| 摘要 | 第4-5页 |
| 英文摘要 | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 常见植物油简介 | 第10-12页 |
| 1.1.1 橄榄油(Olive Oil) | 第10-11页 |
| 1.1.2 茶油(Tea-seed Oil) | 第11页 |
| 1.1.3 菜籽油(Rapeseed Oil) | 第11页 |
| 1.1.4 玉米油(Corn Oil) | 第11页 |
| 1.1.5 葵花籽油(Sunflower Oil) | 第11-12页 |
| 1.1.6 芝麻油(Sesame Oil) | 第12页 |
| 1.2 植物油中的主要成分 | 第12-14页 |
| 1.2.1 脂肪酸 | 第12页 |
| 1.2.2 微量物质 | 第12-14页 |
| 1.3 植物油脂肪酸成分的常见分析方法和应用现状 | 第14-15页 |
| 1.3.1 检测手段 | 第14-15页 |
| 1.3.2 化学计量学算法的应用 | 第15页 |
| 1.4 本论文的目的和主要研究内容 | 第15-17页 |
| 第2章 GC-MS用于植物油中脂肪酸成分的定性定量分析 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 样品、仪器与试剂 | 第17-18页 |
| 2.2.1 样品 | 第17页 |
| 2.2.2 仪器设备 | 第17-18页 |
| 2.2.3 主要试剂 | 第18页 |
| 2.3 实验部分 | 第18-19页 |
| 2.3.1 脂肪酸成分的衍生及提取 | 第18页 |
| 2.3.2 气相色谱-质谱(GC-MS)分析条件 | 第18-19页 |
| 2.3.3 方法学考察 | 第19页 |
| 2.4 六类植物油的脂肪酸总离子流图 | 第19-21页 |
| 2.5 植物油中脂肪酸成分的定性定量分析 | 第21-25页 |
| 2.5.1 定性分析 | 第21-23页 |
| 2.5.2 定量分析 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 化学计量学算法用于食用植物油的聚类分析 | 第26-36页 |
| 3.1 引言 | 第26页 |
| 3.2 理论部分 | 第26-29页 |
| 3.2.1 自标度化(Autoscaling) | 第26-27页 |
| 3.2.2 主成分分析(Principal Component Analysis,PCA) | 第27页 |
| 3.2.3 随机森林分类算法(Random Forest,RF) | 第27-29页 |
| 3.3 结果与讨论 | 第29-34页 |
| 3.3.1 植物油脂肪酸成分的主成分分析 | 第29-30页 |
| 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 | 第30-33页 |
| 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 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 基于拉曼光谱的植物油脂肪酸成分分析 | 第36-52页 |
| 4.1 引言 | 第36页 |
| 4.2 理论背景 | 第36-40页 |
| 4.2.1 Kennard-Stone样本划分算法 | 第36-37页 |
| 4.2.2 Savitsky-Golay平滑算法 | 第37-38页 |
| 4.2.3 airPLS背景扣除算法 | 第38-40页 |
| 4.2.4 PLS回归算法 | 第40页 |
| 4.3 实验部分 | 第40-41页 |
| 4.3.1 样本 | 第40-41页 |
| 4.3.2 实验设备 | 第41页 |
| 4.4 定性分析流程图 | 第41页 |
| 4.5 模型评价 | 第41-42页 |
| 4.6 结果与讨论 | 第42-50页 |
| 4.6.1 拉曼光谱的获取 | 第42-43页 |
| 4.6.2 拉曼光谱预处理 | 第43-45页 |
| 4.6.3 Kennard-Stone法选取校正集和预测集 | 第45页 |
| 4.6.4 MUFA定量分析模型的建立和预测 | 第45-48页 |
| 4.6.5 PUFA定量分析模型的建立和预测 | 第48-50页 |
| 4.7 本章小结 | 第50-52页 |
| 第5章 结论与展望 | 第52-54页 |
| 5.1 本文主要结论 | 第52-53页 |
| 5.2 前景展望 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 攻读硕士学位期间主要研究成果 | 第60-61页 |
| 致谢 | 第61页 |
