Формализация связей сорта с качественными показателями белого столового вина

Формализация и моделирование причинно-следственных связей сорта винограда с качественными показателями белого столового сортового вина
Е.В. КУШНΕΡΕΒΑ, канд. техн. наук;
Т.И. ГУГУЧКИНА, д-р с.-х. наук, профессор;
М.И. ПАНКИН, канд. с.-х. наук, доцент
Северо-Кавказский зональный научно-исследовательский институт садоводства и виноградарства
А.Н. БАЙДАКОВ, д-р экон. наук, профессор;
А. Н. НАЗАРЕНКО, канд. экон. наук
ФГБОУ ВПО «Ставропольский государственный аграрный университет»
Ключевые слова: вино, сорт винограда, корреляционный и регрессионный анализы, моделирование, показатели качества
Key words: wine, grape variety, correlative and regressive analysis, modeling, quality indicator

Объекты и методы исследований.

Концентрацию летучих ароматических соединений определяли методом газожидкостной хроматографии на хроматографе «Кристалл- 2000М» и методом газовой хромато-масс-спектрометрии на приборе Perkin Elmer Clarus 600 T; биологически активные вещества, органические кислоты, катионы металлов, аминокислоты — с помощью капиллярного электрофореза на приборе «Капель 105 Р». Исследование качественного и количественного состава фенольных соединений проводили колориметрическим методом.
Экспериментальные данные обрабатывали на компьютере при помощи специальной программы Microsoft Office Excel (версия 2003 г.) [3]. Для подтверждения предположения об определяющем воздействии физико-химического состава вина на дегустационную оценку в работе использовали методы корреляционного и регрессионного анализов. Математическую обработку экспериментальных данных, полученных в результате выполнения научно-исследовательской работы, осуществляли по схеме (рис. 1).

Актуальность.

Качество виноградного вина напрямую зависит от качества винограда, а также от физико-химических показателей состава вина, формирующихся в результате брожения виноградного сусла под действием применяемых технологических приемов, рас дрожжей, биоактиваторов, стабилизирующих веществ и др.
Проведенные ранее исследования [1, 2], направленные на выяснения причинно- следственных связей сахаристости и кислотности виноградной ягоды, урожая и дегустационной оценки с конкретными метеорологическими факторами, позволили получить рабочие модели зависимости дегустационной оценки от урожая винограда и его физико-химических показателей. Математические модели, выражающие зависимость качества сортового вина от физико-химических показателей состава винодельческой продукции, не создавали, хотя их разработка актуальна, так как они позволяют выявить влияние ранее неучтенных факторов, прогнозировать и вырабатывать вина высокого качества с заранее заданными свойствами.
С помощью методов математического моделирования и теории планирования мы исследовали физико-химический состав и качество опытных образцов сортовых сухих белых столовых вин, полученных из сортов Алиготе, Ауасырхуа, Рислинг рейнский и Совиньон блан, по 44 показателям физико-химического состава, среди которых компоненты аромата, катионы металлов, фенольные соединения, аминокислоты, органические кислоты, витаминоподобные вещества, органолептическая оценка.

Рис. 1. Алгоритм корреляционно-регрессионного анализа влияния физико-химического состава вин на дегустационную оценку

Таблица 1

Таблица 2

Результаты и их обсуждения.

С помощью корреляционного анализа из группы компонентов физико-химического состава исследуемых вин, полученных из белых сортов винограда Алиготе, Рислинг рейнский, Совиньон блан и Аусырхуа, выявлены компоненты, оказывающие наибольшее влияние на качество готового вина.
Математические исследования показали, что для столовых сухих вин, произведенных из Алиготе, парные коэффициенты корреляции имеют значения: коэффициент корреляции дегустационной оценки и лимонной кислоты равен -0,485, дегустационной оценки и изомаслянной кислоты -0,561, дегустационной оценки и этиллактата = 0,528, а дегустационной оценки и метионина = 0,487.
Таким образом, согласно корреляционному анализу на качество опытных столовых сухих вин из Алиготе оказывают существенное влияние лимонная и изомасляная кислоты, этил лактат, метионин.
Полученные коэффициенты корреляции позволили провести в дальнейшем регрессионный анализ (табл. 1), проверить статистическую значимость математических вычислений (табл. 2) и рассчитать коэффициенты регрессии (табл. 3), которые в свою очередь позволяют построить уравнение, выражающее зависимость дегустационной оценки Υ столовых сухих вин из Алиготе от содержания лимонной кислоты Х1, этиллактата Х2, изомасляной кислоты Х3 и метионина Х4:

Значение множественного коэффициента детерминации R2=0,797 показывает, что 79,7% общей вариации результативного признака объясняется вариацией факторных признаков Х1, Х2, Х3 и Х4.
По аналогичной математической схеме мы провели корреляционный и регрессионные анализы в отношении результатов исследований компонентов физико- химического состава и дегустационной оценки столовых сухих вин из винограда сортов Аусырхуа, Рислинг рейнский и Совиньон блан (табл. 4, 5, 6, рис. 2).
Рассчитанные коэффициенты регрессии позволили построить уравнения, выражающие зависимость дегустационной оценки Υ от содержания компонентов физико- химического состава для каждого сорта: для сорта Аусырхуа —

где Х1 — ацетальдегид, Х2 — масляная кислота, Х3 — изовалериановая кислота, Х4 — серин, Х5 — кальций.

Таблица 3

Таблица 4

Таблица 5

Значение множественного коэффициента детерминации R2=0,767 показывает, что 76,7% общей вариации результативного признака объясняется вариацией факторных признаков Х1, Х2, Х3,
для сорта Рислинг рейнский —

что 62,8% общей вариации результативного признака объясняется вариацией факторных признаков;
гдеХ1 — янтарная кислота, Х2 — фурфурол, Х3 — этилвалериат, Х4 — треонин.

Таблица 6

Рис. 2. Влияние компонентов физико-химического состава столовых сухих вин из винограда сортов

Значение множественного коэффициента детерминации R2=0,628 показывает,
Аусырхуа (а), Рислинг рейнский (б) и Совиньон блан (в) на дегустационную оценку для сорта Совиньон блан —
(4)
где Х1 — винная кислота, Х2 — молочная кислота, Х3 — изовалериановая кислота, Х4 — кофейная кислота.
Значение множественного коэффициента детерминации R2=0,687 показывает, что 68,7% общей вариации результативного признака объясняется вариацией факторных признаков Х1, Х2, Х3, Х4.
В результате математической обработки данных получены математические модели зависимости дегустационной оценки от физико-химических показателей столовых сухих белых вин с учетом сорта винограда.
Корреляционный анализ показал, что на качество опытных столовых сухих вин из Алиготе оказывают существенное влияние лимонная и изомасляная кислота, этиллактат, метионин; из сорта Ауасырхуа — ацетальдегид, масляная, изовалериановая кислоты, серин, кальций; из сорта Рислинг рейнский — янтарная кислота, фурфурол, этилвалериат, треонин; из сорта Совиньон Блан — винная, молочная, изовалериановая, кофейная кислоты.
Все указанные компоненты являются продуктами брожения и свидетельствуют о том, что вино, произведенное из конкретного сорта винограда, индивидуально и имеет характерный набор ароматических, аминокислотных, катионных элементов, которые оказывают влияние на его качество.

Выводы.

С помощью метода математической обработки экспериментальных данных определены показатели физико-химического состава сортовых столовых сухих белых вин, оказывающих наибольшее влияние на их качество. Получены параметрические зависимости качества столовых сухих вин от физико-химических показателей состава для сортов винограда Алиготе, Совиньон блан, Рислинг рейнский, Ауасырхуа на основе корреляционно-регрессионного анализа и современной аналитической базы.

СПИСОК ЛИТЕРАТУРЫ

1. Гугучкина Т.И. Агроэкологическая и технологическая стратегия использования винограда для производства высококачественных вин: авто- реф. дис. ... д-ра с.-х. наук Д.И. Гугучкина. —  Краснодар, 2002. 42 с.
2. Кушнерева Е.В. Разработка параметрических зависимостей качества столовых вин от физико-химических показателей состава на основе корреляционно-регрессионного анализа и современной информационно-аналитической базы/Е.В. Кушнерева, Т.И. Гугучкина, М.И. Панкин, Л.М. Лопатина//Известия вузов. Пищевая технология. 2011. Деп. В ВИНИТИ 25.02.2011, № 85132011. 18 с.
3. Макарова Н.В. Статистика в Excel/H.B. Макарова, В.Я. Трофимец. — Москва: Финансы и статистика, 2002. 368 с.