基于氢谱核磁共振的岭回归算法快速预测煎炸油氧化指标

荣菡 ，游杰舜，甘露菁*，黄茜楠，林小凤

(1.北京理工大学珠海学院 材料与环境学院，广东 珠海 519088；2.北京理工大学珠海学院 数理与土木工程学院，广东 珠海 519088)

煎炸食品常常赋予食物酥脆的口感，从感官与心理层面满足人们对食物色、香、味、形的需求。煎炸食物的食用油被称为煎炸油，在煎炸过程中，食物成分、水分与食用油在高温下会发生一系列反应，使得煎炸油发生氧化、水解。随着煎炸时间的延长，煎炸油的营养成分损失，同时煎炸过程中产生各种复杂的氧化产物，以及产物再分解与聚合，使有害化学物质不断积累，导致油品质下降甚至劣变。

为降低油脂氧化速率，延长贮藏货架期，在食用油氧化稳定性的研究中，一是通过微胶囊制备工艺，探寻适合生产的芯材与壁材、乳化剂种类与营养、工厂生产条件如温度、乳化时间、均质与进料速度等影响因素，通过微胶囊制备工艺形成的粉末油脂或油脂乳液有效提高其贮存性能[1]；二是通过加入合适的抗氧化剂、天然抗氧化剂如蕹菜精油、迷迭香提取物、茶多酚等，以及与合成抗氧化剂的协同增效作用，针对清除自由基抗氧化，以考察其氧化时指标的效果变化，从而为抗氧化剂开发提供新思路[2-3]。

食用油氧化指标包括羰基价、过氧化值、酸价等，特别是极性组分是反映煎炸油品质的重要指标。目前，评价煎炸油品质时，通常采用理化检测的方法，对某一特定指标进行检测，存在检测繁琐费时、需要消耗大量的有机试剂、工作量较大等问题。

针对这些问题，亟需一种快速监测油脂氧化指标的新方法。氢谱核磁技术是基于氢核磁性的一种波谱高新技术，根据氢核在化学环境中变化形成的化学位移，能够精确分析食用油品质相关的各种官能团信息，具有重现性好、操作简便、结构信息丰富等优点。化学模式识别是基于仪器分析与化学计量学联用的一种新技术，通常需要采用数学处理与统计学模型分析，比如主成分分析(PCA)[4]、支持向量机(SVM)、聚类分析[5]、模糊数学处理[6]、多元变量分析[7-8]等，对于复杂体系下的信息挖掘与提取，氢谱核磁共振技术在样品成分整体性分析方面颇有优势，它常应用于油脂货架期预测[9]、品质分析与评价[10]、油脂掺伪鉴别[11]、油脂成分检测[12-13]等领域。

本研究采用氢谱核磁共振技术，结合岭回归算法，通过挖掘与分析煎炸油氧化过程中复杂产物官能团的特征信息，以此建立了快速预测煎炸油过氧化值与极性组分的回归模型，为整体全面判断煎炸油品质与安全提供了科学依据。

1 材料与方法

1.1 实验材料

大豆油：益海嘉里集团，质量符合GB 2716—2018《食品安全国家标准 植物油》；薯条：珠海华润万家超市。

1.2 实验试剂与仪器

冰乙酸、三氯甲烷、碘化钾、硫代硫酸钠、石油醚(沸程30～60 ℃)、无水硫酸钠、重铬酸钾、氘代三氯甲烷(CDCl3，氘代度99.8%，含0.03% 四甲基硅烷TMS)：分析纯，德国默克公司。

AVANCE 600 MHz超导傅里叶变换核磁共振仪、CPPBBO超低温探头 瑞士布鲁克公司；5 mm核磁共振样品管 美国Norell公司；TAR-GIN涡旋仪 北京踏锦科技有限公司。

