、香氣分析和口感分析來求解出它們的平均數(shù)，然后利用SPSS對其進行信度分析[1,2,3,4]，得到如下的結(jié)果，見表1和表2：</p><p>　　表1： Descriptive Statistics</p><p>　　表2 ：Correlations</p><p>　　由表1和表2可知：第一組紅葡萄酒與第二組紅葡萄酒之間的相關系數(shù)，因此它們是顯著的，

27、相關系數(shù)接近于1，所以兩組評酒員的評價結(jié)果無差異性，而且第一組紅葡萄酒的平均評分，標準差為，第二組紅葡萄酒的平均評分為,標準差為.</p><p>　　因為，所以第二組的評分結(jié)果更加可信.</p><p>　　類似于紅葡萄酒的品嘗的方法可得到如下的表3和表4：</p><p>　　表3：Descriptive Statistics</p><p&

28、gt;　　表4：Correlations</p><p>　　由表3和表4可知：第一組白葡萄酒與第二組白葡萄酒之間的相關系數(shù)，因此它們是顯著的，相關系數(shù)接近于1，所以兩組評酒員的評價結(jié)果無差異性，而且第一組白葡萄酒的平均評分，標準差為，第二組白葡萄酒的平均評分為,標準差為.</p><p>　　因為，所以第二組的評分結(jié)果更加可信.</p><p>　　利用excel

29、求得平均數(shù)和方差為</p><p><b>　　表5：平均數(shù)和方差</b></p><p>　　由表5可知：第二組的方差小，其波動性就小，因此第二組更可信.</p><p>　　綜上所述：兩組評酒員的評價結(jié)果無顯著性差異，并且得到第二組評酒員的評價結(jié)果更加可信.</p><p>　　4.2 釀酒葡萄的理化指標和釀酒葡萄的

30、質(zhì)量對釀酒葡萄的分級情況</p><p>　　將葡萄酒的質(zhì)量看成是對葡萄酒的評分，因此再利用相關系數(shù)分析法，對釀酒葡萄的一級理化指標對葡萄酒評分的影響采用SPSS進行相關分析[5,6,7,8]，得到附錄二的結(jié)果.</p><p>　　對釀第一組紅酒葡萄成正相關的理化指標有：氨基酸、蛋白質(zhì)、VC含量、花色苷鮮重、酒石酸、褐色變、DPPH自由基、總酚、單寧、葡萄糖總黃酮、白藜蘆醇、黃酮醇、PH

31、值、可滴定酸、固酸比、干物質(zhì)含量、果穗質(zhì)量、果皮質(zhì)量、色澤（L*）、果皮顏色A和果皮顏色B，對釀第二組紅酒葡萄成正相關的理化指標有：氨基酸、蛋白質(zhì)、花色苷鮮重、酒石酸、DPPH自由基、總酚、單寧、葡萄糖總黃酮、黃酮醇、PH值、可滴定酸、干物質(zhì)含量、果穗質(zhì)量、色澤（L*）、果皮顏色A和果皮顏色B；找出兩組共同具有的理化指標為：氨基酸、蛋白質(zhì)、花色苷鮮重、酒石酸、DPPH自由基、總酚、單寧、葡萄糖總黃酮、黃酮醇、PH值、可滴定酸、干物質(zhì)含量

32、、果穗質(zhì)量、色澤（L*）、果皮顏色A和果皮顏色B。</p><p>　　對釀第一組白酒葡萄成正相關的理化指標有：氨基酸、VC含量、花色苷鮮重、酒石酸、蘋果酸、多酚氧化酶活力、白藜蘆醇、總糖、還原糖、可溶性固形物、可滴定酸、干物質(zhì)含量、白粒質(zhì)量、果梗比、色澤（L*）和果皮顏色B，對釀第二組白酒葡萄成正相關的理化指標有：氨基酸、VC含量，酒石酸、蘋果酸、檸檬酸、褐色變、DPPH自由基、丹寧、白藜蘆醇、黃酮醇、總糖、還

