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

作者：周志权; 张婷婷; 贾滨; 欧阳永中; 方小伟; 陈焕文

来源：分析化学, 2011, (11): 1665-1669.

• 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 Surface desorption atmospheric pressure chemical ionization
• Mass spectrometry
• Back propagation neural network
• Edible oil
• Hogwash oil

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...

• 单位
  哈尔滨工业大学(威海); 东华理工大学