基于机器学习的番茄酱香气剖面预测研究
基于机器学习的番茄酱香气剖面预测研究
1. 论文标题
基于风味组学的番茄酱香气剖面机器学习预测研究
2. 论文内容摘要
本研究结合风味组学与机器学习方法，研究番茄酱在热处理过程中香气成分与感官属性的动态变化。通过顶空固相微萃取-气相色谱质谱联用技术鉴定出71种挥发性化合物，并利用定量描述分析评估了“新鲜”“果香”“花香”等六类感官属性随温度和时间的变化趋势。研究比较了多层感知机、随机森林、支持向量回归等五种机器学习模型的预测性能，其中多层感知机表现出最优的预测能力（R² > 0.99），能有效捕捉挥发性化合物与感官响应之间的非线性关系。通过变量重要性分析，确定了影响各感官属性的关键香气化合物。外部验证和香气重组实验证实了模型的鲁棒性和泛化能力。该研究为番茄酱生产中的风味质量预测与实时控制提供了实用框架。
3. 完整复现论文的详细代码及解释
由于论文涉及大量实验数据、感官评估和机器学习建模，完整复现需要原始数据集（如GC-MS数据、感官评分表）以及完整的实验环境（如Python环境、R软件、Origin等）。以下将以Python为核心，模拟论文中的数据处理、特征工程、模型构建与验证流程，并提供详细注释。