多变量统计分析在芝麻香型白酒科研生产中的应用初探

多变量统计分析在芝麻香型白酒科研生产中的应用初探

ID:47094726

大小:110.00 KB

页数:8页

时间:2019-07-27

多变量统计分析在芝麻香型白酒科研生产中的应用初探_第1页
多变量统计分析在芝麻香型白酒科研生产中的应用初探_第2页
多变量统计分析在芝麻香型白酒科研生产中的应用初探_第3页
多变量统计分析在芝麻香型白酒科研生产中的应用初探_第4页
多变量统计分析在芝麻香型白酒科研生产中的应用初探_第5页
资源描述:

《多变量统计分析在芝麻香型白酒科研生产中的应用初探》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、多变量统计分析技术在芝麻香型白酒科研生产中的应用初探随着白酒科学技术的进步,越来越多的新技术被应用于白酒行业,白酒行业对新技术的需求也越来越强烈。希望通过新科学技术的应用,为白酒行业带来新的力量,让这个古老的行业焕发新的生机。以计算机为主要工具的多变量统计分析技术,被普遍应用于各行各业,在科研和生产中都发挥着越来越重要的作用。上世纪九十年代初期,轻工部发酵研究设计院胡国栋先生,首先将此项技术应用于白酒香型的研究,对芝麻香型、兼香型、特香型的确立,起了重要的作用,但后来未见广泛应用的报导。近年来,随着色谱分析技术的发展,为统计分析在白酒香味成份研究中的应用提

2、供了更好的条件,统计分析软件的发展也非常快。我们选择了应用广泛的SPSS软件的最新版本,在胡国栋先生的指导下,将这一高效工具应用于芝麻香研究过程,做了初步探索,取得了初步的成果。1基本思想:1.1选取典型性好的芝麻香样品色谱数据,进行统计分析,获得芝麻香色谱数据的统计参数,包括部分重要的理化成份(这些数据要进行选择,否则一些不太重要的成份可能产生较大的负面影响,甚至产生错误的结果)的含量范围,一些重要成份间的量比关系等,建立芝麻香理化参数数据库。选取典型性好的芝麻香样品工艺数据,进行统计分析,获得芝麻香的工艺参数,包括入池温度、酸度、淀粉含量、发酵过程中温

3、度、出酒率等,建立芝麻香工艺参数数据库。1.2利用这些数据库的数据和多变量统计分析技术,对总体样品及新产酒的各项参数进行统计分析,用于日常生产管理和科研。通过实际生产和研究的反馈,不断将新得到的数据充实到数据库中,并根据总体数据修改各项参数的合理范围和中心值,增加或删除组分,使这些量比关系更能体现芝麻香的风格特征。通过对大量数据的积累和生产实践的研究,使数据库不断完善,对生产和科研产生更高的价值。2实现:2.1经验数据收集整理①由于原酒数据比较分散,不易分析,所以先将芝麻香数据使用SPSS统计分析软件的HierarchialCluser方法,进行全成份的分

4、类筛选,选取较集中的样品数据,使较分散的原酒数据收敛。在对125个芝麻香数据进行筛选后,得到73个样品数据收入芝麻香经验数据库,其中优级酒样品24个,一级酒样品42个,二级酒样品7个。②对经验库的样品使用SPSS的Frequencies方法,获得各个组分的描述性统计数据,包括均值、中值、标准差、方差、最大值、最小值等,组织人员进行分析研究,根据实际经验和分析得到的数据,确定部分重要组分的标准值和变化范围,包括四大酸、四大酯、糠醛、β-苯乙醇、乙缩醛、3-甲硫基丙醇、3-羟基-2-丁酮、苯甲醛、正丙醇、乙醛等。使用SPSS软件的Compute方法计算各重要组

5、分间的量比关系,包括总酯(四大酯)、乙酸乙酯/总酯、乙酸乙酯/乳酸乙酯、己酸乙酯/乳酸乙酯、丁酸乙酯/乳酸乙酯、乙酸乙酯/乙酸、丁酸乙酯/丁酸、乳酸乙酯/丙酸、乙缩醛/乙醛等的标准比例和变化范围。③对经验库的样品使用SPSS的DiscriminantAnalysis做分类判别分析,数据基本分类有一些交叉,鉴于口评结果有一些误差,也为使分类更明确,对部分样品的级别进行了调整(但必须保证只在相邻级别间调整,这样使正确率仍能达到90%左右)。对8个样品的级别进行了调整后,优级酒为28个,一级酒为36个,二级酒为10个。得到判别分类图(见图1):2.2分析方法的应

6、用2.2.1用于入库分级和产品质量分析①分级入库是重要的生产环节,它不仅是对生产工艺过程的检验,又为分级贮存、勾兑调味奠定基础。浓香型酒已有比较成熟的分析数据和评尝相结合的方法,由于芝麻香是一种复合的香味,所以对入库酒的分级过去全靠经验,为提高其准确性、科学性,我们使用了统计分析方法。由图1可见,对经验库进行必要的调整后,使用多变量统计分析技术可以将优级酒、一级酒和二级酒进行分类,并且分类中心和分组趋势明显,已可以作为对新酒进行分级的基本数据标准。②将新产酒的理化数据进行处理,计算各量比数据,与标准数据进行比较。使用SPSS的HierarchialClus

7、er方法和DiscriminantAnalysis方法,进行全成份量比关系的整体分析,对样品的理化数据和分布趋势进行研究,为入库分级和产品质量分析提供依据。图1○――优级酒△――一级酒+――二级酒分组中心(图1)应用实例:从总的样品库中抽取20个数据进行分级判别和数据分布趋势观察(尽量抽取未被选入经验库的样品)。对抽取的20个样品,使用经验库生成的判别函数进行判别分析,结果见下图(图2):图2○――优级酒△――一级酒+――二级酒――分析样品分组中心分析样品1931711725201819106841312161514(图2)从表1(抽取的20个样品详细数据

8、见表1)可知,口评结果中,1、8、9、16为二级酒;3、4、11、

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。