高效氯氟氰菊酯和氯氰菊酯在苹果中的残留降解动态及其去除方法

采用模拟实验与气相色谱法,研究不同储藏条件下苹果中高效氯氟氰菊酯和氯氰菊酯的降解动态,以及家庭日常清洗方式对二者的去除效果。结果表明,在实验条件下,苹果中高效氯氟氰菊酯和氯氰菊酯主要残留于果皮中。二者的降解动态均符合一级动力学方程,前期降解较快,后期渐趋稳定。室温[(25±2)℃]或冷藏(4 ℃)条件下,苹果中高效氯氟氰菊酯和氯氰菊酯的半衰期均以果皮最短。用配制的洗洁精溶液、食盐溶液、食醋溶液、小苏打溶液或清水清洗苹果,均能不同程度地去除苹果高效氯氟氰菊酯和氯氰菊酯残留。为了避免洗洁精清洗造成二次污染,建议选择10%(质量分数)食盐水溶液清洗,效果较好。     

基于气质的主成分支持向量基对新疆薰衣草精油判别分析

[目的]快速鉴别不同品种的薰衣草精油,为精油品质控制提供可靠的科学方法依据.[方法]通过气相色谱质谱(GC-MS)测定三个品种共66个薰衣草精油样品,应用峰面积归一法确定各成分的相对含量.对构建的特征信息数据进行主成分分析(PCA),选取7个主成分代替原始数据,再利用支持向量机技术进行分类和预测,对不同品种的薰衣草精油进行鉴别.[结果]通过48个样本建立支持向量机的分类模型,对18个样本进行预测,对训练集样本的训练正确率达到97.92;,对预测集样本的正确识别率达到94.44;.[结论]主成分分析结合支持向量机方法具有很好的分类和鉴别作用,可作为薰衣草精油品种区分的有效方法之一,为薰衣草精油的质量控制提供了一定的科学依据.     

近红外光谱结合BP神经网络法快速分析薰衣草精油中主要成分

[目的]建立薰衣草精油主体成分的快速测定模型,以满足中国薰衣草精油质量标准体系中对化学成分分析的要求。[方法]采用近红外光谱方法结合BP神经网络快速测定薰衣草精油中芳樟醇和乙酸芳樟酯的含量,在7 000～4 000 cm~(-1)波数范围内,薰衣草精油化学信息量比较丰富且噪音低,可作为分析区间。通过间隔偏最小二乘方法(iPLS)选择与测定指标相关性高的近红外波长段集合,分别得到乙酸芳樟酯和芳樟醇的185个定量分析用波长点数据集,对BP神经网络参数优化后,建立新疆薰衣草精油中芳樟醇和乙酸芳樟酯的iPLS-BP神经网络快速近红外定量分析模型。[结果]采用方法的芳樟醇和乙酸芳樟酯测定系数分别为0.972 91和0.946 90,预测结果与GC-MS分析的相对误差分别小于2.45%和2.85%。[结论]定量分析模型能够很好地快速测定薰衣草精油中乙酸芳樟酯、芳樟醇含量,具有良好的预测能力,可为新疆薰衣草精油主要成分的快速定量分析提供一种新的有效方法。