粒子群最小二乘支持向量机结合偏最小二乘法用于芝麻油质量的鉴别

结合粒子群最小二乘支持向量机(PSO-LSSVM)与偏最小二乘法(PLS)提出一种基于气相色谱技术的新方法,对芝麻油进行真伪鉴别,并对掺伪品中掺假比例进行定量分析。采用主成分分析法(PCA)对857个样本的脂肪酸色谱数据进行分析,优选主成分作为最小二乘支持向量机(LSSVM)的输入向量。利用粒子群算法(PSO)优化LSSVM,构建芝麻油掺伪鉴别的两级分类模型,同时运用PLS建立掺伪芝麻油中掺伪油脂的定量校正模型,两级分类模型的准确率分别达到了100%和98.7%,定量分析模型的平均预测标准偏差(RMSEP)为3.91%。结果表明,本方法的鉴别准确性和模型泛化能力均优于经典的BP神经网络和支持向量机(SVM),可用于食用油脂加工和流通环节的质量控制,为食用油质量的准确鉴定提供了一条有效途径。     

再生纸与原纸中矿物油成分的LC-GC-MS检测及鉴别

利用在线液相色谱-气相色谱-质谱法(LC-GC-MS)检测再生纸和原纸中的矿物油成分,结合多元统计分析,研究了再生纸和原纸的差异性并进行鉴别。利用正己烷-乙醇(1∶1)溶液提取纸样中矿物油成分,通过在线液相色谱-气相色谱-质谱法分析提取物,并对色谱图进行解卷积和保留时间对齐处理,结合主成分分析(PCA)和正交偏最小二乘判别分析(OPLS-DA)方法筛选再生纸和原纸的差异性物质,并对两种纸样进行鉴别。结果表明,基于纸张中矿物油成分,使用多元统计分析可以清楚地区分再生纸和原纸。再生纸与原纸中的差异性物质有:芳香烃矿物油(MOAH)馏分中的二异丙基萘同分异构体、四甲基联苯同分异构体、二甲基联苯同分异构体、异丙基联苯同分异构体,饱和烃矿物油(MOSH)馏分中碳原子数为25～33的正构烷烃。     

气相色谱结合化学计量学区分大米贮藏时间与产地

香气是衡量大米质量的一个主要因素,对大米的食用品质有重要影响。该文以顶空固相微萃取(SPME)技术为基础,采用气相色谱法分别分析了不同贮藏时间和不同产地大米样本的挥发性成分,通过主成分分析法(PCA)和偏最小二乘判别分析法(PLS-DA)对大米样本进行分类和判别分析。PCA及PLS投影图显示不同储藏时间的大米明显聚为4类,通过留一交叉验证法(LOO)计算PLS预报的准确率为96%,相对标准误差为8.2%。同时,PCA投影图中可将4个不同产地的大米样本进行区分,分类效果显著;所建PLSDA模型可靠,不同产地大米样本均能被准确识别,正确率为100%。以顶空固相微萃取/气相色谱检测大米中挥发性成分,利用主成分分析法和偏最小二乘判别分析法鉴别大米新鲜程度和产地具有可行性。     

气相色谱-质谱联用结合化学计量学鉴别再生聚苯乙烯发泡餐盒

建立了气相色谱-质谱联用(Gas chromatography-mass spectrometer,GC-MS)结合化学计量学方法鉴别再生餐盒和新餐盒的方法。发泡餐盒试样经二氯甲烷溶解,加入甲醇沉淀大分子聚合物,采用GC-MS进行分析,并结合主成分分析(Principal component analysis,PCA)和正交偏最小二乘判别分析(Orthogonal par-tial least squares discriminantanalysis,OPLS-DA)等多变量统计分析方法筛选出再生餐盒和新餐盒的差异性物质,建立了再生餐盒和新餐盒的鉴别模型。结果表明,再生餐盒和新餐盒中的主要物质包括聚合残余(苯乙烯单体、二聚体和三聚体)、苯衍生物和添加剂等。OPLS-DA和t检验筛选出41种在含量上具有显著性差异的物质,基于差异性物质建立鉴别模型,初步建立了有效的鉴别再生聚苯乙烯发泡餐盒的方法。     

血清代谢轮廓分析在评估乙肝肝硬化病程中的应用

采用高效液相色谱-质谱联用(HPLC-MS)作为代谢组学研究平台,分析不同Child-Pugh分级肝硬化病人和健康人群的血清标本,获取代谢轮廓.对数据进行主成分分析(PCA)和正交偏最小二乘判别分析(OPLS-DA),用各组病例的80%作为训练数据构建疾病的OPLS-DA区分模型,以剩余的20%作为检测数据,观察模型对...     

