人工神经网络用于直接化学电离质谱分析食用油品质的研究.pdfVIP

第39卷 分析化学(FENⅪHUAXUE)研究报告 第ll期 CllineseJoumalof 1665～1669 2011年11月 AIlalytical Chemis竹 DOI：lO．3724／SP．J．1096．20l1．01665 人工神经网络用于直接化学电离质谱分析食用油品质的研究 周志权1 张婷婷1 贾滨2 欧阳永中2 方小伟2 陈焕文Ⅵ -(哈尔滨工业大学(威海)信息工程研究所，威海264209) 2(江西省质谱科学与仪器重点实验室，东华理工大学，南昌330013) 摘要无需任何样品预处理，采用表面解吸常压化学电离质谱(DAPcl—Ms)技术直接对涂覆在载玻片表面 的食用油样品和地沟油样品进行检测，快速获得了不同油类样品的质谱信号；并运用改进的反向传输(BP)人 工神经网络对DAPC卜MS所得到的油类样品质谱数据进行有监督的分类识别，建立多分组预测模型。结果表 明：DAPcI—Ms能够承受食用油中复杂基体的影响，可对油类样品进行直接快速质谱分析；误差反转(BP)神 经网络具有良好的分类判别能力，对食用油样品质谱数据识别效果比较理想，能够在对地沟油和非地沟油样 品进行有效区分的同时，实现对不同品种的食用油的分离及分类判别。本方法分析速度快。信息提取准确。识 别精度高，对快速质谱技术结合神经网络在该领域的应用以及食用油品质的快速鉴定具有重要的借鉴意义。 关键词表面解吸常压化学电离；质谱；反向传输人工神经网络；食用油；地沟油 1 引 言 近年来，“地沟油”成为了人们关注的热点之一。“地沟油”因受污染、变质等原因产生的黄曲霉素等 有害物质会导致腹泻、腹痛等疾病，甚至诱发癌变“l。因此，对地沟油进行快速检测和识别具有重要意 义。常规地沟油检测主要有水分含量测定法、酸价测定法、胆固醇含量测定法、近红外光谱法、电导率与 极性物质测定法、重金属含量测定法【I埘。上述方法操作较为复杂，费时费力，并且由于主要针对地沟油 中的特殊成分进行检测，无法对合法食用油类(如大豆油、花生油等)进行识别。 一 表面解吸常压化学电离质谱(DACPI—MS)技术无需有毒化学试剂，即可对样品完成无刨、无污染的 检测，在食品安全领域具有独特优势刚。人工神经网络现已成为解决化学问题的重要化学计量学手 段，其中反向传输(BP)人工神经网络是目前应用最广泛的神经网络模型之一刚。目前已有大量近红外 光谱与神经网络结合的分组预测模型的成功应用的报道m】，但质谱与神经网络结合的分析识别应用的 报道鲜见。 本研究采用咖卜Ms技术对地沟油和3种主要食用油类(大豆油、花生油和油菜籽油)进行快速质 谱分析，同时利用改进的BP神经网络作为识别模型，实现了对DAPC卜MS所得到的油类样品质谱数据的 自动辨识。本方法分析速度快、信息提取准确、识别精度高，对油类样品质谱数据具有较好的识别效果。 2基本理论 标准的BP算法使用最速梯度下降法进行误差调整，其权值的修正是沿着误差性能函数梯度的反 方向进行的： z(七+1)=z(最)一昭(走) (1) 其中，z(是)为第愚次迭代各层之间的连接权向量或阈值向量；口为学习速率；g(志)一等≥等为第是次迭 代的神经网络输出误差对各个权值或阈值的梯度向量。由于BP神经网络的隐层采用sigmoid型传输 函数，在输入量很大或很小时。输出函数的斜率趋近于零。因此在权值和阈值距离最佳值甚远时，权值 和阈值的修正量也很小。所以标准的BP算法存在收敛速度慢，训练时间长等不足【9叫n。 2010_12一12收稿；20ll—04．18接受 本文