欢迎您访问葡藤匠心网！
关注微信公众号：葡藤匠心、葡萄酒学报
获取更多信息
《中国酿造》：中国农业大学沙坤副教授等：干红葡萄酒理化指标-感官评价模型构建
发布时间：
2026-07-03
来源：
中国酿造杂志
干红葡萄酒是以红色鲜葡萄或葡萄汁为原料，经全部或部分发酵酿制而成的，具有一定乙醇体积含量且含糖量不大于4.0 g/L的发酵酒，其品质直接决定了葡萄酒的市场竞争力和产品附加值。干红葡萄酒品质评价体系包括酒的理化特性与感官评价，故二者间的关联机制解析是葡萄酒风味科学领域的重要研究方向。基于单一维度的评价体系，客观的理化指标无法直接反映消费者对酒体平衡度的感知；而感官评价虽能捕捉风味特征却易受个体差异和环境因素影响。因此，近年来通过多维数据融合进行的葡萄酒品质评价研究取得重要进展，如Baker等通过脱醇西拉葡萄酒模型研究证实乙醇浓度提升可延长甜椒味、椰子味及花香余味持续时间，并且与感官接受度呈正相关，单宁浓度增加虽能延长甜椒余味，但导致添加风味化合物的整体感官接受度降低；Tang Ke等通过偏最小二乘回归分析建立了黄土高原赤霞珠葡萄酒感官-香气化合物定量关系模型，指出芳樟醇、乙酸异戊酯浓度与红色水果香气呈正相关，而3-巯基己醇等硫化物可能存在香气掩蔽效应；Rubén等研究表明3-甲基-1-丁醇会产生负面青草香，高浓度芳樟醇贡献特征花香，乙酸异戊酯与β-苯乙醇乙酸酯主导香蕉-玫瑰复合香型，威士忌内酯及香草醛赋予香草-椰子香，4-乙烯基愈创木酚可能导致烟熏异味等。此类研究为理化特性与感官评价的关联机制解析奠定了基础。
以传统线性回归为基础构建的单一评价体系难以解析理化-感官间高阶交互作用。因此，建立基于多元数据融合的理化-感官关联模型，对酿酒工艺的精准调控具有重要价值。Bai Xueting等采用K均值聚类算法，对经降维处理的理化指标进行分析，实现了供试红葡萄酒的风格分类；陈鑫龙等通过系统检测葡萄酒中多酚类物质并探究其与感官评价的相关性，初步建立了干红葡萄酒味觉质量的多酚表征体系。中国农业大学烟台研究院的姜卓、孔依诺和沙坤*等人将模糊数学感官评价与理化指标主成分分析（PCA）及层次聚类分析（HCA）相结合，采用支持向量机（SVM）预测模型解析39 款干红葡萄酒样品的理化指标与感官评分的关联机制，综合理化指标的科学性和消费者感知的直观性，旨在构建更加科学高效的干红葡萄酒质量评价体系，为葡萄酒市场定位和消费者决策提供可靠依据。
1 市售干红葡萄酒的模糊数学感官评价由图1可知，酒样23感官评分最高，为84，显著高于其他类别；酒样6感官评分最低，为62.06。
2 市售干红葡萄酒理化指标与模糊数学感官评分皮尔逊相关性分析
由图2可知，葡萄酒的感官评分与苹果酸、总糖、丙三醇、总多酚、单宁等多个理化指标存在显著关联。其中，总多酚含量与外观呈极显著正相关（P＜0.01）；可滴定酸、酒石酸、葡萄糖酸、果糖和单宁含量与外观呈显著正相关（P＜0.05）。苹果酸、总糖和丙三醇含量与香气呈极显著正相关，单宁含量与香气呈极显著负相关（P＜0.01）；葡萄糖含量与香气呈显著正相关（P＜0.05），总多酚含量与香气呈显著负相关（P＜0.05）。苹果酸、总糖、葡萄糖和丙三醇含量与滋味呈极显著正相关（P＜0.01）；单宁含量与滋味呈极显著负相关（P＜0.01）；固形物含量与滋味呈显著正相关（P＜0.05）。固形物含量与典型性呈极显著负相关（P＜0.01）；苹果酸与典型性呈显著正相关（P＜0.05）。
根据皮尔逊相关分析结果，可分别判断出与感官指标的4 个维度相关的理化指标。然而，理化指标间的高度共线性可能导致部分指标的效应被掩盖或放大；此外，部分理化指标分布集中（如总糖含量在干型酒中低于4 g/L），可能引发虚假相关趋势。因此，需通过PCA消除变量冗余性，提炼核心影响因子。
3 市售干红葡萄酒理化指标PCA
对葡萄酒样16 项理化指标进行PCA，提取累计方差贡献率达83.48%的5 个PC，实现数据降维。各PC的载荷矩阵见图3。对各PC进行命名，分析其核心指标及实际意义，结果见表3。
