基于因子分析和神經網絡分析預測評價醬香酒輪次與工藝

何 菲，陳仁遠

（1.仁懷醬香白酒科研所，貴州 仁懷 564500；2.貴州省產品質量監督檢驗院仁懷分院，貴州 仁懷 564500）

醬香型白酒是中國白酒主要的四大香型白酒之一[1]。按照傳統大曲醬香工藝發酵、蒸餾、取酒的循環次序，可將其分為一至七輪次基酒[2]；按照釀造原輔料和操作工藝（或工序）的不同，可將市場上流通、銷售的醬香成品酒分為傳統大曲醬香工藝酒、麩曲醬香工藝酒、混合曲醬香工藝酒、碎沙醬香工藝酒、翻沙醬香工藝酒、串香工藝酒以及其他小眾醬香工藝酒等[3-6]。

白酒的主要風味物質是酒精（乙醇），而白酒的風味感官質量直接或間接由總含量不到2%的微量或痕量物質決定[7]。目前，醬香酒風味微量成分定性已達873種，其中包括酸類、酯類、醇類、酮類、醛類、縮醛類、含氮類、含硫類、內酯類等化合物[8]；大多研究主要集中在利用這些微量成分進行主成分分析[9-11]、因子分析[12]、聚類分析[13-14]、判別分析[15-16]、偏最小二乘回歸分析[17]、神經網絡分析等化學計量分析[18]，建立識別模型以尋找其中的關聯關鍵性成分為目的，但利用神經網絡（多層感知器）分析白酒還不夠深入全面。本研究以醬香輪次基酒和醬香成品酒為研究對象，采用氣相色譜-質譜聯用（gas chromatograph-mass spectrometry，GC-MS）法測定不同批次樣品的揮發性風味物質濃度計算出氣味活度值（odor activity value，OVA），并基于因子分析與神經網絡分析仁懷大曲醬香一至七輪次基酒和不同醬香工藝成品酒（含其他產區），以期建立預測模型評價其回歸因子得分的重要性，初步探討香味物質與輪次或工藝之間的內在聯系。

1 材料與方法

1.1 材料與試劑

1.1.1 分析酒樣

貴州仁懷不同區域抽取近70家大曲醬香酒1～7輪次基酒754批次（其中1～7輪次基酒樣本量依次為109批次、111批次、110批次、104批次、108批次、105批次、107批次），抽取近70家仁懷產區不同工藝來源“醬香酒”163批次（其中傳統工藝67批次，碎沙工藝43批次，串香工藝20批次，其他工藝21批次）；市購12家非仁懷產區醬香型成品白酒12批次。

1.1.2 化學試劑

乙醇（色譜純）：德國默克股份公司；61種標準對照品（其中包括①酸類：乙酸、丙酸、異丁酸、丁酸、異戊酸、戊酸、己酸、庚酸、辛酸；②酯類：甲酸乙酯、乙酸乙酯、丙酸乙酯、丁酸乙酯、異戊酸乙酯、乙酸丁酯、乙酸異戊酯、戊酸乙酯、己酸乙酯、庚酸乙酯、乳酸乙酯、己酸丁酯、丁二酸二乙酯、辛酸乙酯、壬酸乙酯、癸酸乙酯、苯乙酸乙酯、月桂酸乙酯、乙酸苯乙酯、豆蔻酸乙酯、棕櫚酸乙酯、硬脂酸乙酯、油酸乙酯、亞油酸乙酯；③醇類：甲醇、2-丁醇、正丙醇、異丁醇、正丁醇、2-甲基丁醇、3-甲基丁醇、正戊醇、正己醇、2,3-丁二醇、2,3-丁二醇、1,2-丙二醇、β-苯乙醇、糠醇；④醛類：乙醛、丙醛、異丁醛、乙縮醛、異戊醛、糠醛、苯甲醛；⑤酮類：丙酮、乙偶姻；⑥吡嗪類：2,3,5-三甲基吡嗪、2,3,5,6-四甲基吡嗪；⑦內標：叔戊醇、乙酸正戊酯、2-乙基丁酸）（純度均≥99.0%）：天津西瑪科技有限公司。

1.2 儀器與設備

GC/MS-TQ 8040三重四級桿氣質聯用儀：日本SHIMADZU公司；BS 244S 電子天平（感量：0.000 1 g）：北京塞多利斯儀器系統有限公司；10～100 μL、100～1 000 μL、1～10 mL移液器：艾德本（中國）有限公司。

