论文部分内容阅读
白酒的独特风味不同于其他蒸馏酒，由于地理环境、原料和酿造工艺设备的不同，形成了各具风味特色的香型白酒。本文运用顶空固相微萃取质谱（HS SPME MS）技术与化学计量学相结合的方法，实现不同香型、产地和等级白酒的数字化分类。主要研究内容如下：（1）运用HS SPME MS技术获取不同产地白酒的离子丰度值，结合偏最小二乘判别分析（PLS DA）、逐步线性判别分析（SLDA）和反向传播（BP）神经网络建立白酒原产地判别模型，其预测准确率为84.4%。其中PLS DA与SLDA分析选出36个重要离子作BP网络的输入层，不同酒样的原产地作输出层，网络的最优参数组合为：传递函数tansig、训练函数trainbfg、隐藏层神经元数5。运用偏最小二乘回归分析（PLS）、主成分回归分析（PCR）和支持向量机（SVM）建立产地判别模型，与BP网络相互验证，以保证预测结果的准确性。根据PLS与PCR回归系数分别选择17和16个重要离子，其中PCR回归系数法选择的重要离子所建SVM模型的最优核参数σ=1.414和惩罚因子c=32，预测准确率达87.5%。（2）收集不同香型（浓香和酱香）习酒的离子丰度值，结合PLS回归分析、BP神经网络和SVM建立香型判别模型，BP网络与SVM模型的预测准确率均为100%。其中PLS回归系数法选出7个重要离子作输入层，设定最优参数组合：tansig、trainlm、神经元数3，构建BP网络香型判别模型。同时用选出的重要离子构建SVM模型，与BP网络相互验证，设定最优参数σ=1，c=1.414。（3）获取浓香型洋河蓝色经典系列三类不同等级酒的离子丰度值，结合PLS DA、SLDA和BP网络建立浓香型白酒等级判别模型，预测准确率达100%。其中PLS DA与SLDA分析选出14个重要离子作输入层，酒样的不同等级作输出层，网络的最优参数组合为：tansig、trainbfg、神经元数4。运用PLS、PCR分析和SVM建立等级判别模型，与BP网络相互验证。根据PLS与PCR回归系数均选择13个重要离子，其中PLS回归系数法构建的SVM模型优于PCR回归系数法，此模型的最优参数σ=32，c=5.66，预测准确率达96.3%。（4）获取清香型牛栏山二锅头三类不同等级白酒的离子丰度值，结合PLS DA、SLDA和BP网络建立清香型白酒等级判别模型，预测准确率达93.3%。其中PLS DA与SLDA分析选出8个离子作输入层，网络的最优参数组合为：tansig、trainlm、神经元数2。运用PLS、PCR分析和SVM建立清香型等级判别模型，与BP网络相互验证。根据PLS和PCR回归系数分别选择12和10个离子，其中PCR回归系数法所建SVM模型优于PLS回归系数法，此模型的最优参数σ=11.314，c=2，预测准确率达86.7%。