1.3 方法

1.3.1 煎炸油样品制备

在煎炸锅里加入5 L的大豆油，在±180 ℃下，取100 g规格相似的薯条(4 cm×1 cm×1 cm)进行煎炸。每批薯条煎炸3 min，每15 min煎炸一批，连续煎炸30 h。每隔1 h取100 mL的油品过滤后封装，根据煎炸时间和批次的不同，煎炸后将样品置于冰箱中冷冻保存，直到核磁分析再取出，煎炸过程中不添加新油。共采集不同煎炸批次与时间的煎炸油样品478例，并按照数据分析的要求，划分为训练集、验证集、预测集样品。其中训练集与验证集的划分比例为3∶1。

1.3.2 核磁共振氢谱数据采集

称取待测油样60 mg于2 mL液相小瓶中，加入0.6 mL氘代三氯甲烷(CDCl3)2 mg/mL，涡旋1 min，使样品充分混合，取0.5 mL至核磁管中，上机检测。以四甲基硅峰为化学位移零点，记录氢谱信号峰值。将1H NMR信号导入IconNMR Spect软件，自动调节相位和基线，以三氯甲烷内标峰定标校正化学位移，归一化进行积分。

分析条件：90°脉冲；虚拟扫描次数为4；扫描次数为64；谱线宽度为13.993 1 ppm；采集时间为5.852 365 s；频率偏移6.500温度 25 ℃。

试样中氧化产物的含量以内标氘代三氯甲烷(CDCl3)计算而来，其计算公式为：

内标物含量CIS(单位以mol计)：

(1)

样品含量CS(单位以mol计)：

(2)

样品质量摩尔浓度bS(单位以mmol/kg计)：

(3)

式中：ρ表示内标物溶液在25 ℃时的密度；V取表示内标物溶液体积；MWIS表示内标物分子的分子量；mIS表示样品质量；AS表示目标组分的峰面积；AIS表示内标物峰面积。

1.3.3 煎炸油过氧化值与极性组分测定

过氧化值的测定依据GB 5009.227—2016《食品安全国家标准 食品中过氧化值的测定》第一法滴定法；极性组分含量的测定依据GB 5009.202—2016《食品安全国家标准 食品中极性组分(PC)的测定》第二法柱层析法。

1.4 岭回归算法原理

岭回归(ridge regression)是一种用于共线性数据分析的有偏估计方法，是一种改良的最小二乘法。它放弃最小二乘的无偏性，建立更强的有偏数据的耐受性，因而能够应用于更符合实际情况的回归中。

根据Gauss模型：y=Xβ+ε, 其中y=(y1,y2,……,yn)，T称为n维列向量，X称为n行p列满秩矩阵，β=(β1,β2, ……，βp)，T待估的p维列向量，βj可看成是对应特征的权重，其绝对值大小便是权重大小。对β的估计便是岭回归估计：

β^(k)=(XTX+kI)-1XTY。

为了防止模型过拟合，通常以回归系数平方项作为惩罚项进行压缩，形成了有参数的约束项，即L2范数，亦被称为正则化项，一般用λ或α表示正则化系数[14]。通过控制参数，尽可能消除相关性较高的特征变量的相关性所带来的影响，因此比一般的多元线性回归、逐步回归等传统方法更加稳定。

1.5 模型建立与评价指标

建立回归模型执行内部交叉互验法，一般用模型相关系数(R2或r)和均方根误差(RMSE)来评价模型。一般高相关系数(R)与低均方根误差(RMSE)为一个稳定且精度良好的模型的必要条件。

2 结果与讨论

2.1 煎炸油氧化产物的1H NMR谱峰分析

煎炸油的氧化进程，随着自由基链式反应，伴随着氧化裂解、氧化热聚合，先生成氢过氧化物，继而分解生成各种醛类、酮类、烯烃类、羧酸类、醇类等化合物。因此，基于氢原子的变化，根据油脂氧化时各种质子氢的化学位移不同，氧化反应产物在氢谱核磁共振谱线处会出现峰信号响应。

