化学计量学在食品工业中应用.docVIP

化学计量学在食品工业中应用 　　摘要：本文首先对于化学计量学进行了简单的介绍，在这样的基础之上分析了在食品分析中非常常用的化学计量学的方式，并子啊最后对于化学计量学方法具体的在食品工业中的应用方式给洗更为详尽的论述。 　　关键词：化学计量学 食品工业 食品分析 　　中图分类号：TS201 文献标识码：A 文章编号：1672-5336（2014）22-0064-02 　　在20世纪70年代便已经有了化学计量，其最先被S.Wold（瑞典化学家）来提出，我国化学计量起步较晚，直到80年代初期才开始起步，现阶段其已经成为独立的化学分科，在国际上已经颇具影响力。到目前为止，其已经发展成为分析信息与分析采样、化学实验设计与优化以及信号处理、数据库检索、计算机数字模拟法以及人工智能等比较热点的研究。现阶段计算机科学、统计方法以及应用数学更加深入的应用在化学应用中，在化学的各个领域中，化学计量方法以及理论有着广泛的应用。 　　1食品分析中常用的化学计量方法 　　现阶段化学计量学的发展更加深入，在食品领域中，化学计量学的应用在进行食品中较为复杂的有机成分数据检测的处理更为广泛，含有的为偏最小二乘法、主成分的分析、判别分析以及聚类分析等得到人们的重视，化学计量的其他方法例如有多远线性回归、人工神经网络以及单类成分判别分析法等在食品工业也是具有重要的应用。 　　1.1 主成分分析法 　　主要成分分析就是指一种数据压缩技术，其在多元统计中存在，是通过最优的方法来使得矩阵中的信息得以浓缩综合测量，这样简化了数据，使得相关的维数得以降低，对于可以李彤原始变量线性组成的新变量进行寻找，并且利用这些对于数据测量的内部结构特征有揭示作用的数据来实现更为准确和简单的分析。 　　1.2 偏最小二乘法 　　偏最小二乘法指的是一种多因变量针对多自变量的对建模进行回归的方法，其是以因子分析为基础的多变量校正方法，不仅要对自变量进行考虑，还要岁因变量的作用多家考虑，并且利用对各自空间内的因子进行折衷，进而让模型能够对自变量和因变量进行更好的同时描述。 　　1.3 聚类分析法 　　所谓聚类分析就是以“物以类聚”的原则为依据，来完成对特性相近的变量和观察单位的归类工作，系统聚类法、自组织神经网络以及k均值聚类法等都是聚类分析中常用的方法。 　　1.4 判别分析 　　判别分析将已知研究对象进行多个类型的分类，而且对于多种类型的已知样品所进行观测量的数据进行获得，从而根据准则来建立判别式，接着便是对于未知类型的样品进行分析和判别。判别分析法主要有人工神经网络、K-最邻近法、支持向量机、有线性判别等。BP人工神经网络是当前多种算法中应用最多的。SVM则是以以通机械系理论结构风险的最小化这一原则为基准，其对于原始变量向高维空间的投射则是通过一定的非线性映射方法来完成的，接着对样品来分类。这使得SVM对于ANN中有的局部最小以及拟合等问题进行有效解决，进而得以广泛推广。 　　2 化学计量学的方法在食品分析里面的应用 　　2.1 对于食品营养成分分析里面的使用 　　分析食品中的营养成分主要就是针对食品中含有的氨基酸、水分、各种糖类以及维生素等成本进行定量的分析。近些年来，光谱法、色谱法等在食品里面进行了应用，特别是红外光谱的方法在粮油脂食品中的应用情况受到人们越来越多的关注，但是在进行红外光谱的检测中，在官能团吸收峰中是存在着相互重叠以及各种噪音的影响的，对于检测的结果会有一定的影响，不过在引入计量学以后就是可以消除这一部分背景的干扰，解析重叠波谱。在国内外的研究数据中显示，红外光谱数据的平滑滤噪以及二维数据中的重叠峰等问题，利用小波分析和化学计量学多元分辨技术来进行解决，是极为准确和方便的，这利于测量效果的定量以及定性。 　　2.2 在食品分类以及防伪分析里面的应用 　　由于食品本身的成分是非常的复杂的，一般会形成复杂的灰色甚至是黑色的体系，同时食品中的成分会受到食品种类、采集时间的差异以及产地的不同的影响。在加上食品的成分随着产地、采集时间以及食品种类具有很大的差异。这就使得食品分类以及对掺伪的分析成为难题。 　　化学计量学模式识别技术，使得食品的掺伪分析以及分类识别变得更加的科学课简便，此外，在食品分类识别、质量控制以及掺伪分析中有着有着广泛的应用，如单类成分判别分析法（SIMCA）、聚类分析（CA）、成分分析（PCA）人工神经网络（ANN）、聚类分析（CA）以及判别分析（DA）等。 　　例如郭延生等人采用的为主成分分析、简易分类算法以及对于偏最小乘法回归法的判别来进行了马铃薯可见近红外光谱校正的模型的建立，对于非转基因马铃薯以及转基因马铃薯来通过该种模式进行判别区分，可以达到100%的准确率，对于这些能对红外光谱进行标明的并同化学计量学