| 基于阴离子特征分析的冬枣产地鉴别 |
| |
| 引用本文： | 夏立娅,申世刚,李超,刘晓慧,李运思,李姣姣.基于阴离子特征分析的冬枣产地鉴别[J].河北大学学报(自然科学版),2019,39(1). |
| |
| 作者姓名： | 夏立娅 申世刚 李超 刘晓慧 李运思 李姣姣 |
| |
| 作者单位： | 河北大学 化学与环境科学学院,河北保定071002;河北大学 质量技术监督学院,河北保定071002;河北大学 化学与环境科学学院,河北保定,071002;河北大学 质量技术监督学院,河北保定,071002;保定出入境检验检疫局,河北保定,071002 |
| |
| 基金项目： | 国家自然科学基金;河北省自然科学基金;河北大学实验室开发项目 |
| |
| 摘 要： | 为了考察阴离子用于农产品产地鉴别的可能性,利用离子色谱测定了黄骅、沾化和大荔冬枣及土壤中多种阴离子的含量,并对数据进行了方差分析、偏相关分析、逐步判别分析(SDA)和径向基人工神经网络分析(RBF-ANN).结果表明,冬枣中F~-、Cl~-、NO_2~-、PO_4~(3-)、SO_4~(2-)和C_2O_4~(2-)在不同产地间存在显著性差异,与土壤中阴离子具有显著相关性.逐步判别分析中,上述6种阴离子的判别能力较强,所建判别方程可以准确地鉴别冬枣的产地.RBF-ANN的分析进一步证实了,6种阴离子所建模型的准确率高于全部阴离子的分析结果,Br~-对产地鉴别有一定的干扰作用,鉴别准确度降低.研究结果证实了阴离子结合统计学算法可以建立有效的冬枣产地鉴别模型,选择合适的产地因子是提高产地鉴别模型准确度的关键步骤.
|
| 关 键 词： | 冬枣 阴离子 偏相关分析 逐步判别 径向基人工神经网络 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
