声明
摘要
第1章 绪论
1.1 常见植物油简介
1.1.1 橄榄油(Olive Oil)
1.1.2 茶油(Tea-seed Oil)
1.1.3 菜籽油(Rapeseed Oil)
1.1.4 玉米油(Corn Oil)
1.1.5 葵花籽油(Sunflower Oil)
1.1.6 芝麻油(Sesame Oil)
1.2 植物油中的主要成分
1.2.1 脂肪酸
1.2.2 微量物质
1.3 植物油脂肪酸成分的常见分析方法和应用现状
1.3.1 检测手段
1.3.2 化学计量学算法的应用
1.4 本论文的目的和主要研究内容
第2章 GC-MS用于植物油中脂肪酸成分的定性定量分析
2.1 引言
2.2 样品、仪器与试剂
2.2.1 样品
2.2.2 仪器设备
2.2.3 主要试剂
2.3 实验部分
2.3.1 脂肪酸成分的衍生及提取
2.3.2 气相色谱-质谱(GC-MS)分析条件
2.3.3 方法学考察
2.4 六类植物油的脂肪酸总离子流图
2.5 植物油中脂肪酸成分的定性定量分析
2.5.1 定性分析
2.5.2 定量分析
2.6 本章小结
第3章 化学计量学算法用于食用植物油的聚类分析
3.1 引言
3.2 理论部分
3.2.1 自标度化(Autoscaling)
3.2.2 主成分分析(Principal Component Analysis,PCA)
3.2.3 随机森林分类算法(Random Forest,RF)
3.3 结果与讨论
3.3.1 植物油脂肪酸成分的主成分分析
3.3.2 无监督随机森林算法对植物油进行模式识别并筛选优质植物油
3.3.3 无监督随机森林算法用于评价植物油脂肪酸变量的重要性
3.4 本章小结
第4章 基于拉曼光谱的植物油脂肪酸成分分析
4.1 引言
4.2 理论背景
4.2.1 Kennard-Stone样本划分算法
4.2.2 Savitsky-Golay平滑算法
4.2.3 airPLS背景扣除算法
4.2.4 PLS回归算法
4.3 实验部分
4.3.1 样本
4.3.2 实验设备
4.4 定量分析流程图
4.5 模型评价
4.6 结果与讨论
4.6.1 拉曼光谱的获取
4.6.2 拉曼光谱预处理
4.6.3 Kennard-Stone法选取校正集和预测集
4.6.4 MUFA定量分析模型的建立和预测
4.6.5 PUFA定量分析模型的建立和预测
4.7 本章小结
第5章 结论与展望
5.1 本文主要结论
5.2 前景展望
参考文献
攻读硕士学位期间主要研究成果
致谢