此资料由网络收集而来，如有侵权请告知上传者立即删除。资料共分享，我们负责传递知识。 1.2. 需要解决的问题
1. 分析附件1中两组评酒员的评价结果有无显著性差异，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联系。
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？ 二、 问题分析
2.1. 问题的重要性分析（社会背景）
众所周知，葡萄酒质量的好坏，主要靠感官品尝和理化指标分析的方法来确定。目前我国规定，对葡萄酒的感官品尝主要从色泽，香气，口味，风格四个方面进行品评，而品评往往受到评酒人员的嗜好，习惯， 情绪，年龄，经验等因素的影响，评定常有一定程度的主观性和不确定性，这使评分的可靠性受到影响。如何解决以上一系列问题变得非常重要。 2.2. 有关方面在这个问题上做过的研究
现有文献中大部分都从葡萄酒和酿酒葡萄的物理化学属性方面进行研究，一般只得到定性结果，很少见到定量具体分析，不利于葡萄酒质量的控制与提高。本文基于对所给三个附件数据的处理和分析，针对各具体问题提出了若干数学模型得到了较为满意的解答。
11
此资料由网络收集而来，如有侵权请告知上传者立即删除。资料共分享，我们负责传递知识。 三、 基本假设 3.1. 模型一假设
1) 假设一：假设各个评酒员的评判结果相互独立； 2) 假设二：假设样本数据不满足正态分布； 3.2. 模型二假设
1) 假设一：假设同一样本中各种成分相互独立；
2) 假设二：假设附件二中的酿酒葡萄理化指标的二级指标影响较小； 3.3. 本文引用数据、资料均真实可靠。 四、 符号说明 4.1. 模型一符号说明 Xi：表示随机变量； ：表示样本均值； S2：表示样本方差； n：表示样本容量；
G1：表示酿酒红葡萄的对应的分级指标； G2：表示酿酒白葡萄的对应的分级指标； xi：酿酒葡萄的主成分指标 yi：葡萄酒的理化指标 ui：酿酒葡萄的典型变量 vi：葡萄酒的典型变量
12
此资料由网络收集而来，如有侵权请告知上传者立即删除。资料共分享，我们负责传递知识。 五、 模型的建立与求解 5.1. 问题一的求解 5.1.1. 模型一概述 非正态总体区间估计[1] ：[X?Z?/2S/X?Z?/2S 5.1.2. 模型一的运用与求解
附件一所给的四个表格分别为：第一组为红葡萄酒品尝评分，第二组为红葡萄酒品尝评分。其中红葡萄酒有27组样品。另外的一组为白葡萄酒品尝评分，另外的第二组为白葡萄酒品尝评分。其中白葡萄酒有28组样品。
品酒员无论对红葡萄酒样品，还是白葡萄酒样品的评分，都是以100分为基准，其中，外观分析占有15分（澄清度：5分，色调：10分），香气分析占有30分（纯正度：6分，浓度：8分，质量：16分），口感分析占有44分（纯正度：6分，浓度：8分，持久性：8分，质量：22分），平衡/整体评价占有11分。评酒员通过对样品不同指标的评分，然后累加为此样品的最终得分。
通过对红葡萄酒，白葡萄酒，每组样品最终得分的均值与方差的求解得到下表所示结果:
篇三：2015电工杯数学建模竞赛论文 基于预测的邮轮定价策略研究
13
此资料由网络收集而来，如有侵权请告知上传者立即删除。资料共分享，我们负责传递知识。 摘要
本文针对邮轮的预订人数、预订价格等进行了预测和求解，并分析了邮轮整个运营周期的动态定价策略。
针对问题1，我们利用指数平滑法建立预测模型，求出最近一个未知周次的预订人数。再利用加法增量法计算得出每周相对于前4个航次的平均增加的预订人数，从而得出后面航次未知的预订人数。接着对预订的人数建立灰色预测模型。最后，利用已知的前4个航次的数据以及本航次本舱位的前面周数的数据，通过对不同航次之间的数据的加权处理，建立回归预测模型，利用MATLAB求解，从而求得未知的预订人数。综合四种预测方法，对本次预测结果进行评估，最终评价所建立模型的合理性。最终完善的各航次每周实际预订人数完全累积表见表8。 针对问题2，首先，我们对不同等级舱进行每航次每周价格预定，在同等级舱的实际数据表下，对同一周不同航次预定价格预测采用一次指数平滑法。然后，基于问题一结果分析，采用先进增量法，不仅考虑到已启航航次的数据，而且考虑到未启航次的数据。最后，利用已知的前4个航次的数据以及本航次本舱位的前面周数的数据，通过对不同航次之间的数据的加权处理，建立回归预测模型，从而确定每个航次的每个舱位的未知的预订平均价格。最终完善的每次航行预订舱位价格表见表13。
针对问题3，假定每种航舱每周预定价格在价格区间内服从均匀分布，
14
此资料由网络收集而来，如有侵权请告知上传者立即删除。资料共分享，我们负责传递知识。 由顾客购买概率与预订的平均价格的关系可以确定每个航次每个周期的需求函数表达式。在求解的过程中，首先基于模型1得到实际预定人数的预测，然后根据模型1的求解方法得到各航次各周意愿预定人数，从而解得每一等级邮舱的每一航次各周的平均价格。最终完善的每航次各舱位每周预订平均价格和意愿预订人数表见表14-表19。
针对问题4，由于前四次航行的各周平均预定价格以及对应人数已知，考虑每航次收益与需求量和平均预定价格相关，由模型3我们得到每航次各周需求量与平均预定价格的函数关系式；然后，考虑到同一航次相邻两周内价格浮动比不超过20%，以及需求量不超过总容量等约束条件，求解最大预期收益转化为非线性规划问题，利用MATLAB求解。最终求得第8航次的的最大预期收益为1492030。
针对问题5，根据附表Sheet1和Sheet5，分别可以得到每次航行实际预定总人数和每次航行最终升舱人数；然后，考虑提高游客升舱意愿，依据升舱加价后的价格不高于高等舱原价格、总人数不变、加价后头等舱、二等舱、三等舱价格相对大小不变等约束条件，建立收益升舱目标函数——线性规划模型，然后利用LINGO求解得到最终升舱人数与价格（见表20）。
最后，对所建立的模型进行了稳健性和数据误差的分析。
关键词：指数平滑法；灰色预测；回归预测模型；MATLAB；拟合；线性规划
15
相关推荐：
loading