以清香型汾酒为研究对象,采用气相色谱/质谱联用方法,分析了汾酒中的主要香味成分,利用Steric and Electronic Descriptors(SEDs)建立了预测香味成分的定量结构-色谱保留相关模型,发现汾酒中主要香味成分酯、醇、酸、醚、烃、醛、酮的...以清香型汾酒为研究对象,采用气相色谱/质谱联用方法,分析了汾酒中的主要香味成分,利用Steric and Electronic Descriptors(SEDs)建立了预测香味成分的定量结构-色谱保留相关模型,发现汾酒中主要香味成分酯、醇、酸、醚、烃、醛、酮的保留时间分别与不同的SEDs参数有良好的相关性,建模相关系数分别为酯R=0.991、醇R=0.995、酸R=0.995、醚和烃R=0.995、醛酮R=0.969,留一法交互检验(Leave-one-out,Loo)相关系数分别为酯RLoo=0.986、醇RLoo=0.986、酸RLoo=0.991、醚和烃RLoo=0.944、醛酮RLoo=0.932。结果表明,所建模型具有良好的稳定性和预测能力,为白酒中香味成分的分离检测提供了有效的理论依据。展开更多
目的建立预测中草药挥发油成分保留指数的定量结构-色谱保留相关模型。方法以金银花挥发油为研究对象,用Steric and Electronic Descriptors(SEDs)参数表征其分子结构,采用SPSS进行逐步回归分析,建立相关模型,并用留一法对模型交互检验...目的建立预测中草药挥发油成分保留指数的定量结构-色谱保留相关模型。方法以金银花挥发油为研究对象,用Steric and Electronic Descriptors(SEDs)参数表征其分子结构,采用SPSS进行逐步回归分析,建立相关模型,并用留一法对模型交互检验评价模型的预测能力和稳定性。结果金银花挥发油成分的保留指数与建模时筛选的SEDs参数有良好的相关性,建模相关系数均大于0.907;留一法交互检验相关系数与建模相关系数接近,均大于0.896。结论所建模型具有良好的稳定性和预测能力,为中草药挥发油成分的分离检测提供有效的理论依据。展开更多
采用人工神经网络(Artificial Neural Network,ANN)中的误差反向传播(Error Back Propagation,BP)神经网络分别建立了35种香水百合头香成分的三种结构与色谱保值之间的定量关系模型,其中两个为一维定量模型(分别是结构与色谱保留时间一...采用人工神经网络(Artificial Neural Network,ANN)中的误差反向传播(Error Back Propagation,BP)神经网络分别建立了35种香水百合头香成分的三种结构与色谱保值之间的定量关系模型,其中两个为一维定量模型(分别是结构与色谱保留时间一维定量模型、结构与Kovats保留指数一维定量模型),另一个为二维定量模型(结构与保留时间和Kovats保留指数同时预测的二维定量模型).以量子化学参数作为网络输入、以保留时间和Kovats保留指数作为输出,采用内外双重验证的办法分析和检验所得模型的稳定性.结果表明,BP-ANN模型稳健性与多元线性回归(Multiple Linear Regression,MLR)模型相当,但外部预测集拟合效果BP-ANN优于MLR.另外,BP-ANN构建的一维和二维模型相当,而二维模型更加节省时间.展开更多
文摘以清香型汾酒为研究对象,采用气相色谱/质谱联用方法,分析了汾酒中的主要香味成分,利用Steric and Electronic Descriptors(SEDs)建立了预测香味成分的定量结构-色谱保留相关模型,发现汾酒中主要香味成分酯、醇、酸、醚、烃、醛、酮的保留时间分别与不同的SEDs参数有良好的相关性,建模相关系数分别为酯R=0.991、醇R=0.995、酸R=0.995、醚和烃R=0.995、醛酮R=0.969,留一法交互检验(Leave-one-out,Loo)相关系数分别为酯RLoo=0.986、醇RLoo=0.986、酸RLoo=0.991、醚和烃RLoo=0.944、醛酮RLoo=0.932。结果表明,所建模型具有良好的稳定性和预测能力,为白酒中香味成分的分离检测提供了有效的理论依据。
文摘目的建立预测中草药挥发油成分保留指数的定量结构-色谱保留相关模型。方法以金银花挥发油为研究对象,用Steric and Electronic Descriptors(SEDs)参数表征其分子结构,采用SPSS进行逐步回归分析,建立相关模型,并用留一法对模型交互检验评价模型的预测能力和稳定性。结果金银花挥发油成分的保留指数与建模时筛选的SEDs参数有良好的相关性,建模相关系数均大于0.907;留一法交互检验相关系数与建模相关系数接近,均大于0.896。结论所建模型具有良好的稳定性和预测能力,为中草药挥发油成分的分离检测提供有效的理论依据。
文摘采用人工神经网络(Artificial Neural Network,ANN)中的误差反向传播(Error Back Propagation,BP)神经网络分别建立了35种香水百合头香成分的三种结构与色谱保值之间的定量关系模型,其中两个为一维定量模型(分别是结构与色谱保留时间一维定量模型、结构与Kovats保留指数一维定量模型),另一个为二维定量模型(结构与保留时间和Kovats保留指数同时预测的二维定量模型).以量子化学参数作为网络输入、以保留时间和Kovats保留指数作为输出,采用内外双重验证的办法分析和检验所得模型的稳定性.结果表明,BP-ANN模型稳健性与多元线性回归(Multiple Linear Regression,MLR)模型相当,但外部预测集拟合效果BP-ANN优于MLR.另外,BP-ANN构建的一维和二维模型相当,而二维模型更加节省时间.
