求解葡萄酒原料指标范围的数据驱动模型分析方法及装置制造方法及图纸

本发明专利技术涉及葡萄酒加工技术领域，公开了一种求解葡萄酒原料指标范围的数据驱动模型分析方法及装置，所述方法包括获取根据酿酒葡萄原料指标及葡萄酒制品指标构建的样本数据库；从中提取酿酒葡萄原料样本集和葡萄酒制品样本集，基于酿酒葡萄原料样本集和葡萄酒制品样本集对样本数据库中的数据进行预处理，基于处理后的目标数据对葡萄酒制品品质指标进行预测，根据预测过程中的计算数据和预设优化目标构建酿酒葡萄原料品质标准优化模型，通过构建酿酒葡萄原料品质标准优化模型来确定酿酒葡萄原料品质指标范围，解决了在给定的生产工艺条件下，如何快速科学确定酿酒葡萄原料品质指标的最佳范围，使得酿酒葡萄原料能够生产出合格葡萄酒制品的问题。

【技术实现步骤摘要】
求解葡萄酒原料指标范围的数据驱动模型分析方法及装置
本专利技术涉及葡萄酒加工
，尤其涉及一种求解葡萄酒原料指标范围的数据驱动模型分析方法及装置。
技术介绍
在葡萄酒加工领域，对于葡萄酒的酿造，由于多种多样的葡萄酒制品具有不同的理化性质，对酿酒葡萄原料品质的需求也不尽相同，需要制作出符合国标、省标、行标、企标的葡萄酒制品，就要根据葡萄酒制品品质预测酿酒葡萄原料的最佳品质范围，这样可为企业采办原料提供依据，采办合适的酿酒葡萄原料，在给定的生产工艺条件下酿造出合格的葡萄酒制品，提高葡萄酒制品合格率，减少酿酒葡萄原料浪费，为企业减少损失，提高企业利润。目前企业在确定使用哪种酿酒葡萄原料进行酿造生产时有许多方法，一般根据葡萄酒酿造专家的感官感受来对各种酿酒葡萄原料酿出的葡萄酒制品进行对比，就可以大致判断出何种酿酒葡萄原料投入酿造将会得到怎样的葡萄酒制品。但是这种仅仅通过葡萄酒酿造专家的感官感受对葡萄酒酿造流程做决策的方法，在效率和效果上存在着一定的风险，同时也存在着一定的提升空间。对于企业的生产规划来说，如何科学的找到最适合酿造葡萄酒的酿酒本文档来自技高网...

【技术保护点】
1.一种求解葡萄酒原料指标范围的数据驱动模型分析方法，其特征在于，所述方法包括以下步骤：/n获取根据酿酒葡萄原料指标及葡萄酒制品指标构建的样本数据库；/n从所述样本数据库中提取酿酒葡萄原料样本集和葡萄酒制品样本集，并将所述酿酒葡萄原料样本集中的指标设置为预测变量，所述葡萄酒制品样本集的指标设置为响应变量；/n基于所述预测变量及所述响应变量对所述样本数据库中的数据进行预处理，获得处理后的目标数据；/n基于所述目标数据对葡萄酒制品品质指标进行预测，并获取预测过程中的计算数据；/n根据所述计算数据和预设优化目标构建酿酒葡萄原料品质标准优化模型；/n根据所述酿酒葡萄原料品质标准优化模型确定酿酒葡萄原料...

