顶空-气相色谱-质谱联用法结合化学计量学 分析赣州烤烟样品中的挥发性化合物
TS201; [目的]挥发性香气成分作为烟气组分的前体物质,影响着烟草感官评吸质量,通过对赣州烤烟样品中的挥发性化合物含量进行分析,挖掘不同产地烟叶中挥发性化合物的含量规律并进行产地预报分类,从而实现对烟草的质量控制.[方法]通过静态顶空-气相色谱-质谱联用测定赣州6个产烟区县(石城、瑞金、安远、会昌、兴国、信丰)共62个烤烟样品中的54种挥发性化合物含量,采用主成分分析(Principal component analysis,PCA)对样品产地进行分类,用遗传算法(Genetic algorithm,GA)进行变量筛选,用线性判别分析(Linear discriminant analysi...
Saved in:
Published in | 广东农业科学 Vol. 46; no. 4; pp. 130 - 137 |
---|---|
Main Authors | , , , , , , |
Format | Journal Article |
Language | Chinese |
Published |
江西省烟草科学研究所,江西 南昌,330000%甘肃省环境监测中心站,甘肃 兰州,730020%浙江大学农生环测试中心,浙江 杭州,310058%泸州市环境监测中心站,四川 泸州,646000
2019
|
Subjects | |
Online Access | Get full text |
Cover
Loading…
Summary: | TS201; [目的]挥发性香气成分作为烟气组分的前体物质,影响着烟草感官评吸质量,通过对赣州烤烟样品中的挥发性化合物含量进行分析,挖掘不同产地烟叶中挥发性化合物的含量规律并进行产地预报分类,从而实现对烟草的质量控制.[方法]通过静态顶空-气相色谱-质谱联用测定赣州6个产烟区县(石城、瑞金、安远、会昌、兴国、信丰)共62个烤烟样品中的54种挥发性化合物含量,采用主成分分析(Principal component analysis,PCA)对样品产地进行分类,用遗传算法(Genetic algorithm,GA)进行变量筛选,用线性判别分析(Linear discriminant analysis,LDA)、反传-人工神经网络(Back propagation-artificial neural network,BP-ANN)、最小二乘-支持向量机(Least squares-support vector machines,LS-SVM)3种有监督模式识别方法进行产地预报.[结果]直接对样品进行PCA,分类效果并不理想;采用GA对挥发性化合物含量进行变量筛选后得到11个变量,分类效果得到显著改善,结合分类结果分析了来自不同区县的样品中挥发性化合物的含量规律.BP-ANN和LS-SVM的预报正确率分别达到96.8% 和98.4%,展现了较好的实际使用价值,据此建立了赣州烤烟样品的产地鉴别模型.[结论]该方法可以较为准确地判定赣州烤烟样品的来源,同时可以找到不同产地烤烟挥发性化合物的含量规律,亦可用于全国各地烤烟的香型风格监测和质量控制. |
---|---|
ISSN: | 1004-874X |
DOI: | 10.16768/j.issn.1004-874X.2019.04.019 |