白酒文献绪论.docxVIP

文献阅读2016.02.22-2016.02.251 文章名称：基于质谱与支持向量机的清香型白酒等级判别作者：程平言，范文来，徐岩单位：江南大学摘要：文中以牛栏山酒为例，研究清香型白酒质量等级鉴别方法。运用顶空固相微萃取质谱（HS-SPME-MS）技术获取三类不同等级的57个牛栏山酒样质荷比m/z55~191范围内的离子丰度值数据，分别进行偏最小二乘回归分析（PLS）和主成分回归分析（PCR），其中PLS模型的预测结果明显优于PCR。同时PLS与PCR模型的回归系数用于选择重要特征离子，其中PLS与PCR回归系数法分别选择了12和10个离子，用选择的离子变量构建支持向量机（SVM）模型，模型对测试集的预测准确率分别为80%和86.7%，其中PCR回归系数法选择的特征离子为m/z 71、103、104、106、127、149、161、179、183和184。思路：偏最小二乘回归分析（PLS）酒样——检测数据——主成分回归分析（PCR）提取重要特征例子——构建支持向量机（SVM）模型——三种模型对比2 文章名称：基于质谱与化学计量学的浓香型白酒等级鉴别作者：程平言，范文来，徐岩单位：江南大学摘要：不同等级白酒的鉴别对控制白酒质量和保护消费者权益有重要意义，运用顶空固相微萃取质谱( HSSPME-MS) 技术获取3 个不同等级的120 个洋河大曲酒样质荷比m/z 55 ～ 191 范围内的离子丰度值数据，结合偏最小二乘-判别分析和逐步线性判别分析法筛选出14 个重要特征离子，且交叉验证的预测准确率达100%; 然后将筛选出的14 个特征离子作网络输入层，酒样的不同等级做网络输出层，构建神经网络等级鉴别模型，其在± 0. 3的误差范围内，预测准确率达100%，实现了白酒等级的数字化鉴别。思路：偏最小二乘回归分析（PLS）酒样——检测数据——逐步线性判别（SLDA）提取重要特征例子——构建神经网络（BP）模型3 文章名称：基于质谱与化学计量学的白酒原产地鉴定作者：程平言，范文来，徐岩单位：江南大学摘要：不同白酒原产地的鉴定对控制白酒质量和保护消费者利益有重要意义。采用顶空固相微萃取与质谱联用技术获取不同香型和产地的131个白酒酒样在M/Z 55~191范围内的离子丰度数据，结合偏最小二乘－判别分析和逐步线性判别分析法筛选出27个重要特征离子，交叉验证的原产地预测准确率达99.2%；然后用筛选出的27个特征离子构建反向传播（BP）神经网络模型和支持向量机（SVM）模型，其原产地预测准确率分别达96.2%和97.7%。其中BP网络的最优参数组合为传递函数logsig、训练函数trainlm、隐藏层神经元数８；而SVM 的最优核参数g和惩罚因子c值分别为2和0.125，从参数优化过程及原产地预测准确率可看出，SVM模型对原产地的鉴定效果明显优于BP网络模型思路：偏最小二乘回归分析（PLS）酒样——检测数据——逐步线性判别（SLDA）神经网络（BP）模型提取重要特征例子——支持向量机（SVM）模型4文章名称：利用HS-SPME/GC/MS分析浓香型窖池挥发物质作者： Rongqing Zhou单位：四川大学利用HS-SPME/GC/MS研究浓香型白酒窖池中窖泥，糟醅，黄水的挥发性物质，对比窖池的不同位置（窖面，窖中，窖底）和不同窖龄（2年，10年，40年）。思路：主成分分析（PCA）酒样——检测数据——偏最小二乘回归分析（PLS）结论：利用HS-SPME/GC/MS对挥发性物质进行检测，利用PCA和PLS可以对不同位置进行区分，但是对不同窖龄区分不明显。微生物菌群结构对风味物质影响很大。文献阅读2016.02.26-2016.03.251 基于香气成分组成的大曲类别鉴别方法作者：林琳，罗汝叶，杨婧，陈良强，杨帆，汪地强，王莉单位：贵州茅台股份有限公司摘要：以高温大曲为研究对象，以开发建立顶空固相微萃取结合气相色谱质谱联用技术分析大曲香气物质组成的方法为基础构建大曲分类识别模型，实现了不同类别高温大曲的有效区分。思路：经感官评价分类的高温大曲——HS-SPME-GC/MS检测香气成分——大曲样品香气成分的分析——建立大曲类别鉴别模型结论：本研究以高温大曲(生产用曲、出仓黄曲及出仓白曲)为研究对象，在开发建立了顶空固相微萃取结合气相色谱质谱联用技术分析大曲香气成分方法的基础上构建大曲识别模型，实现了不同类别高温大曲的有效区分问题：参考文献没有插入2特香型白酒酿造工艺分析作者：章肇敏，吴生文单位：四特酒有限责任公司特香型：“浓头酱尾清中间”、“三香具备尤不靠”工艺介绍：3基于数据挖掘的葡萄酒质量识别_林翠香作者：林翠香许青松单位：中南大学第三章：常用数据挖掘方法理论概述3.1分类与回归什么是回归分析？回归分析是一种预测性的建模技术，它研究的是因变量（