33、原糖、可溶性固形物、PH值、可滴定酸、干物質(zhì)含量、果梗比、色澤（L*）和果皮顏色B；找出兩組共同具有的理化指標為：氨基酸、VC含量、酒石酸、蘋果酸、白藜蘆醇、總糖、還原糖、可溶性固形物、可滴定酸、干物質(zhì)含量、果梗比、色澤（L*）和果皮顏色B .</p><p>　　4.2.2對以上找出釀紅葡萄酒的（共有）理化指標采用聚類分析，利用SPSS軟件進行聚類分析，得到釀紅葡萄酒的釀酒葡萄的分級樹形圖，如圖1所示（其表中的

34、阿拉伯數(shù)字分別表示釀酒葡萄樣品品種，例如：“1”表示“葡萄酒樣品1”）:</p><p>　　圖1：釀紅葡萄酒的釀酒葡萄的分級樹形圖</p><p>　　由圖1可知：釀紅葡萄酒的釀酒葡萄可分為三級，具體分級如下表5：</p><p>　　表6：釀紅葡萄酒的釀酒葡萄分級表</p><p>　　4.2.3 與4.2.2的方法同理，可得到釀白葡萄

35、酒的釀酒葡萄的分級樹形圖，如圖2所示（其表中的阿拉伯數(shù)字分別表示釀酒葡萄樣品品種，例如：“1”表示“葡萄酒樣品1”）:</p><p>　　圖2：釀白葡萄酒的釀酒葡萄的分級樹形圖</p><p>　　由圖2可知：釀白葡萄酒的釀酒葡萄可分為五級，具體分級如下表6：</p><p>　　表7：釀白葡萄酒的釀酒葡萄分級表</p><p>　　4.3

36、 釀酒葡萄與葡萄酒的理化指標之間的聯(lián)系</p><p>　　4.3.1 采用釀紅酒葡萄的每個指標作為因變量，把4.2.2中對釀紅葡萄酒成正相關的16個釀酒葡萄的理化指標作為自變量，并利用回歸分析建立多元線性回歸模型[9,10]</p><p><b>　　，</b></p><p>　　利用MATALAB軟件[7,11,12]進行求解，得到運行

37、結(jié)果（見附錄三），并對其進行回歸分析，而且進行殘差分析得到殘差圖和回歸方程如下</p><p>　　圖3：花色苷與理化指標之間的殘差圖</p><p>　　得出花色苷的16個理化指標與總酚之間的回歸方程如下</p><p>　　圖4：單寧與理化指標之間的殘差圖</p><p>　　得出釀酒葡萄的16個理化指標與單寧之間的回歸方程如下</

38、p><p>　　圖5：總酚與理化指標之間的殘差圖</p><p>　　得出釀酒葡萄的16個理化指標與總酚之間的回歸方程如下</p><p>　　圖6：酒黃酮與理化指標之間的殘差圖</p><p>　　得出釀酒葡萄的16個理化指標與酒黃酮之間的回歸方程如下</p><p>　　圖7：白藜蘆醇與理化指標之間的殘差圖</p

39、><p>　　得出釀酒葡萄的16個理化指標與白藜蘆醇之間的回歸方程如下</p><p>　　圖8：DPPH半抑制體積與理化指標之間的殘差圖</p><p>　　得出釀酒葡萄的16個理化指標與DPPH半抑制體積之間的回歸方程如下</p><p>　　圖9：色澤與理化指標之間的殘差圖</p><p>　　得出釀酒葡萄的16個理

40、化指標與色澤之間的回歸方程如下</p><p>　　由圖3可知殘差圖中數(shù)據(jù)的殘差點離零點均較近，且殘差置信區(qū)間均包含零點，所以此回歸模型成立，即模型為釀酒葡萄的理化指標與酚酞之間的聯(lián)系；</p><p>　　4.3.2采用釀白酒葡萄的每個指標作為因變量，把4.2.2中對釀白葡萄酒成正相關的13個釀酒葡萄的理化指標作為自變量，并利用回歸分析建立多元線性回歸模型：</p><

41、;p>　　利用MATALAB軟件進行求解，得到運行結(jié)果（見附錄3），并對其進行回歸分析，</p><p><b>　　b =</b></p><p><b>　　31.9080</b></p><p><b>　　-0.0000</b></p><p><b>

42、　　0.2743</b></p><p><b>　　0.0204</b></p><p><b>　　-0.0361</b></p><p><b>　　0.1200</b></p><p><b>　　-0.0028</b></p&g

43、t;<p><b>　　0.0004</b></p><p><b>　　0.0074</b></p><p><b>　　-0.0176</b></p><p><b>　　0.0782</b></p><p><b>　　-0.