1.3 實驗方法

1.3.1 標準溶液的配制

3組分內標溶液的配制（1%體積分數）：分別移取叔戊醇、乙酸正戊酯、2-乙基丁酸各1 mL于100 mL容量瓶，再用體積分數為60%乙醇溶液定容。

58組分混合標樣：稱取適當質量的58種標準對照品，用體積分數為60%乙醇溶液配制成單標溶液，再根據平時測定酒樣的濃度范圍和送樣比對數據，綜合配制成5個梯度濃度的58組分標準混合溶液。

酒樣對照品：實驗利用現配的58組分混合標樣測定一穩定酒樣作為本實驗其他酒樣的標準對照品，確保測量數據的穩定性和準確性。

1.3.2 樣品制備

用5.0 mL容量瓶分別取5 mL白酒樣品（酒樣對照品），加入1%（V/V）的3組分內標溶液100 μL混勻后，用于GC-MS分析。

1.3.3 GC-MS分析

氣相色譜條件：SH-Rtx-Wax色譜柱（30 m×0.25 mm×0.25μm）；進樣口溫度220℃；載氣氦氣（He）（純度≥99.999%）；載流模式為恒流；分流進樣（分流比30∶1）；進樣量1.0 μL；流速1.00 mL/min；升溫程序：起始溫度30 ℃，保持2 min，以3 ℃/min升溫至180 ℃，再以15 ℃/min升溫至210 ℃，保持8 min。

質譜條件：電離方式為電子電離（electron ionization，EI）源；電離能量70 eV；離子源溫度240 ℃；接口溫度220 ℃；采集方式為選擇離子掃描（selective ion monitoring，SIM）。

定性定量方法：對加有內標組分的混合標樣進行全掃描（Q3 Scan）得到總離子流色譜圖（total ion chromatogram，TIC），利用總離子流色譜圖和美國國家標準技術研究所（National Institute of Standards and Technology，NIST）14.lib逐一對各組分峰進行相似度檢索識別，確定各組分的色譜峰保留時間、定量離子和定性參考離子，最后采用內標法定量計算出分析樣品各組分濃度，即以酒樣對照品各組分與內標物的定量離子色譜峰面積比值為橫坐標，各組分與內標物濃度的比值為縱坐標，繪制出校正曲線，通過校正曲線對分析樣品各組分進行定量計算。

1.3.4 氣味活度值的計算

醬香白酒中物質的氣味活度值（OAV）等于呈香（味）物質濃度與其閾值的比值，即OAV=呈香（味）物質濃度/閾值[19]。

1.3.5 醬香輪次基酒質量等級感官評定

組織當地國家評委、省評委、三級以上品酒師以及相關專業技術人員等30余人，按照大曲醬香輪次基酒相關標準要求[2]，分別對仁懷大曲醬香1～7輪次基酒進行感官質量等級評定，最終根據醬香輪次特征評定出每一輪次的優級、一級、二級、三級和次品5個感官質量等級。

1.3.6 統計分析

采用統計軟件IBM SPSS Statistics 25.0分別對不同醬香輪次基酒和不同醬香工藝成品酒風味成分的氣味活度值進行因子分析，計算出樣品的回歸因子得分；再利用回歸因子得分對醬香基酒輪次或醬香成品酒工藝進行神經網絡多層感知器預測。

2 結果與分析

2.1 醬香輪次基酒和醬香成品酒揮發性風味物質GC-MS分析結果

根據1.3實驗方法測定754批次一至七輪次大曲醬香基酒和163批次不同醬香工藝成品酒各組分的濃度，統計結果范圍詳見表1（由于實驗測定樣品量較大，本研究僅列出917批次分析樣品各組分濃度的最小值、最大值和平均值）。

表1 揮發性風味物質含量GC-MS分析結果Table 1 Results of volatile flavor components contents analysis by GC-MS

續表

2.2 不同醬香酒揮發性風味物質氣味活度值描述分析

根據1.3.4氣味活度值計算方法統計917批次分析樣品各揮發性組分的氣味活度值（OAV），統計結果范圍詳見表2。（由于實驗測定樣品量較大，本研究僅列出917批次分析樣品各組分氣味活力值的最小值、最大值和平均值）。如果OAV＜1，說明感官對該呈香（味）物質無感覺，或是說嗅（嘗）不到該物質的氣味（味道）；只有當物質的OAV＞1時，該物質對白酒整體風味才有可能產生一定的貢獻；化合物的嗅覺（味覺）活力值越大，越有可能成為白酒的特征風味物質[19]。