基于色谱和光谱数据融合的不同植物源食用油判别方法与模型

利用气相色谱和近红外光谱技术对不同植物源的4种食用油(葵花籽油、大豆油、玉米油和花生油)进行表征分析,基于表征数据分别建立了偏最小二乘判别分析(PLS-DA)模型,并在此基础上探究了数据级数据融合方法,构建了基于色谱和光谱数据融合的不同植物源食用油判别方法与模型。主成分分析(PCA)结果显示,气相色谱判别分析主要是依据脂肪酸组成信息,近红外光谱主要是基于样本中含氢化学键的表征进行分类。数据融合模型的灵敏度和特异度均为1000,分类误差为0000,降低了交互验证的平均分类误差,模型具有良好的稳健性。与基于单一数据的模型结果相比,数据融合分析策略提高了模型的分类精度和鲁棒性。     

核磁共振技术结合化学计量学方法用于蜂蜜的掺假鉴别

采用核磁共振技术(NMR)结合化学计量学分析手段研究了真蜂蜜和掺假蜂蜜的指纹图谱变化情况。采用无监督的主成分分析(PCA)和有监督的偏最小二乘判别分析(PLS-DA)、正交偏最小二乘判别分析(OPLS-DA)等多元统计分析方法从核磁信号中提取各组的分类信息。结果表明:建立的OPLS-DA模型能够区分真假蜂蜜,所建模型对蜂蜜真假判别的解释能力为90.5%,对未知样本的预测能力为75.5%、识别率为89.7%。置换测试验证表明,化学计量学模型具有很好的稳定性和预测性,可信赖性强,且模型稳健。通过OPLS-DA模型的载荷图和相关系数分析找到了对区分掺假蜂蜜有显著作用的标志物。结合相关系数分析,建立了辨别真假蜂蜜的多元线性回归方程。该方法可简单、快速地用于未知蜂蜜的掺假鉴别,为规范蜂蜜市场提供有利的依据。     

应用化学计量学和顶空-气相色谱质谱联用技术对7种植物油进行类别分析

采用静态顶空-气相色谱质谱联用技术对7种食用植物油(菜籽油、大豆油、花生油、棉籽油、玉米油、芝麻油、棕榈油)中易挥发成分进行了采集,应用化学计量学分析方法对各油种间易挥发成分的差异进行了评价。通过主成份分析、偏最小二乘判别分析等方法,建立了分类预测模型,分类模型训练和模型验证准确率均为100%,鉴定出了每种植物油的主要标志化合物,为建立植物油类别分析提供了强有力的手段。实验证明,根据植物油挥发性物质对不同种类的植物油进行分类和判别是可行的。     

气相色谱结合化学计量学用于6种食用植物油的分类

运用气相色谱法对6类植物油(大豆油、花生油、茶籽油、菜籽油、玉米油、橄榄油)的脂肪酸组成进行分析,构建植物油的指纹图谱,对植物油进行鉴别和分类。本工作采用遗传-偏最小二乘法(GA-PLS)筛选出7个有效特征变量作为输入变量,采用主成分分析法(PCA)和有监督模式识别法(径向基函数神经网络(RNF-ANN),线性判别分析(LDA)和最小二乘-支持向量机(LSSVM))进行建模分析。结果表明,PCA能够较好地区分六类植物油,而在植物油种类判别分析中,LDA的预报结果最佳。本文提出的方法能够准确直观地区分植物油种类,可用于食用植物油的鉴别和掺杂食用植物油的鉴定。     

基于分子相互作用力场分析的多氯代二苯并二嗯英定量结构-色谱保留关系

提出了基于分子相互作用力场（MIF）、应用偏最小二乘（PLS）与多区组偏最小二乘（MBPLS）分析相结合，建立并检验多氯代二苯并二嗯英（PCDD）定量结构一色谱保留关系（QSRR）模型的研究方法。分别以表征van der Waals、氢键和疏水效应的C3、H和DRY探针，计算75种PCDD的分子相互作用力场，并与其气相色谱Kovats保留指数进行PLS与MBPLS分析，建立了拟合与预测效果良好的QSRR模型。其中MBPLS模型相关系数r^2为0．998；交叉验证的相关系数q^2为0．994。采用投影变量重要性方法判断了各种效应在PCDD色谱保留中的贡献。结果表明：van der Waals作用的影响最大，其次为疏水效应，而氢键效应影响较小。     