44、0509</b></p><p><b>　　0.0074</b></p><p><b>　　-0.0028</b></p><p>　　stats =0.7911 4.0772 0.0068 0.0254</p><p>　　得出13個釀酒葡萄的理化指標與單寧之間的

45、回歸方程如下</p><p>　　同時得到其殘差圖為圖10，以下也用類似的方法</p><p>　　圖10：單寧與理化指標之間的殘差圖</p><p>　　圖11：總酚與理化指標之間的殘差圖</p><p>　　得出釀酒葡萄的13個理化指標與總酚之間的回歸方程如下</p><p>　　圖12：酒黃酮與理化指標之間的殘差

46、圖</p><p>　　得出釀酒葡萄的16個理化指標與黃酮醇之間的回歸方程如下</p><p>　　圖13：白藜蘆醇與理化指標之間的殘差圖</p><p>　　得出釀酒葡萄的13個理化指標與白藜蘆醇之間的回歸方程如下</p><p>　　圖14：PDDH版抑制體積與理化指標之間的殘差圖</p><p>　　得出釀酒葡萄

47、的13個理化指標與DPPH半抑制體積之間的回歸方程如下</p><p>　　圖15：色澤與理化指標之間的殘差圖</p><p>　　得到色澤與理化指標之間回歸方程為</p><p>　　由圖4可知殘差圖中數(shù)據(jù)，（除了倒數(shù)第二個數(shù)據(jù)以外）的殘差點離零點均較近，且殘差置信區(qū)間均包含零點，所以此回歸模型成立，即模型為釀酒葡萄的理化指標與單寧之間的聯(lián)系.</p>

48、<p>　　同理可以得到其他葡萄酒與釀酒葡萄的理化指標之間的聯(lián)系（見附錄3）.</p><p>　　4.4 釀酒葡萄的理化指標與葡萄的質(zhì)量的影響</p><p>　　4.4.1 運用如下相關系數(shù)公式</p><p>　　再利用SPSS軟件求得白葡萄酒與白葡萄酒的質(zhì)量的相關性[13,14,15]（見附件4）,可利用相關系數(shù)得出：紅葡萄酒的質(zhì)量與氨基酸、蛋

49、白質(zhì)、VC含量和酒石酸等呈正相關與蘋果酸、檸檬酸、多酚氧化酶等呈負相關；同理可得到白葡萄酒的質(zhì)量與氨基酸、VC含量、花色苷鮮重、酒石酸等呈正相關，而與蛋白質(zhì)、檸檬酸、DPPH自由基等呈負相關.</p><p>　　4.4.2 根據(jù)4.3可知：葡萄酒的理化指標與娘葡萄酒的理化指標存在一個函數(shù)關系式，而釀酒葡萄的理化指標對葡萄酒的質(zhì)量存在著一定的影響，所以能用葡萄和葡萄酒的理化指標來評價葡萄酒的質(zhì)量.</p&g

50、t;<p><b>　　5 模型評價與改進</b></p><p><b>　　5.1 模型的評價</b></p><p>　　信度分析發(fā)能過很好的找出任意兩組以上的變量間的相關性；聚類分析法能很好地將多個變量進行歸類和劃分，對本問題中釀酒葡萄能過很好的分級，紅葡萄酒可分為三級，</p><p>　　而白葡萄

51、酒可分為五級；多元線性回歸模型能夠很好的擬合問題中的數(shù)據(jù)，在本文中可得到：釀酒葡萄的理化指標和葡萄酒的理化指標之間的聯(lián)系.但是本問題中的一些指標相關性太弱，而沒有考慮到，如果把所有的指標都考慮進去的情況，那么模型求解的結(jié)果將會存在很大的誤差.</p><p><b>　　5.2 模型的改進</b></p><p>　　如果釀酒葡萄在存放的過程中發(fā)生質(zhì)變，則將會影響葡萄

