三一文库（www.31doc）
〔葡萄酒的参考文献〕
  *篇一：葡萄酒理化指标参考文献及问题的分析和评价
  葡萄酒理化指标参考文献
  [1]GBT15038-2006葡萄酒、果酒通用分析方法.
  [2]蔺红苹,邱翠婵,刘嘉玲.自酿葡萄酒的卫生指标和理化指标的检测湛江师范学院学报2010年6月第31卷第3期
  [3]宋润刚 路文鹏 沈育杰.山葡萄新品种“左优红”果实素及干红酒理化指标检测分析中外葡萄与葡萄酒2005,6:7 8
  [4]赵建萍 张军翔 刘谱.不同发酵温度和浸渍时间对红葡萄酒理化指标的影响中外葡萄与葡萄酒2006,6:13 14
  [5]王志东 张军翔 王琨 李梅.不同酵母及果胶酶对红葡萄酒综合理化指标的影响中外葡萄与葡萄酒2007,2
  [6]孙建平,潘秋红,于庆泉,段长青.葡萄酒?石稳定评判指标及其影响因素初探中外丽萄与蔺萄酒20081:7-10
  [7]陆其科.高纯度酒精蒸馏[M].北京:中国轻工业出版社,19921
  [8]周薇,羊语梅,张军岷.品红—亚硫酸比法测定酒中甲醇的方法改进[J].中国卫生检验杂志,2004(5):6471
  [9]田强.酒类产品质量检验[M].北京:中国计量出版社,20061
  [10]周建新.食品中菌落总数和大肠菌检验的质量控制[J].粮食与食品工业,2007(3):42-451
  [11]李华,王华,袁春龙,等.葡萄酒化学[M].北京:科学出版社,20051
  [12]刘达雄.海珠区出售葡萄酒中甲醇的含量调查分析[J].中国科技信息,2005(12):93-941
  [13]黄亚东.杨梅酒中甲醇形成及其毒性分析[J].酿酒科技,1999(2):60-611
  [14]马丽辉,陈卫民.啤酒中大肠菌检测法的探讨[J].酿酒科技,2004(4):89–901
  [15]彭德华.影响葡萄酒质量的主要因素分析[J].中外葡萄与葡萄酒 2004 5 40-44
  [16]李艳 崔彦志 随子华葡萄酒过程中聚合单宁的变化 酿酒科技 2009年03期[17]ZamanM,CameronKC,DiHJ,InubushiK.ChangesinmineralN,microbialbiomassandenzymeactivitiesindifferentsoildepthsafterapplicationsofdairyshedeffluentandchemicalfertilizer[J].NutrientCyclinginAgroecosystems,2002(63):275-290
葡萄酒酿造  对问题的分析与类比归纳
  1、笔者认为 对于同一事物的评价 如果大家的意见越一致 那么评价的可信度就越高。所以对于问题1的解题思路也就清晰明了了.我们可以通过方差。所谓方差即观测变量各个取值之间的差异程度。它是用以衡量风险大小的指标。 这一概念来对每一组评酒员作出的评估作出风险分析。显而易见的是若风险评估的值越高 这组评酒员的评价就存在问题了。若风险评估值大小相当 这说明这两组评酒员是没有明显差异的。
  2、题目中要求对葡萄作出评级。看起来似乎没有思路 那么我们可以动一下我们的小脑筋。既然对于评级我们没有参考标准 那么我们可以参考评酒员的评价。即使用逆向思维 从评酒员的评分发出 那么大体上葡萄的分级基本上就能确定下来 根据确定先来的葡萄分级进行逆推 就可以得出结论。
  3、对于这个问题 最直观也是最基本的思路就是看两者之间的趋势。应用MATLAB软件 作出两者的趋势图。通过对趋势图的直接观察 两者之间的大体关系即可确定 然后根据曲线拟合的方法可得出两者间的函数关系。可以类比手机套餐问题解决归纳。对于我们这些消费用户来说 手机的资费问题一直是我们所关注的热点问题。面对着几年来运营商推出的各种资费方案始终没有发生实质性的变化 人们迫切的希望能够通过各种“套餐”方案的推出能使手机总消费更加低廉。自2007年1月以来上海、北京、广东等地的移动和联通两
  大运营商相继推出的“手机单向收费方案”---各种品牌的“套餐” 手机“套餐”花样琳琅满目 让人眼花缭乱。人们不禁要问:运营商推出的这些手机“套餐”究竟优惠几何 做为运营商 要使卡类的收益最高 就需要对套餐市场作科学合理的需求分析预测。卡类推行套餐的目的 是为了能够提高或至少保持现有的用户对卡类套餐的兴趣度 使得用户与卡类尽可能地长时间保持
业务关系 从而使卡类有更多的盈利。套餐的推行种类、数量及其推行时间都会影响用户对卡类的兴趣度 若不能推行新套餐 用户对卡类套餐的兴趣度就可能幅度降低。而兴趣度的降低就会导致用户流失率随之升高 进而可能导致卡类的收益降低。
  4、对于第四问这个问题 很简单 可以类比人口发展模型来解决 非常直观可靠。通过对人口的发展的机理性分析 建立了增长的基于一阶偏微分方程的连续性人口预测模型 由于若干未知函数拟合存在误差和偏微分方程解析解求解困难 只用该模型队人口发展趋势进行定性分析 我们在此对连续模型离散化处理 列迭代方程 计算机编程求解 从整体出发 对一些影响因素进行了简化 短期内不考虑城镇化带来影响 不考虑人口出生率 死亡率 男女出生比例随时间变化 通过加权平均可以相应的参数估计 对原始迭代方程进行改造 得到中短期人口预测的基本模型。由于被忽略因素在迭代过程的累积性误差 使得该模型在长期人口预测有很大的偏差 于是对影响因素——城镇化 死亡率 男女出生比例分别进行细化处理 引入死亡率随时间变化的函数 城镇化的处理中 进行了数据补充 受到Logistic模型的启发 创新性的利用S曲线拟合城镇变化率 由于男女出生比例存在城镇乡的差异 分开考虑其影响 经上述处理后得到了长期人口预测模型。为了进一步从影响人口数量变化的众多因素中 区分出影响程度较大的因子 把人口系统作为灰系统 内部各种相互关联 相互影响的影响因子就是灰量
通过系统的灰关联度分析模型 对影响人口数量变化的因子进行量化 得到了各个影响因子的灰关联度排序 也就是对人口数量变化起的作用的主次排序 对前面的离散模型进行了解释和补充 为人口控制和准确预测提供了依据。