酒类产品种类繁多,是品系最为复杂多样的产品之一。可靠简便的检测方法是保障白酒饮用安全和品质的技术前提。传统分析方法主要依赖于标志物分析。这种方法,一方面仅能反映样品的部分特征,一时还无法替代基于人类器官的感官评定这种耗时费力的方法,另一方面,这种方法容易被不法分子通过添加组分来逃避。因此有必要开发一种新的不依赖标志物并且能全面反映酒类本质特征的酒类识别方法。本研究以白酒作为模式酒类,比较了液-液萃取和顶空固相微萃取样品前处理方法,用P-B试验进行了显著性分析,建立了标准化检测方法。结果表明,固相微萃取方法的灵敏性更高、鲁棒性更好。P-B试验结果显示,所测试的5种因素均不会显著影响萃取结果。用该标准化方法检测6种不同香型白酒的结果表明,每一种白酒样品均可以检测出超过1,600种化合物。采用偏最小二乘分析法建立了白酒香型鉴别模型,进一步分析结果显示,338种芳香化合物与白酒香型密切相关。用全二维气相色谱-飞行时间质谱获得262种白酒样品的特征信号,随机选取2/3数据作为训练集、其他1/3为测试集。用训练集对基于机器学习算法的预测模型进行优化,然后用所得的模型对测试集样本进行分类分析。结果表明,所建立的模型对白酒品牌、香型、产地和年份的鉴别准确率均高于90%以上,且具有很好的稳定性。本研究是机器学习和现代仪器分析有机整合的成功尝试,为鉴别组分复杂的样品提供了新思路,发展成熟后可广泛应用于食品的质量控制、真伪鉴别和品质鉴定等。