52、酒的質(zhì)量，因此應考慮到</p><p>　　釀酒葡萄的好壞.我們必須考慮諸多因素對葡萄酒質(zhì)量的影響，從而尋找一個最優(yōu)方案.</p><p><b>　　成果聲明</b></p><p>　　本人鄭重聲明：所呈交的畢業(yè)論文是本人在指導老師的指導下獨立進行研究所取得的成果.除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的

53、科研成果.本文的研究和撰寫對做出重要貢獻的個人和集體，均已在文中以明確方式標明.本人完全意識到本聲明的法律責任由本人承擔.</p><p>　　本文版權屬貴州民族大學所有.</p><p><b>　　論文作者簽名： </b></p><p>　　日 期：</p><p><b>　　致 謝&

54、lt;/b></p><p>　　時光飛逝，歲月如梭，曾經(jīng)的美好，今朝的夢想，懷念是離別的鐘聲已經(jīng)敲響，四年的大學生活即將過去，在此我要感謝母?！F州民族大學，為我提供繼續(xù)學習的平臺，讓我在學校里面感受到很多的美好，有成功的淚水，也有失敗的辛酸；感謝我的家人給我創(chuàng)造了學習和深造的機會、給予我學習上支持和鼓勵；感謝老師在學習上的指導和關懷；感謝我的同學和朋友，是你們的幫助，讓我的生活變得豐富多彩.</

55、p><p>　　最后要感謝在完成本文的過程中幫助我的每一個人，是你們的支持和熱心幫助使得我的論文得以順利完成.首先誠摯感謝指導老師劉老師在論文的撰寫過程中對我的悉心教導，是你為我指明了研究的方向，給我指出研究過程中應注意的細節(jié)和難點，在論文初稿擬定后是你為我細心評閱，指出當中的錯誤和不足，引導我將論文進一步的完善.在論文成稿的過程中為我查閱了大量的資料，給我很多寶貴的意見,如果沒有她,我的論文很難順利的按時完成.&l

56、t;/p><p><b>　　參考文獻</b></p><p>　　[1] 姜啟源 謝金星 葉俊.數(shù)學模型[M].高等教育出版社，2011年1月第四版</p><p>　　[2] 馮杰 黃力偉 王勤 尹成義.數(shù)學建模原理與案例[M].科學出版社，2007出版</p><p>　　[3] 可信度.http://baike.ba

57、idu.com/view/1613755.htm</p><p>　　[4] 謝金星.數(shù)學建模案例分析[M].高等教育出版社，2012年6月出版</p><p>　　[5] 韓中庚.數(shù)學建模實用教程[M].高等教育出版社，2012年3月出版</p><p>　　[6] 譚永基.蔡志杰 數(shù)學模型[M].復旦大學出版社，2011年1月出版</p><

58、p>　　[7] 張德豐.MATLAB高級語言編程[M].2010年1月出版</p><p>　　[8] 司守奎 孫璽菁.數(shù)學建模算法與應用[M].2012年第二版</p><p>　　[9] 趙靜 但琦.數(shù)學建模與數(shù)學實驗[M].高等教育出版社，2008年11月出版</p><p>　　[10] 岳朝龍 黃永興.SAS與現(xiàn)代經(jīng)濟統(tǒng)計分析[M].中國科學技術大

59、學出版社，2009年9月出版 </p><p>　　[11] 葉其孝.數(shù)學建模教育與國際數(shù)學建模競賽 工科數(shù)學專輯[J].工科數(shù)學雜志社，1994</p><p>　　[12] 周瑩.高校收費標準的探討[J].科技情報開發(fā)與經(jīng)濟，2008，18（3）：200-201</p><p>　　[13] 李晶.高等學校收費標準培養(yǎng)成本研究[D].廈門大學碩士學位論文，200

60、6</p><p>　　[14] 蘇良軍 孫便霞.高校學費影響因素及空間相關性分析[J].數(shù)理統(tǒng)計與管理，2006,25（4）</p><p>　　[15] 馬頌德 張正友.計算機視覺-計算機理論與算法基礎[M].科學出版社，1998</p><p><b>　　附錄</b></p><p><b>　　附錄一

61、</b></p><p><b>　　附錄二</b></p><p>　　Correlations</p><p>　　* Correlation is significant at the 0.05 level (2-tailed).</p><p>　　** Correlation is signif