在谱线范围(1.94～6.60 ppm)，氢质子官能团特征包括酰基基团、(E)-环氧化烷基团、(Z)-环氧化烷基团、伯醇、仲醇等多种特征。结合Wang等[15]的研究结果，实验发现，在谱线信号F(6.25 ppm)和信号B(6.55 ppm)处，可作为初级氧化产物的特征谱峰，这与煎炸大豆油氧化时形成的氢过氧化物关系密切，其中信号F与(Z,E)-共轭结构相关，信号B与(E,E)-共轭结构有关，代表煎炸油初级氧化过程中，产生共轭烯烃类的氢过氧化物中碳碳双键上的氢质子。研究发现，在信号Ⅰ(9.75 ppm)、Ⅴ(9.52 ppm)、Ⅵ(9.48 ppm)处，分别对应着直链烯醛、(E,E)-2,4-烯醛、(E)-2-烯烃的醛基上的氢质子特征，被确定为与二级氧化产物密切相关[16]。

煎炸后的大豆油样品经氢谱核磁共振分析时，得到的初级氧化产物和二级氧化产物的谱峰特征和化学位移信息见图1。

图1 煎炸大豆油氧化产物的氢谱核磁共振谱图Fig.1 1H NMR spectroscopy of oxidation products of frying soybean oil

2.2 煎炸油特征氧化产物随煎炸次数增加的变化

随着煎炸次数的增加，对于初级氧化产物特征谱峰的信号B与信号F，在煎炸初期可测含量，但随着煎炸次数的增加，氧化反应的进程加剧，其含量逐渐减少至无检出。这是因为随着煎炸次数的增加，烷基自由基和共轭结构的氢质子发生变化，形成的氢过氧化物不稳定。煎炸后期无法检出，可能是由于此时氢过氧化物早已分解，同时初级氧化产物两种B、F特征信号的谱峰出现的含量差异，与顺式与反式共轭结构所需的活化能不同有关[17]，因此两者分解速率不同。

同时，随着煎炸时间的增加，二级氧化过程中产生各种醛类，比如正构醛、共轭二烯醛、共轭烯醛的含量会同步增加。与二级氧化产物有关的信号Ⅰ、Ⅴ、Ⅵ，通常与这些醛类的羰基氢有关，因此这些信号特征谱峰含量也逐渐增加，但在煎炸后期，发现速率变慢，这与后期氧化时产生的环氧化物、氧代产物逐渐增多有关[18]。

另外，实验中考察了过氧化值、极性组分含量随煎炸时间增加的变化，结果发现当煎炸12 h后，极性组分达28.71%，超过了GB 7102.1—2003《食用植物油煎炸过程中的卫生标准》所规定的27%的限定值；而煎炸16 h后，过氧化值为5.28 mmol/kg，超过了GB 2716—2018《食品安全国家标准 植物油》一级食用油规定的过氧化值5 mmol/kg的限定值。此时煎炸油色泽变化较明显，变褐色，且黏度明显更强。

图2 煎炸大豆油氧化产物随煎炸时间的增加变化Fig.2 Change of oxidation products of frying soybean oil with the increase of frying time

2.3 特征氧化产物的共线性诊断与主成分分析

氧化过程中形成的多种复杂二级氧化产物中，可从氢质子化学位移的变化中反映出来，包括形成烷烃、(E,E)-2,4-烯醛、4-羟基-(E)-2-烯烃、4,5-环氧-(E)-2-烯烃、(E，E)-2,4-二烯烃、(E)-2-烯烃等多种复杂化合物[19]。特征氧化产物的选择需要根据相关分析，以及基于方差贡献率的主成分分析得到。5种氧化产物官能团特征信号F(6.25 ppm)、信号B(6.55 ppm)、Ⅰ(9.75 ppm)、Ⅴ(9.52 ppm)、Ⅵ(9.48 ppm)分别与过氧化值、极性组分的相关性见表1和表2；主成分分析后的方差解释贡献率的结果见表3。

表1 氧化产物特征信号与过氧化值的相关性Table 1 Correlation between characteristic signals of oxidation products and peroxide values

表2 氧化产物特征信号与极性组分相关性Table 2 Correlation between characteristic signals of oxidation products and polar components

表3 5个主成分过氧化值与极性组分的方差解释Table 3 The variance explanation of peroxide values and polar components of five principal components %