基于气相色谱-飞行时间质谱技术的佐剂性关节炎大鼠尿液代谢组学的研究

采用弗氏完全佐剂(FCA)诱导佐剂性关节炎(AA)大鼠模型,观察大鼠足趾肿胀度和踝关节组织的病理学形态变化。应用气相色谱-飞行时间质谱(GC-TOF MS)技术检测AA大鼠尿液代谢物谱,并对数据进行主成分分析(PCA)、偏最小二乘法-判别分析(PLS-DA)及正交偏最小二乘法-判别分析(OPLS-DA),探讨可能的发病机制。通过变量重要性投影值(VIP>1)和P值(<0.05),筛选出尿液中的差异代谢物。在模型组大鼠的尿液中共发现异柠檬酸、α-酮戊二酸、柠康酸、肌酸、3-羟基丁酸等20种差异代谢物。推断AA代谢组学的发病机制可能与能量代谢、氨基酸代谢、脂肪酸代谢途径有关。     

近红外光谱法对头孢氨苄粉末药品的非破坏定量分析

采用近红外漫反射光谱法对头孢氨苄粉末药品中主要成分头孢氨苄进行快速、无损定量分析.采用偏最小二乘法建立近红外光谱信息与待测组分含量间的最佳数学校正模型.对3种光谱(SNV光谱、一阶导数、二阶导光谱)的预测结果进行了比较,讨论了光谱的预处理方法和主成分数对偏最小二乘法定量预测能力的影响,并对预测集样品进行预测.     

拉曼光谱法分析与鉴别不同精炼程度的石蜡

建立拉曼光谱法分析与鉴别不同精炼程度的石蜡。分别采用532 nm和633 nm波长的激光对全精炼、半精炼和粗石蜡进行拉曼光谱分析,并用化学计量学工具探索形成差异的关键因素。石蜡样品的谱峰在532 nm下的信号强度比633 nm的高,但无法以肉眼分辨不同精炼程度石蜡样品的谱图差别。按照不同激光波长将数据分组并进行主成分以及偏最小二乘法分析,可得到明显的判别,通过变量投影重要性分析得知石蜡样品中的碳氢键比碳碳键更易受激光波长的影响;按照不同精炼程度将数据分组并进行主成分及偏最小二乘法分析,发现无法区分全精炼与半精炼石蜡,但可在532 nm下区分粗石蜡与精炼石蜡,且可准确预测未知样品。通过变量投影重要性分析可推断:粗石蜡与精炼石蜡的不同在于醚、酮类含氧物质的含量差异。     

基于分子相互作用力场分析的多氯代二苯并二噁英定量结构-色谱保留关系

提出了基于分子相互作用力场(MIF)、应用偏最小二乘(PLS)与多区组偏最小二乘(MBPLS)分析相结合,建立并检验多氯代二苯并二噁英(PCDD)定量结构-色谱保留关系(QSRR)模型的研究方法。分别以表征van der Waals、氢键和疏水效应的C3、H和DRY探针,计算75种PCDD的分子相互作用力场,并与其气相色谱Kov偄ts保留指数进行PLS与MBPLS分析,建立了拟合与预测效果良好的QSRR模型。其中MBPLS模型相关系数r2为0.998;交叉验证的相关系数q2为0.994。采用投影变量重要性方法判断了各种效应在PCDD色谱保留中的贡献。结果表明:van der Waals作用的影响最大,其次为疏水效应,而氢键效应影响较小。     

基于代谢组学研究橙黄决明素对高脂血症大鼠的调脂作用

本文运用代谢组学的研究方法,考察橙黄决明素对高脂血症大鼠血液内源性代谢物的影响,并寻找相关生物标志物。采用高脂饲料喂养的方法建立高脂血症大鼠模型,给予橙黄决明素灌胃治疗。利用气相色谱-质谱(GC-MS)联用技术分析高脂血症大鼠血浆中的代谢物,并使用主成分分析、偏最小二乘-判别分析和随机森林算法,研究大鼠样本在造模前后及橙黄决明素治疗后血浆内源性代谢物的变化情况,结果得到丙氨酸、甘氨酸、L-缬氨酸、异亮氨酸、富马酸、丝氨酸、1,5-脱水山梨醇、亚油酸、硬脂酸和胆固醇10种潜在的生物标志物。研究表明橙黄决明素主要通过影响机体氨基酸及脂肪酸的代谢,从而产生较理想的调脂作用。     

