摘要:測定了12種植物油(共計196個樣品)的脂肪酸組成和含量，探討了利用植物油脂肪酸的指標對不同種類的植物油進行分類和判別的可能性。利用SPSS22.0統計軟件進行主成分分析、系統聚類、平均值聚類和判別分析。結果表明：12種植物油的主要共有組成為油酸(15.635%~66.569%)和亞油酸(10.521%~58.227%)，其中棉籽油(16.285%)中單不飽和脂肪酸含量最低，橄欖油(67.628%)中單不飽和脂肪酸含量最高;橄欖油(11.284%)中多不飽和脂肪酸含量最低，核桃油(67.167%)中多不飽和脂肪酸含量最高;12種植物油中不飽和度最小為棉籽油3.235，最大為低芥酸菜籽油14.672。主成分分析降維得到個主成分，利用主成分分析數據，依次進行聚類分析和判別分析，系統聚類和平均值聚類結果一致，可對12種植物油聚類區別，通過判別分析建立了個典則判別函數，對不同植物油的分類和判別的效果良好。

　　關鍵詞：植物油;主成分分析;聚類分析;判別分析

　　食用植物油是人們膳食結構中不可或缺的重要組成部分。脂肪酸是植物油中最重要的質量指標之一[1]，不同植物油的脂肪酸種類和含量存在差異，其營養價值和市場價格也有很大差別。不法廠商為了謀求高額利潤，侵害消費者權益和健康，以廉價的植物油充當優質植物油，影響食用植物油的質量和安全。

　　食用植物油論文范例： 馬鈴薯煎炸過程中食用油穩定性的研究

　　化學計量學是多元數據處理、提取復雜體系中隱藏信息不可或缺的工具，因此被越來越多地應用于數據挖掘和分類，如陳通等[2]基于GCMS三維譜中對應揮發性有機物質的特征峰強度進行主成分信息降維，采用最近鄰算法建立植物油種類的判別模型，訓練集的識別率達到100%;蔣萬楓等[3]以種植物油的易揮發成分為指標，通過主成份分析、偏最小二乘判別分析，建立了分類預測模型。

　　分類模型訓練和模型驗證準確率均為100%;張方圓等[1]對種植物油脂肪酸數據處理，采用遺傳偏最小二乘法、主成分分析法、線性判別分析和最小二乘支持向量機進行建模分析，結果表明，主成分分析法能夠較好地區分六類植物油，而在植物油種類判別分析中，線性判別分析的預報結果最佳。目前，尚未見到以12種食用植物油脂肪酸為指標進行主成分分析、系統聚類、平均值聚類和判別分析的研究。

　　本文采用氣相色譜法對12種植物油(棉籽油、大豆油、芝麻油、亞麻籽油、核桃油、葵花籽油、橄欖油、一般菜籽油、低芥酸菜籽油、花生油、花椒油、玉米胚芽油)的脂肪酸組成進行分析，利用峰面積歸一化法進行定量，采用主成分分析通過對原始變量不同權重的提取組建新的變量從而以全新的角度觀察樣品，利用主成分分析數據，依次進行系統聚類、平均值聚類和判別分析，建立判別函數，有效鑒別食用油的種類，旨在為食用油的摻雜摻假問題提供參考。

　　1材料與方法

　　1.1儀器、試劑與材料

　　Clarus600氣相色譜儀，配備氫火焰離子化檢測器;37種脂肪酸甲酯混合標準品;氫氧化鉀、甲醇均為分析純;12種食用植物油均購自甘肅省蘭州市超市，于～℃的條件下保存備用。

　　1.2實驗方法

　　1.2.1實驗前處理按照GB5009.168—2016[4]處理：稱取試樣60.0mg至具塞試管中，加入mL異辛烷溶解試樣，必要時可以微熱使試樣溶解后加200μL2%氫氧化鉀甲醇溶液蓋上玻璃塞猛烈振搖30s后靜置至澄清。加入約1g硫酸氫鈉，猛烈振搖，中和氫氧化鉀。待鹽沉淀后，將上層溶液移至進樣小瓶中，待測。

　　1.2.2氣相色譜條件色譜柱：HP88毛細管柱(100m×0.250mm×0.20μm);程序升溫：120℃保持min，以10℃/min升至175℃，保持10min，以℃/min升至210℃，保持min，再以℃/min升至230℃，保持25min;進樣口溫度：250℃;載氣：高純氮氣(純度≥99.999%)，分流比為100:1，流速為1.0mL/min;FID檢測器溫度：300℃;進樣量：1.0μL。