由图3和表3可知，乙醇、葡萄糖酸、pH值、固形物、葡萄糖、丙三醇、总多酚构成陈年潜力与酒体饱满因子，反映酒体的低发酵风险与高饱满度的陈年潜力特征，以及与稳定风味相关的物质储备。乙醇正载荷带来醇厚口感；葡萄糖酸、总多酚正载荷提供抗氧化能力，利于风味长期稳定；pH值正载荷使酸度适中，利于风味物质稳定发展；固形物、丙三醇正载荷提升酒体饱满度；葡萄糖负载荷对应低残糖，降低陈年二次发酵风险，为葡萄酒长期贮存和风味发展提供良好基础。挥发酸、苹果酸、密度、固形物、总糖、果糖构成酒体轻盈与氧化敏感因子，呈现酒体的轻盈质地。密度正载荷反映酒体轻盈；固形物、总糖、果糖正载荷带来甜润口感与一定风味浓度；挥发酸正载荷与苹果酸负载荷并存，可能源于苹果酸-乳酸发酵过程中氧化胁迫导致的乙酸积累及发酵抑制，提示需警惕氧化劣变风险。乙醇、乳酸、总糖、果糖、单宁构成口感甜润与风味协同因子，展现酒体的甜润感和收敛性以及风味的协同作用。乙醇、总糖、果糖正载荷带来甜润口感；单宁正载荷赋予酒体收敛性，构建酒体骨架；乳酸负载荷使酸感不突出，让甜润与收敛风味更好协同，提升感官体验的丰富度与协调性。可滴定酸、酒石酸、pH值构成酸度支撑与生物稳定因子，体现酒体的酸度支撑以及生物稳定保障。可滴定酸、酒石酸正载荷为酒体提供核心酸度，支撑酒体结构；pH值负载荷表明酸度相对合适，为葡萄酒长期窖藏提供生物稳定性基础，利于酒的保存与品质稳定。乙醇、苹果酸、葡萄糖酸构成清爽酸感与特色风味因子，体现酒体以清爽酸感为核心的低醇特色。苹果酸和葡萄糖酸的正载荷共同强化了明快的酸感，带来清新爽口的味觉体验；乙醇的负载荷则表明乙醇含量较低，进一步凸显了酸感的清爽特质，使整体风格偏向轻盈低醇。
4 市售干红葡萄酒理化指标HCA
由图4A可知，遗传距离为10时，39 款干红葡萄酒被分为5 个类别。分别对5 个类别干红葡萄酒的感官评分和PC得分归一化处理，转换为百分制得分。由图4B～F可知，5 类葡萄酒的综合感官得分平均值分别为77.10、80.94、73.76、76.04、64.69。
|
|
|
|
|
|
|
|
综合上述结果，分别分析5 类干红葡萄酒样品的理化指标、感官评价和具体风格，结果见表4。
5 SVM模型
采用五折交叉验证方法对39 个葡萄酒样本构建SVM预测模型。首先随机选取9 个样本作为独立测试集，剩余30 个样本作为训练集用于模型训练与超参数优化。输入层接收经标准化处理的理化指标变量，先通过贝叶斯优化算法筛选最优核函数与核参数，其中核函数涵盖线性核、径向基核与多项式核3 种类型，再通过网格搜索确定最优惩罚系数，搜索范围设定为0.01～1.50，步长控制为0.01。训练阶段以MSE作为目标函数，借助五折交叉验证的循环迭代方式优化参数，确保所有训练集样本都能参与验证过程，充分提升模型泛化能力。模型训练完成后，利用预留的独立测试集开展性能验证，通过MSE与R2 2 项指标，全面评估模型的预测精度与稳定性。由图5可知，9 个独立测试集预测性能显示：外观、香气、滋味、典型性的MSE分别为0.003 5、0.037 0、0.073 7、0.033 2，表明模型对各项评分的预测偏差较小，预测精度较高；R2为0.852 6～0.934 8，表明模型解释了大于85%的感官评分变异，验证了理化指标对感官品质的可预测性，为干红葡萄酒工艺优化提供定量化工具。
|
|
|
|
|
|
6 结论
通过对39 款干红葡萄酒进行模糊数学感官评价及其16 项理化指标PCA、HCA，构建了干红葡萄酒理化指标与感官品质间的SVM预测模型，通过理化-感官关联特征实现了对干红葡萄酒不同风格的分类。研究结果表明，PCA提取的5 个累计方差贡献率达83.48%的PC可有效表征酒体的保存潜力、结构平衡性及风味特征等关键品质维度；HCA将酒样划分为5类典型风格，其中类别2的感官综合评分最优（80.94）；构建的SVM模型MSE为0.003 5～0.073 7，R2为0.852 6～0.934 8，在感官评分预测中表现优异，验证了理化指标对感官品质的可解释性，为数字化品控提供了新工具。未来研究可进一步拓展样本集覆盖范围，纳入多产区、多品种的长期陈酿干红葡萄酒样，完善评价模型的普适性；同时可探索其他数据融合技术，结合色谱-质谱检测数据与消费者偏好信息，构建动态品质监测模型，推动葡萄酒品质评价向智能化、个性化方向发展。
引文格式：
姜卓, 孔依诺, 史竞男, 等. 干红葡萄酒理化指标-感官评价模型构建[J]. 中国酿造, 2026, 45(4): 201-207. DOI:10.11882/j.issn.0254-5071.2026.04.027.
JIANG Zhuo, KONG Yinuo, SHI Jingnan, et al. Construction of physicochemical indexes-sensory evaluation model for dry red wine[J]. China Brewing, 2026, 45(4): 201-207. (in Chinese with English abstract) DOI:10.11882/j.issn.0254-5071.2026.04.027.
推荐下载
