论文部分内容阅读
近年来,近红外光谱分析技术已经成为分析化学领域中发展最快速的高科技分析技术之一,具有效率高、无损、同时分析多组分、重现性高等优点,已经广泛应用在食品、石油化工、药物分析等多个领域。本课题选取优A级、优B级、1A级和1B级四个不同等级的杜康白酒基酒为研究对象,通过气相色谱仪测定白酒基酒中16种香味物质的理化值,并且对于各物质成分的含量及量比关系的规律作出分析和探讨,为白酒的分级提供了理论依据;运用主成分分析法进行降维,结合线性判别马氏距离法、判别偏最小二乘法、BP人工神经网络等定性判别方法建模分析,对近红外光谱进行定性分析,实现白酒基酒的快速分级;结合偏最小二乘法,采用不同的预处理方法,建立了5种香味物质的近红外定量模型,对白酒基酒的呈香呈味成分的快速检测方法进行了探讨研究,得出以下结论:(1)利用气相色谱技术对白酒基酒中的16种风味成分己酸乙酯、乳酸乙酯、丁酸乙酯、乙酸乙酯、庚酸乙酯、乙酸、己酸、正戊酸、丁酸、异戊醇、正戊醇、正丁醇、正丙醇、乙醛、乙缩醛、糠醛的含量进行了检测,对酯类、醇类、酸类和醛类四类物质在不同级别的白酒基酒的含量变化规律进行了探讨和分析。结果为:在四种级别的基酒中己酸乙酯、乳酸乙酯和乙酸乙酯平均含量的比值分别为1.2:1:0.7、0.8:1:0.6、0.6:1:0.5和0.4:1:0.4(乳酸乙酯含量平均值作为参考标准)。异戊醇和正戊醇在四种级别的基酒中比例约为1.1~1.2:1,己酸和正戊酸为1.4~1.75:1,乙醛和乙缩醛比例约为1.9~2.0:1,其中正戊醇、乙酸、乙醛含量变化不明显。(2)利用近红外光谱技术采集了杜康白酒基酒样品的光谱数据,对原始光谱进行不同光谱预处理方法,应用主成分分析结合线性判别马氏距离法、判别偏最小二乘法、BP人工神经网络建立了白酒基酒鉴别的模型,其中LD-MD样品分级正确率在98.47%以上;利用交叉验证方法建立的DPLS模型校正集和验证集的相关系数均在0.987以上,样品识别的平均准确率在99.15%以上;采用PCA提取最佳主成分作为BP人工神经网络输入变量,预测准确率达100%。对比上述模型的分级结果,以上三种判别分析方法都能比较准确的对白酒基酒进行分级,MSC-PCA-BPANN分级效果最佳,更适合作为白酒基酒的快速分级方法;同时也对白酒基酒中风味成分的含量变化规律作为近红外基酒分级理论依据做了分析。(3)分别以气相色谱仪测得白酒基酒中的庚酸乙酯、正戊醇、丁酸、正戊酸和糠醛的含量为基础数据,对近红外光谱数据进行分析,采用不同的预处理方法,结合偏最小二乘法分别建立5种典型风味物质的校正模型和预测模型。校正集的决定系数(R2)分别为0.981、0.963、0.93、0.979和0.969,交叉验证的均方根误差(RMSECV)为2.99mg/100m L、0.101mg/100mL、0.296mg/100mL、0.849mg/100mL和1.95mg/100m L;验证集的决定系数(R2)分别为0.977、0.928、0.95、0.969和0.949,预测均方根误差(RMSEP)分别为3.18mg/100mL、0.49mg/100mL、0.366mg/100mL、1.165mg/100mL和2.58mg/100mL。结果表明所建模型的质量指标达到了比较理想的期望值,建立的定量模型的准确度、稳定性及预测性能良好。