近红外光谱方法预测生物柴油主要成分

采用近红外光谱快速测定法对生物柴油的成分(脂肪酸甲酯、单甘酯、二甘酯、三甘酯和甘油)进行了研究.采用气相色谱方法获得其成分的基础数据,通过偏最小二乘方法与近红外光谱数据进行回归运算,分别建立以文冠果油生物柴油为例的单原料油校正模型及多种原料油生物柴油的混合校正模型,并以花椒油生物柴油为例考察了校正模型的适用性.结果表明: 通过偏最小二乘方法可以建立适合多种原料油生物柴油的通用校正模型.对于新型生物柴油,向校正集中添加10个以上样本,扩充校正模型后,便可较为准确地测定这类新生物柴油样本的成分含量.此方法分析速度快、成本低、操作便捷、重复性好,适合于生物柴油生产过程的中间控制分析.     

基于料酒的三维同步荧光光谱模式识别研究

提出了一种应用同步荧光光谱技术无损快速鉴别料酒品牌的新方法.利用主成分分解法和小波变换法对料酒样品的同步荧光光谱信号进行了压缩处理,分别采用同步荧光光谱数据的第一主成分和小波细节系数为特征变量进行主成分分析和聚类分析,分类结果表明小波系数作为料酒的特征变量对料酒品牌分类正确率更高.利用偏最小二乘和径向基人工神经网络方法...     

阿卡波糖对Ⅱ型糖尿病大鼠尿液代谢轮廓的影响

采用超高效液相色谱-质谱联用(UPLC-MS/MS)方法研究了阿卡波糖对Ⅱ型糖尿病大鼠代谢轮廓的影响, 分析了健康组、 糖尿病模型组和糖尿病给予阿卡波糖组的大鼠尿样, 采用主成分分析法(PCA)和偏最小二乘法-判别分析(PLS-DA)对数据进行分析. PCA得分图表明, 健康组、 糖尿病组和阿卡波糖组的代谢轮廓有显著差别, 根据PLS-DA载荷图筛选, 将对各组分离贡献大的化合物的串联质谱分析数据经Human Metabolome Database(HMDB)和Mass Bank.jp等数据库检索, 进行质谱信息匹配, 鉴定出苯乙酰甘氨酸、 肌酐及葡萄糖酸等8种内源性代谢物为潜在生物标记物.     

近红外光谱与化学计量学方法用于镉污染稻米的定性鉴别

采用近红外光谱漫反射模式结合化学计量学方法对稻米镉含量是否超标进行可行性鉴别分析.本研究收集了120个样本,测定其镉含量值(合格49个,不合格71个).对光谱数据预处理方法优化,确定了平滑,一阶导数以及自归一化后的数据作为输入变量.采用竞争性自适应重加权算法筛选了45个关键变量,并对上述变量的光谱吸收带进行归属.比较了主成分分析-判别分析法、偏最小二乘识别分析、线性判别分析、K-最近邻法与簇类独立软模式法5种模式识别方法.确定采用偏最小二乘识别分析建模效果最好,模型训练集与预测集鉴别准确率分别达到98.8％与91.7％.结果表明,近红外光谱作为初筛方法可用于鉴别稻米中镉含量是否超标.     

基于LVs-LS-SVM近红外光谱检测柴油运动粘度的方法研究

为了研究不同光谱输入方法对柴油运动粘度预测模型的影响,本文对预处理后的柴油光谱进行主成分分析(PCA)得到的前6个主成分(PCs)、建立偏最小二乘(PLS)回归曲线选取有效波长(EWs)和运用偏最小二乘回归(PLSR)建模得到的14个潜变量(LVs),将三者分别输入至最小二乘支持向量机(LS-SVM),对结果进行比较分析表明:LVs-LS-SVM建模得到的结果为柴油运动粘度(R_(Pre)~2=0.839,RMSEP=0.317,RPD=1.54),优于EWs-LS-SVM和PCs-LS-SVM模型,为柴油参数测定便携式仪器的开发奠定基础。