由表2可知，丙酮、甲醇、2-戊醇、正戊醇、乙偶姻、庚酸乙酯、2,3,5,6-四甲基吡嗪、2,3-丁二醇、壬酸乙酯、2,3-丁二醇、1,2-丙二醇、糠醇、丁二酸二乙酯、β-苯乙醇、庚酸等15組化合物的OAV低于1，對酒體風味的貢獻可忽略不計；其次，甲酸乙酯、苯甲醛、癸酸乙酯、辛酸等4組化合物的OAV在1左右波動，對酒體風味的貢獻相對較小；異丁醛、乙酸乙酯、正丙醇、乙酸異戊酯、丁酸、亞油酸乙酯等6組化合物的OAV接近50，對酒體風味的貢獻相對較大；乙醛、乙縮醛、異戊醛、丁酸乙酯、異戊酸乙酯、戊酸乙酯、己酸乙酯、辛酸乙酯等8組化合物的OAV＞100，對酒體風味的貢獻相對最大。綜上評價，58組化合物中，醇類、酸類、酯類、醛類物質對醬香酒體風味貢獻依次增大，而醛類物質對酒體的風味貢獻尤為突出[20]。

表2 不同醬香白酒中揮發性風味物質氣味活度值結果Table 2 Results of odor activity value of volatile components in different sauce-flavor Baijiu

續表

2.3 仁懷大曲醬香輪次基酒揮發性風味物質因子分析-神經網絡分析

排除15組對酒體風味貢獻忽略不計的化合物，對754批次醬香輪次基酒的43組OAV、基酒輪次、質量等級和生產來源（企業編碼）等46個原始變量進行因子分析。Kaiser-Meyer-Olkin（KMO）檢驗和巴特利特（Bartlet）檢驗的KMO取樣適切性量數為0.793，說明這批樣品數據能夠繼續進行因子分析。提取特征值≥1的主成分有11個，累積貢獻率為77.121%，提取了大部分原始變量信息，故選擇這11個主成分作為公共因子計算出樣品的回歸因子得分。

通過因子分析得到樣品的11個回歸因子得分后，分別以輪次基酒作為因變量，以生產來源（企業編碼）和質量等級作為因子，以11個因子分析計算的回歸因子得分（FAC1_1、FAC2_1、FAC3_1、FAC4_1、FAC5_1、FAC6_1、FAC7_1、FAC8_1、FAC9_1、FAC10_1、FAC11_1）作為協變量進行神經網絡-多層感知器預測（其中隨機數字生成器初始化設置起點固定值20 190 806，協變量重新標度為調整后正態化，訓練、檢驗、堅持隨機分配個案的相對數目分別為7、2、1，訓練類型為聯機，其他設置軟件默認），最終輸出模型摘要、分類預測結果（見表3）、預測-實測圖（見圖1）、累積增益圖（見圖2）、正態化重要性（見圖3）等詳細預測判斷信息。

由表3可知，531個訓練樣本中1～7輪次的正確百分比分別為91.7%、89.7%、85.5%、78.7%、81.0%、61.1%、85.1%；167個檢驗樣本中1～7輪次的正確百分比分別為92.6%、72.4%、73.9%、78.3%、75.0%、56.0%、83.3%；56個堅持樣本中1～7輪次的正確百分比分別為100.0%、50.0%、72.7%、66.7%、62.5%、62.5%、100.0%；其中六輪次基酒的訓練和檢驗預測結果相對其他輪次基酒較差，而二輪次基酒的堅持結果相對其他輪次基酒較差。

由圖1可知，從總體上看各個輪次預算擬概率均高于偏離預測的擬概率，預測誤差主要來源于前后相鄰輪次的偏離，尤其是六輪次基酒錯誤的預測為七輪輪次基酒，這也反過來說明這批六輪次基酒特征與七輪次基酒特征有許多相似之處。由圖2可知，模型對基酒輪次的預測能力從

圖1 仁懷大曲醬香一至七輪次基酒預測-實測結果Fig.1 Prediction and measurement results of the first to seventh batch sauce-flavor base liquor of Renhuai Daqu