62、icant at the 0.01 level (2-tailed).</p><p><b>　　附錄三</b></p><p>　　maqunzhang.m：</p><p>　　X=[k,x1,x2,x3,x4,x5,x6,x7,x8,x9,x10,x11,x12,x13,x14,x15,x16];</p><p>

63、;　　[b,bint,r,rint,stats]=regress(Y,X,0.05)</p><p>　　rcoplot(r,rint)</p><p><b>　　運行的結(jié)果如下：</b></p><p><b>　　b =</b></p><p>　　1.0e+003 *</p>

64、<p><b>　　-2.7752</b></p><p><b>　　-0.0000</b></p><p><b>　　0.0001</b></p><p><b>　　0.0020</b></p><p><b>　　-0.004

65、3</b></p><p><b>　　1.0246</b></p><p><b>　　-0.0107</b></p><p><b>　　0.0061</b></p><p><b>　　-0.0117</b></p><

66、;p><b>　　0.0001</b></p><p><b>　　0.0038</b></p><p><b>　　0.0039</b></p><p><b>　　0.0059</b></p><p><b>　　-0.0004<

67、/b></p><p><b>　　0.1093</b></p><p><b>　　-0.1251</b></p><p><b>　　0.2378</b></p><p><b>　　bint =</b></p><p>

68、　　1.0e+003 *</p><p>　　-5.4393 -0.1111</p><p>　　-0.0000 0.0000</p><p>　　-0.0018 0.0019</p><p>　　0.0012 0.0028</p><p>　　-0.0191 0.0105</p>

69、;<p>　　-0.0063 2.0555</p><p>　　-0.0291 0.0078</p><p>　　-0.0027 0.0150</p><p>　　-0.0294 0.0060</p><p>　　-0.0010 0.0013</p><p>　　-0.028

70、4 0.0360</p><p>　　-0.0394 0.0471</p><p>　　-0.0160 0.0278</p><p>　　-0.0008 -0.0000</p><p>　　0.0371 0.1816</p><p>　　-0.2033 -0.0470</p>

71、<p>　　0.0748 0.4008</p><p><b>　　r =</b></p><p><b>　　-10.6697</b></p><p><b>　　56.2260</b></p><p><b>　　-3.9402</b&g

72、t;</p><p><b>　　-15.7926</b></p><p><b>　　-25.2529</b></p><p><b>　　-3.1220</b></p><p><b>　　46.7770</b></p><p>

73、;<b>　　76.7579</b></p><p><b>　　-8.1254</b></p><p><b>　　46.9147</b></p><p><b>　　-6.1044</b></p><p><b>　　-54.2202<

74、/b></p><p><b>　　-55.9398</b></p><p><b>　　-70.0586</b></p><p><b>　　-62.9753</b></p><p><b>　　35.0113</b></p><

75、;p><b>　　93.4261</b></p><p><b>　　35.5120</b></p><p><b>　　-59.1289</b></p><p><b>　　23.7229</b></p><p><b>　　8.9816

76、</b></p><p><b>　　12.7880</b></p><p><b>　　-9.1133</b></p><p><b>　　-69.0832</b></p><p><b>　　-7.4244</b></p>&

77、lt;p><b>　　18.9015</b></p><p><b>　　5.9318</b></p><p><b>　　rint =</b></p><p>　　-54.4467 33.1073</p><p>　　-36.9102 149.3622</p

78、><p>　　-64.0523 56.1719</p><p>　　-169.1692 137.5841</p><p>　　-163.4347 112.9288</p><p>　　-118.2052 111.9612</p><p>　　-67.4757 161.0297</p><p&

79、gt;　　19.6092 133.9066</p><p>　　-92.2658 76.0150</p><p>　　-55.8358 149.6652</p><p>　　-27.9165 15.7078</p><p>　　-167.9735 59.5331</p><p>　　-131.8188

80、 19.9392</p><p>　　-147.1424 7.0253</p><p>　　-145.4168 19.4662</p><p>　　-48.0926 118.1151</p><p>　　-4.8045 191.6568</p><p>　　-96.9537 167.9778</

81、p><p>　　-187.3486 69.0909</p><p>　　-105.3891 152.8349</p><p>　　-72.9879 90.9511</p><p>　　-92.0450 117.6210</p><p>　　-74.8154 56.5888</p><p&

82、gt;　　-157.6566 19.4902</p><p>　　-95.9960 81.1472</p><p>　　-75.3089 113.1120</p><p>　　-6.7614 18.6250</p><p><b>　　stats =</b></p><p>　　1.