由表1和表2可知，变量之间相关性强，因此建立回归模型有可能出现共线性问题，需要进行共线性检验，检验结果发现KMO检验统计量为0.478<0.6，显著度为P<0.05，说明拒绝Bartlett球形检验。接下来对于特征结构组分与预测目标变量，结合因子载荷，完成主成分分析才是有意义的。

由表3中5种特征组分的主成分分析结果可知，对于过氧化值而言，信号B、F的累计贡献率为83.56%，远大于信息信号Ⅰ、Ⅴ、Ⅵ所产生的方差贡献率，说明前者与过氧化值预测时的因子载荷更加密切；而对极性组分而言，信号Ⅰ、Ⅴ、Ⅵ产生的方差贡献率为71.95%，说明它们与氧化过程形成的极性组分的关联解释性更强。因此，所确定的5种特征成分信息代表了与过氧化值、极性组分相关的基本信息，可解释的累计方差贡献率信息分别为88.96%与94.50%，因此选择以上5种特征组分信息能够最大程度地代表氧化进程中的复杂信息，并在此基础上建立岭回归模型快速预测氧化指标。

2.4 构建岭回归定量预测模型

岭回归在建模时对“偏最小二乘”推导的回归系数做过校正，模型更加稳定，适用于煎炸油热环境下反复使用导致热氧化，发生复杂化合物之间产生的多重共线性问题。用岭回归建模时，需要对样本集做岭估计得到特征权重，根据确定的特征权重的大小与目标变量建模。

其中参数估计是重要步骤之一，建模时先对氧化产物含量等自变量数据进行中心化与标准化处理，通过岭迹图确定参数估计值，以减少均方误差[20]。根据正则化参数与自变量数据的矩阵求解权重之间所建立的关系图见图3。可以看出，建模选择的5个特征变量岭迹曲线形似“喇叭口”，并最终趋于平行于横轴，说明各变量的回归系数岭估计值稳定，能达到建模条件的预期效果。

图3 模型岭迹图Fig.3 The ridge trail of the model

模型经过训练和验证，最终需对预测集样品进行交互验证，输出过氧化值、极性组分的预测值。建模时，正则化参数是关键参数，直接影响预测模型的精度[21]。正则化参数α过大，会导致惩罚项过度，训练模型方差减小而偏差变大，造成模型欠拟合；正则化参数α太小，模型容易出现过拟合。实验中，根据样本数量和特点，可以看出，当正则化参数α为0.077时，预测模型交互验证时的均方误差根最小。

图4 交叉验证下岭回归模型正则化参数的确定Fig.4 The determination of regularization parameters of ridge regression model under cross validation

2.5 岭回归模型的预测能力

模型对预测集样本交互验证的预测结果见图5。

图5 岭回归模型对预测集的预测结果Fig.5 Prediction results of ridge regression model on prediction set

由图5可知，模型的决定系数(R2)分别为 0.968与 0.957，均方根误差(RMSE)分别为0.208与5.249，说明模型对两个氧化指标均具有较好的预测能力。

2.6 方法的重现性与显著性差异分析

选择煎炸8 h的薯条样品，分别用国标柱层析法和岭回归模型法对样品的过氧化值、极性组分进行8次平行检测，并对两种方法进行显著性差异分析，比较两者之间的差异性，结果见表4。两种方法比较后的相对标准偏差小(均小于5%)。采用SPSS软件对数据进行ANOVA单因素方差分析，其中极性组分和过氧化值指标的数据显示P值分别为0.07和0.807，均大于0.05水平，说明两种方法测定的氧化指标无显著性差异。

表4 两种方法的差异性分析Table 4 Difference analysis of the two methods

3 讨论

本研究采用氢谱核磁共振技术分析了煎炸大豆油氧化产物，探索了初级与二级氧化产物随煎炸时间增加的变化规律。同时挖掘与提取了氧化产物的特征官能团信息，与岭回归算法联用，建立快速检测过氧化值与极性组分的回归模型。此方法与国标法无显著性差异，具有预测精确、重现性高、检测快速的优势，面对大量的煎炸油样品，能够快速输出氧化指标，从而为煎炸油的品质安全、煎炸油的废弃点评价等提供科学的整体判断依据，在食用油品质监控方面具有巨大潜在应用价值。