[发明专利]分析多酚化合物氧化产物的人工神经网络及预测方法

说明书

本发明公开了一种分析多酚化合物氧化产物的人工神经网络，以氧化产物的溶液的L*值、a*值、b*值为输入值，多酚化合物的结构和特征吸收峰为输出值；公开了一种多酚化合物氧化产物的预测方法：建立多酚化合物溶液的多个浓度与多个浓度的氧化产物的溶液对应的多组L*值、a*值、b*值的线性关系；将待测样液多个浓度的L*值、a*值、b*值，以线性关系为模糊集，拟合得到拟合度高于预设限值的多组L*值、a*值、b*值；以拟合的多组L*值、a*值、b*值为人工神经网络输入值，得到多酚化合物的种类、多酚化合物的结构式、多酚化合物的特征吸收峰。本发明具有预测偏差小，稳定性和重复性高，时间短，效率高的有益效果。

技术领域

本发明涉及多酚化合物氧化产物分析领域。更具体地说，本发明涉及一种分析多酚化合物氧化产物的人工神经网络及预测方法。

背景技术

多酚是广泛存在于水果蔬菜中的一类具有多元酚羟基结构的植物次级代谢产物，果蔬在切分及加工过程中，组织细胞液泡中的酚类物质因组织细胞破碎接触到细胞质和质体中的多酚氧化酶，在氧分子参与的情况下被氧化成醌，醌类化合物再通过酶促或非酶作用发生耦合氧化反应形成棕褐色物质。多酚氧化形成的褐色氧化产物，结构复杂，种类多样，理化特性和生物活性还未知。同时多酚氧化褐变不仅严重改变制品的营养组成和品质，而且显著影响制品的感官品质和风味。因此对多酚氧化产物组成和结构的解析是充分挖掘果蔬加工制品品质改变及生理活性的前提。然而目前，多酚氧化褐变产物结构及其组成的研究尚处于起步阶段，需要精确分析多酚氧化物的特征组分及其含量，对其果蔬加工制品营养成分分析及其品质评价具有重要意义。

多酚氧化产物组成和结构分析的传统方法是样品经过提取、分离、纯化、制备，经过质谱、核磁共振等初步分析并鉴定。但是受到样品复杂程度和制备过程的的影响，该方法在多酚氧化产物的分析方面存在较大的偏差，稳定性和重复性得不到保障，而且时间长，效率低，成本高。根据一定条件下不同多酚化合物氧化产物呈色的特异性，通过多酚氧化产物浓度和褐变色泽数据库的构建，人工神经网络模型的建立，以及一定条件下样品表观色泽的改变，在模糊理论最大隶属度原则的基础上，提出多酚氧化褐变产物的基于官能团构成的预测分析方法。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种分析多酚化合物氧化产物的人工神经网络，为预测待测样液中主要引起褐变反应的多酚化合物的种类和结构提供便捷工具，还提供了一种多酚化合物氧化产物的预测方法，在多酚氧化产物的分析方面偏差小，稳定性和重复性高，而且时间短，效率高，成本低。

为了实现根据本发明的这些目的和其它优点，提供了一种分析多酚化合物氧化产物的人工神经网络，包括：

多酚化合物配制成多个浓度的溶液，检测多酚化合物的UV-VIS吸收光谱的吸收波长及对应的波峰，或/和近红外光谱的波数及对应的波峰，检测分析多酚化合物的结构式；

多个浓度的多酚化合物的溶液经混合酶氧化后得到的对应的多个浓度的氧化产物的溶液，分别检测多个浓度的氧化产物的溶液的L*值、a*值、b*值，得到多组L*值、a*值、b*值；

记录上述检测所得的数据，形成样本数据集合，选取一定比例的数据集合作为训练数据集合；

以样本数据集合中的同一种多酚化合物的多个浓度的溶液对应的多个浓度的氧化产物的溶液对应的多组L*值、a*值、b*值，为人工神经网络输入值，以该种多酚化合物的种类、结构式、UV-VIS吸收光谱的吸收波长及对应的波峰、或/和近红外光谱的波数及对应的波峰为输出值，建立人工神经网络，采用BP网络学习方法以训练数据集合训练该人工神经网络，至该人工神经网络稳定，得到所述人工神经网络。

优选的是，多酚化合物的种类包括：儿茶素、表儿茶素、咖啡酸、绿原酸、槲皮苷、槲皮素、二氢查尔酮类根皮苷、根皮素、橙皮苷、原花青素。