83、0e+003 *</p><p>　　0.0010 0.0165 0.0000 5.0337</p><p><b>　　對y2的結(jié)果：</b></p><p><b>　　b =</b></p><p><b>　　-27.4900</b></p>

84、;<p><b>　　0.0004</b></p><p><b>　　0.0084</b></p><p><b>　　0.0045</b></p><p><b>　　-0.0738</b></p><p><b>　　16.6

85、926</b></p><p><b>　　0.0228</b></p><p><b>　　0.0232</b></p><p><b>　　-0.0602</b></p><p><b>　　0.0063</b></p>&l

86、t;p><b>　　0.2988</b></p><p><b>　　0.2909</b></p><p><b>　　0.2293</b></p><p><b>　　-0.0035</b></p><p><b>　　0.6735<

87、;/b></p><p><b>　　-0.9296</b></p><p><b>　　1.8890</b></p><p><b>　　bint =</b></p><p>　　-82.5539 27.5740</p><p>　　-0.0

88、003 0.0010</p><p>　　-0.0297 0.0464</p><p>　　-0.0127 0.0217</p><p>　　-0.3794 0.2318</p><p>　　-4.6150 38.0002</p><p>　　-0.3581 0.4037</p&

89、gt;<p>　　-0.1603 0.2068</p><p>　　-0.4253 0.3050</p><p>　　-0.0175 0.0301</p><p>　　-0.3676 0.9652</p><p>　　-0.6023 1.1842</p><p>　　-0.2

90、231 0.6818</p><p>　　-0.0108 0.0038</p><p>　　-0.8202 2.1673</p><p>　　-2.5445 0.6853</p><p>　　-1.4798 5.2578</p><p><b>　　r =</b>&l

91、t;/p><p><b>　　-0.3440</b></p><p><b>　　1.0787</b></p><p><b>　　-0.0221</b></p><p><b>　　0.8184</b></p><p><b&g

92、t;　　-1.8585</b></p><p><b>　　0.0954</b></p><p><b>　　-0.1743</b></p><p><b>　　1.2075</b></p><p><b>　　0.5348</b></p

93、><p><b>　　1.2862</b></p><p><b>　　-0.1068</b></p><p><b>　　0.5150</b></p><p><b>　　-1.2253</b></p><p><b>　　

94、-1.4500</b></p><p><b>　　-1.6692</b></p><p><b>　　0.5084</b></p><p><b>　　1.6360</b></p><p><b>　　-0.4937</b></p>

95、;<p><b>　　-1.2847</b></p><p><b>　　0.8356</b></p><p><b>　　-0.0361</b></p><p><b>　　0.4655</b></p><p><b>　　-0.

96、3921</b></p><p><b>　　-0.0382</b></p><p><b>　　-0.1386</b></p><p><b>　　0.2700</b></p><p><b>　　-0.0177</b></p>

97、<p><b>　　rint =</b></p><p>　　-1.2273 0.5393</p><p>　　-0.8729 3.0304</p><p>　　-1.2659 1.2217</p><p>　　-2.3024 3.9391</p><p>　　

98、-4.3888 0.6717</p><p>　　-2.2827 2.4734</p><p>　　-2.6391 2.2906</p><p>　　-0.1994 2.6144</p><p>　　-1.1629 2.2325</p><p>　　-0.7427 3.3151<

99、;/p><p>　　-0.5604 0.3468</p><p>　　-1.9496 2.9796</p><p>　　-2.7644 0.3138</p><p>　　-3.0423 0.1423</p><p>　　-3.1862 -0.1522</p><p>　　

100、-1.2513 2.2682</p><p>　　-0.5326 3.8046</p><p>　　-3.2612 2.2737</p><p>　　-3.9185 1.3491</p><p>　　-1.7853 3.4564</p><p>　　-1.7357 1.6635<

101、;/p><p>　　-1.6826 2.6135</p><p>　　-1.7259 0.9416</p><p>　　-2.1537 2.0773</p><p>　　-1.9699 1.6927</p><p>　　-1.6885 2.2285</p><p>