由圖3可知，第1因子得分、第7因子得分、生產來源和第3因子得分的正態化重要性超過了40.0%；質量等級的正態化重要性僅為11.5%，排在末尾。這說明樣本模型的創建強到弱依次為一輪次、三輪次、二輪次、四輪次、七輪次、五輪次和六輪次。由圖3可知，自變量正態化重要性從強到弱依次為FAC1_1、FAC7_1、生產來源、FAC3_1、FAC2_1、FAC8_1、FAC4_1、FAC10_1、FAC5_1、FAC11_1、FAC9_1、FAC6_1和質量等級。質量等級雖有影響的，但正太化重要性遠遠低于其他因子得分和生產來源的影響，這也恰恰克服了感官質量評價對基酒輪次的誤判，兩者相互印證達到預測的目的和需求，同時也說明每一家企業生產的輪次基酒也存在特征差異。

圖2 仁懷大曲醬香一至七輪次基酒累積增益Fig.2 Cumulative gain of the first to seventh batch sauce-flavor base liquor of Renhuai Daqu

圖3 仁懷大曲醬香一至七輪次基酒預測自變量重要性Fig.3 Importance of predicted independent variables of the first to seventh batch sauce-flavor base liquor of Renhuai Daqu

實驗最后結合因子分析成分矩陣輸出結果（提取方法：主成分分析法），依次對FAC1、FAC7、FAC3的特征向量取絕對值降序后，最終得到對基酒輪次預測相關性較大的前20個風味物質，依次分別為異戊醛、乙酸、苯乙酸乙酯、糠醛、乙酸乙酯、2,3,5-三甲基吡嗪、苯甲醛、乙醛、3-甲基丁醇、異戊酸、乙縮醛、2-甲基丁醇、正己醇、乙酸苯乙酯、丙酸乙酯、戊酸、癸酸乙酯、丁酸、丙酸和正丙醇等。其中，FAC1可看成是由異戊醛（特征向量0.814，下同）、乙酸（-0.779）、苯乙酸乙酯（0.770）、糠醛（0.764）、乙酸乙酯（-0.746）、2,3,5-三甲基吡嗪（0.731）、苯甲醛（0.726）等的正負作用相迭加的一個綜合指標；FAC7可看成是由乙縮醛（0.478）、乳酸乙酯（0.413）、甲酸乙酯（0.407）、乙醛（0.374）、乙酸乙酯（0.351）、正丁醇（0.312）等的正負作用相迭加的另一個綜合指標；FAC3可看成是由異丁醇（0.646）、乙酸異戊酯（0.563）、2-甲基丁醇（0.520）、油酸乙酯（-0.513）、棕櫚酸乙酯（-0.511）、正丙醇（0.510）、2-丁醇（0.509）等的正負作用相迭加的又一個綜合指標。

2.4 醬香成品酒揮發性風味物質因子分析-神經網絡分析同樣排除15組對酒體風味貢獻忽略不計的化合物，對

163批次醬香成品酒的43組OAV、醬香工藝（其他產區）和生產來源（企業編碼）等45個原始變量進行因子分析。提取特征值≥1的主成分有10個，累積方差貢獻率為82.221%，故選擇這10個主成分作為公共因子計算出樣品的回歸因子得分。

分別以醬香工藝（其他產區）作為因變量，以生產來源（企業編碼）作為因子，以10個回歸因子得分作為協變量進行神經網絡-多層感知器預測（其中隨機數字生成器初始化設置起點固定值20 190 806）。由于這批樣本量小且分布不均，故而在摸索分析中發現，除了訓練、檢驗、堅持分區為10、0、0（分類預測結果詳見表4）分區的個案處理均存在排除個案警告，訓練分區相對數目越少從分析中排除個案數越多。

表4 醬香成品酒分類預測結果Table 4 Classification prediction results of Jiang-flavor finished Baijiu

于是，實驗分別用9份、1份、0份作為訓練、檢驗和堅持個案分析這批樣本（軟件設置全部為系統默認），最終輸出模型摘要（訓練、檢驗和排除個案數分別為148、9、6）、分類預測結果（見表5）、預測-實測圖（見圖4）、累積增益圖（見圖5）、正態化重要性（見圖6）等詳細預測判斷信息。