　　1.2.3數據處理將樣品氣相色譜圖的保留時間與37種脂肪酸甲酯標準品色譜圖進行對比，確認樣品為脂肪酸甲酯。定量分析植物油樣品中各脂肪酸甲酯的含量，采用面積歸一化法，依據峰面積計算各種脂肪酸甲酯的相對百分含量。再利用SPSS22.0統計軟件進行主成分分析、系統聚類、平均值聚類及判別分析。

　　2結果與討論

　　2.1定性與定量分析

　　對12種植物油(共計196個樣品)進行氣相色譜分析，每一個樣品平行測定次，以保留時間定性，用面積歸一化法定量，最終數據取實測每種食用植物油樣品(花生油18個、玉米胚芽油個、鮮花椒油個、葵花籽油18個、大豆油19個、芝麻油18個、低芥酸菜籽油18個、核桃油16個、亞麻籽油18個、橄欖油18個、棉籽油17個、一般菜籽油18個)的平均值標準偏差。

　　應用SPSS22.0軟件通過主成分分析得到的個主成分作為判別分析的自變量，平均值聚類中得到的聚類號作為判別分析的分組變量，進行判別模型的擬合，數據輸出得到規范判別函數特征值，其中累計方差貢獻率100%，表明個主成分所得到的模型數據能夠對12種植物油進行判別。

　　依據標準規范判別式函數系數，得到個典則判別式函數，其標準規范判別式函數系數，第一個判別函數解釋了91.4%的方差，第二判別函數解釋了8.0%的方差，第三判別函數解釋了0.7%的方差，三個判別函數解釋了全部方差，其判別函數見函數1、函數2、函數3。

　　可知顯著性<0.05，說明在0.05的顯著性水平下有理由拒絕原假設。到表示沒有函數被移去，拒絕原假設，表明兩個判別函數能將各組樣品分開;到表示沒有函數被移去，拒絕原假設，表明兩個判別函數能將各組樣品分開;表示排除了第一個判別函數和第二個判別函數后的顯著性檢驗，拒絕原假設，第三個判別函數也能將各組樣品分開。

　　利用得到的個典則判別函數對12種植物油樣品進行驗證判別，交叉驗證結果可將12種食用動物油區分開，且對應的驗證準確度為100%。故可用典則判別函數、函數、函數對12種植物油的未知油脂樣品進行分析判別。

　　3結論

　　采用氣相色譜法測定了12種食用植物油(棉籽油、大豆油、芝麻油、亞麻籽油、核桃油、葵花籽油、橄欖油、一般菜籽油、低芥酸菜籽油、花生油、花椒油、玉米胚芽油)的脂肪酸成分和含量，應用SPSS22.0數據分析軟件進行數據處理，系統聚類、平均值聚類結果與主成分分析結果一致，12種植物油肪酸成分具有明顯差異，最終通過判別分析建立了個典則判別函數，不同植物油的分類和判別的效果良好。據植物油脂肪酸的指標對不同種類的植物油進行分類和判別是可行的，為食用植物油類型判別提供參考。

　　參考文獻：

　　[1]張方圓吳凌濤林晨等氣相色譜結合化學計量學用于種食用植物油的分類[J].分析試驗室,2016,35(11):12541258 ZHANGFY,WULT,LINC,etal.Classificationof6ediblevegetableoilsbygaschromatographycombinedwithchemometrics[J].ChineseJournalofAnalysisLaboratory,2016,35(11):12541258

　　[2]陳通陸道禮陳斌.GCIMS技術結合化學計量學方法在食用植物油分類中的應用[J].分析測試學報,2017,36(10):12351239CHENT,LUDL,CHENB.ApplicationofHeadspace/GasChromatography-TandemIonMobilitySpectrometrywithChemometricsinClassificationofEdibleVegetableOils[J].JournalofInstrumentalAnalysis,2017,36(10):12351239

　　[3]蔣萬楓楊釗張鳳艷等應用化學計量學和頂空氣相色譜質譜聯用技術對種植物油進行類別分析[J].分析試驗室,2017,36(6):732737JIANGWF,YANGZ,ZHANGFY,etal.Categoryanalysisforsevenkindsofvegetableoilsbychemometricsandheadspacegaschromatographymassspectrometry[J].ChineseJournalofAnalysisLaboratory,2017,36(6):732737

　　作者：雷春妮王波解迎雙孫苗苗齊安安