【技术特征摘要】
1.一种求解葡萄酒原料指标范围的数据驱动模型分析方法，其特征在于，所述方法包括以下步骤：
获取根据酿酒葡萄原料指标及葡萄酒制品指标构建的样本数据库；
从所述样本数据库中提取酿酒葡萄原料样本集和葡萄酒制品样本集，并将所述酿酒葡萄原料样本集中的指标设置为预测变量，所述葡萄酒制品样本集的指标设置为响应变量；
基于所述预测变量及所述响应变量对所述样本数据库中的数据进行预处理，获得处理后的目标数据；
基于所述目标数据对葡萄酒制品品质指标进行预测，并获取预测过程中的计算数据；
根据所述计算数据和预设优化目标构建酿酒葡萄原料品质标准优化模型；
根据所述酿酒葡萄原料品质标准优化模型确定酿酒葡萄原料品质指标范围。


2.如权利要求1所述的求解葡萄酒原料指标范围的数据驱动模型分析方法，其特征在于，所述基于所述预测变量及所述响应变量对所述样本数据库中的数据进行预处理，获得处理后的目标数据的步骤，具体包括：
基于所述预测变量及所述响应变量对所述样本数据库中的样本集进行标准化处理，获得标准化酿酒葡萄原料样本集和标准化葡萄酒制品样本集；
对所述标准化酿酒葡萄原料样本集中的标准化酿酒葡萄原料样本数据进行主成分降维，获得目标酿酒葡萄原料样本数据和主成分因子载荷矩阵；
从所述目标酿酒葡萄原料样本数据中提取目标酿酒葡萄原料指标；
根据所述主成分因子载荷矩阵将所述目标酿酒葡萄原料指标映射为酿酒葡萄原料品质指标；
将所述目标酿酒葡萄原料样本数据、所述标准化葡萄酒制品样本集、所述酿酒葡萄原料品质指标作为目标数据。


3.如权利要求2所述的求解葡萄酒原料指标范围的数据驱动模型分析方法，其特征在于，所述基于所述目标数据对葡萄酒制品品质指标进行预测，并获取预测过程中的计算数据的步骤，具体包括：
根据所述目标酿酒葡萄原料样本数据和所述标准化葡萄酒制品样本集生成多元线性回归模型的训练集；
根据所述训练集对所述多元线性回归模型进行训练，获得葡萄酒制品品质指标对应的预测模型；
从所述标准化葡萄酒制品样本集中提取目标葡萄酒制品指标，并基于预设系数矩阵确定所述目标葡萄酒制品指标对应的回归函数；
根据所述回归函数确定拟合优度；
将所述预测模型和所述拟合优度作为所述预测过程中的计算数据。


4.如权利要求3所述的求解葡萄酒原料指标范围的数据驱动模型分析方法，其特征在于，所述根据所述计算数据和预设优化目标构建酿酒葡萄原料品质标准优化模型的步骤，具体包括：
查找所述酿酒葡萄原料品质指标对应的酿酒葡萄原料品质的理化性质数据，并基于所述理化性质数据确定酿酒葡萄原料限制约束；
基于所述预测模型和预设目标食品品质要求，确定葡萄酒制品限制约束；
根据所述拟合优度对所述葡萄酒制品限制约束进行修正，获得目标葡萄酒制品限制约束；
根据多个目标酿酒葡萄原料指标构建高维目标空间，并在所述高维目标空间中设置扩散因子；
根据所述扩散因子和预设目标区域要求确定扩散因子约束；
将所述酿酒葡萄原料限制约束、所述葡萄酒制品限制约束和所述扩散因子约束作为约束条件；
根据所述约束条件和预设优化目标构建酿酒葡萄原料品质标准优化模型。


5.如权利要求4所述的求解葡萄酒原料指标范围的数据驱动模型分析方法，其特征在于，所述根据所述酿酒葡萄原料品质标准优化模型确定酿酒葡萄原料品质指标范围的步骤，具体包括：
基于线性加权法将所述酿酒葡萄原料品质标准优化模型转化为单目标酿酒葡萄原料品质标准优化模型；
根据所述单目标酿酒葡萄原料品质标准优化模型对所述标准化酿酒葡萄原料样本数据进行四分位数计算，获得四分位数计算结果数据；
根据所述四分位数计算结果数据和所述...

【专利技术属性】
技术研发人员：尚雪纯，杨华，周康，刘朔，刘江蓉，高婧，周坚，镇依婷，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：湖北;42