表5 醬香成品酒分類預測結果Table 5 Classification prediction results of Jiang-flavor finished Baijiu

圖4 成品醬香酒累積增益Fig.4 Cumulative gain of finished sauce-flavor Baijiu

由表4可知，分類預測準確率從高到低依次為其他產區（串香工藝）、傳統工藝、碎沙工藝和其他工藝。由圖4可知，模型對醬香工藝（其他產區）的預測能力從強到弱依次為其他產區、串香工藝、其他工藝、碎沙工藝和傳統工藝。由圖5可知，自變量正態化重要性從強到弱依次為FAC6_1、FAC3_1、FAC1_1、FAC9_1、FAC5_1、FAC7_1、FAC2_1、FAC4_1、FAC10_1、生產來源和FAC8_1。

圖5 成品醬香酒預測自變量重要性Fig.5 Importance of predicted independent variables of finished Jiang-flavor Baijiu

由表5可知，分類預測準確率從高到低依次為其他產區（串香工藝）、傳統工藝、碎沙工藝和其他工藝。由圖4可知，模型對醬香工藝（其他產區）的預測能力從強到弱依次為其他產區、串香工藝、其他工藝、碎沙工藝和傳統工藝。由圖5可知，自變量正態化重要性從強到弱依次為FAC6_1、FAC3_1、FAC1_1、FAC9_1、FAC5_1、FAC7_1、FAC2_1、FAC4_1、FAC10_1、生產來源和FAC8_1。

結果表明，第6因子得分、第3因子得分和第1因子得分的正態化重要性超過了97.0%；而倒數第二生產來源的正態化重要性也超過了50.0%。這說明樣本模型創建時，生產來源的重要性雖排在倒數第二，但對模型的建立也不可忽視，反映出每一家企業勾兌調味的成品酒存在明顯的特征差異；同時也說明抽樣覆蓋范圍小，今后的抽樣分析需進一步擴大抽樣量和企業數以加大對模型的檢驗。

實驗最后結合因子分析成分矩陣輸出結果提取方法（主成分分析法），依次對FAC6、FAC3、FAC1的特征向量取絕對值降序后，最終得到對醬香工藝（其他產區）預測相關性較大的前20個風味物質，依次分別為辛酸乙酯、正己醇、癸酸乙酯、2,3,5-甲基吡嗪、辛酸、丁酸、苯乙酸乙酯、異丁酸、丁酸乙酯、糠醛、異丁醛、異戊酸、2-丁醇、乳酸乙酯、正丙醛、乙縮醛、己酸乙酯、乙酸乙酯、乙醛和乙酸等。其中，FAC6可看成是由辛酸乙酯（特征向量0.546，下同）、正己醇（0.435）、癸酸乙酯（0.392）、2,3,5-三甲基吡嗪（-0.391）、辛酸（0.379）、丁酸（-0.317）等的正負作用相迭加的一個綜合指標；FAC3可看成是由丁酸乙酯的（0.558）、乙酸苯乙酯（-0.545）、異戊酸乙酯（0.538）、戊酸（0.525）、乙酸異戊酯（-0.503）等的正負作用相迭加的另一個綜合指標；FAC1可看成是由2-甲基丁醇（0.917）、3-甲基丁醇（0.914）、異丁醇（0.900）、苯乙酸乙酯（0.831）、異戊醛（0.798）、糠醛（0.762）、乙醛（0.762）、異戊酸（0.756）、乙醛（0.750）等的正負作用相迭加的又一個綜合指標。

3 結論

實驗利用氣相色譜-質譜聯用儀測定醬香酒中58組風味物質，查閱風味物質嗅覺（味覺）閾值計算出活力值。計算917批次醬香酒風味物質發現，活力值低于1的有15種風味物質。總體上看，58組風味物質中酸類、酯類和醛類化合物對醬香酒的風味貢獻相對較大，尤其是醛類化合物在感官評價中值得特別關注。

實驗分別對醬香輪次基酒和醬香成品酒采集（計算）的數據進行因子分析，結合回歸因子得分對醬香基酒輪次和醬香成品酒工藝進行神經網絡感知器分類預測，基酒輪次預測擬概率達80.2%，醬香工藝（其他產區）預測擬概率達94.5%以上，總體上基酒輪次和成品酒工藝預測效果良好。預測可為基酒輪次、醬香工藝、產區的識別提供預測和評價參考。