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
无需任何样品预处理,采用表面解吸常压化学电离质谱(DAPCI-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DAPCI-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.
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
39
TQ4;TM9
科技部创新方法专项基金2008IM040400;哈尔滨工业大学研究基金HITWHXB200803
2012-03-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
1665-1669