食用油品质的好坏与人们的身体健康息息相关,由于利益驱使食用油的掺假以及以次充好现象层出不穷,本论文主要针对食用油市场的现状开展研究工作。分别采用了傅里叶变换光谱技术以及气相色谱-质谱联用技术,对食用油品质进行分析,结合不同的化学计量学算法对食用油的种类进行判别分析并对掺杂油进行类别检测以及对掺杂量进行定量分析。文章的具体内容包括以下几个部分:1、简要分析了目前食用油市场中食用油的掺假以及以次充好现象,明确了食用油品质分析的重要意义,简要介绍了目前国际上常用的食用油品质分析方法,着重介绍了光谱法、色谱法等重要的化学分析方法以及支持向量机、随机森林等几种重要的化学计量学算法。2、采用傅里叶变换红外光谱法(FT-IR)结合偏最小二乘判别分析(PLSDA)来鉴别橄榄油的真实性。针对红外光谱的样本少、变量多的问题,提出一种改进的蒙特卡洛无信息变量消除的变量筛选技术,并与无信息变量消除、连续投影算法、竞争性自适应重加权算法等进行对比。结果可知,改进的MC-UVE方法所选择的变量数目少并且信息含量高,用这些变量所建的PLSDA模型得到的训练集和预测集的分类准确率分别为97.6%和100%。该方法为橄榄油产品的质量监控与样品分析提供了一种有效的检测手段。3、利用气相色谱-质谱联用的分析方法分析测定大豆油、菜籽油、茶油、芝麻油、花生油和玉米油6种植物油的特征脂肪酸含量。然后通过支持向量机(SVM)结合遗传算法(GA)构建分类模型对6种植物油进行聚类和识别。作为对比,我们同时采用了传统的分类算法,如线性判别分析(LDA)、最小距离分类(MDC)。与LDA、MDC相比,GA-SVM能够有效区分不同种类的食用油。此外,为了进一步提高分类性能,我们采用了Kennard-Stone算法选择有代表性的训练集样本。结果表明,利用GC-MS技术结合GA-SVM和Kennard-Stone算法能够较好地进行植物油的聚类分析,该方法具有一定的可行性和应用价值。4、采用随机森林算法(RF)建立了橄榄油以及掺杂油的分类模型,并根据其相似性矩阵对分类结果可视化;根据随机森林中变量的重要性排序,探讨不同的变量数目对分析结果的影响。同时将RF的分类结果与目前广泛应用的PLSDA和SVM分类算法进行对比。此外,我们还分别采用了RF、PLS和SVM对掺杂有花生油和菜籽油的橄榄油做了定量分析。结果表明,傅里叶变换红外光谱结合随机森林算法能够有效地对橄榄油掺假进行鉴别和定量分析。