gcms数据处理方法

“仪器信息网第五届科学仪器网络原创作品大赛”获奖作品专栏　１４５　

香精香料样品ＧＣＭＳ检测数据处理问题探讨　

朱建设　

（德之譬（上海）有限公司，上海２０１２０６）　

摘要：简述香精香料样品ＧＣＭＳ数据处理的相关问题。对多异构体及多成分原料、原料带来的杂质、未完全　分离或重叠峰的分析和保留指数校正、香精样品中的反应物几个方面对ＧＣＭＳ图谱的影响进行初步探讨。　关键词：香精；香料；气相色谱一质谱法；数据处理　Ｄ０Ｉ：１０．３９６９／｝．ｉｓｓｎ．１００１—２３２ｘ．２０１３．０６．０３８　

Ｐｒｅｌｉｍｉｎａｒｙ　ｓｔｕｄｙ　ｏｎ　ＧＣＭＳ　ｄａｔａ　ａｎａｌｙｓｉｓ　ｏｆ　ｆｌａｖｏｒ　ａｎｄ　ｆｒａｇｒａｎｃｅ．Ｚｈｕ　Ｊ　ｉａｎｓｈｅ（Ｓｙｍｒｉｓｅ（Ｓｈａｎｇｈａｉ）　

Ｌｔｄ．，Ｓｈａｎｇｈａｉ　２０１２０６，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｐａｐｅｒ　ｄｉｓｃｕｓｓｅｄ　ＧＣＭＳ　ｄａｔａ　ａｎａｌｙｓｉｓ　ｏｆ　ｆｌａｖｏｒ　ａｎｄ　ｆｒａｇｒａｎｃｅ，ｉｎｃｌｕｄｉｎｇ　ｆａｃｔｏｒ　ｏｆ　ｒａｗ　

ｍａｔｅｒｉａｌ　ｗｈｉｃｈ　ｃｏｎｔａｉｎｅｄ　ｍｏｒｅ　ｉｓｏｍｅｒｓ　ａｎｄ　ｍｏｒｅ　ｉｎｇｒｅｄｉｅｎｔｓ，ｉｍｐｕｒｉｔｉｅｓ，ＣＯ—ｅｌｕｔｅｄ　ｐｅａｋｓ　ａｎｄ　ｒｅｔｅｎｔｉｏｎ　ｉｎ—　

ｄｅｘ，ｒｅａｃｔｏｒｓ　ｉｎ　ｆｌａｖｏｒ　ａｎｄ　ｆｒａｇｒａｎｃｅ．　

Ｋｅｙ　ｗｏｒｄｓ：ｆｌａｖｏｒ；ｆｒａｇｒａｎｃｅ；ＧＣ—ＭＳ；ｄａｔａ　ａｎａｌｙｓｉｓ　

香精是由多种香（原）料成分组成的复杂混合　物，可能包含各种天然提取物、各种合成的香料、溶　剂等［１　］。由于其原料的组成本身就极为复杂，例　

如天然香精油就是一种复杂的混合物，许多单体原　

料就含有多种异构体及其众多杂质，这样给ＧＣＭＳ　解析整个香精的构成带来一定的困扰。由于香精构　成的复杂性，目前任何一根毛细管色谱柱都无法能　

数据标准化处理方法

在数据分析之前，我们通常需要先将数据标准化（normalization），利用标准化后的数据进行数据分析。数据标准化也就是统计数据的指数化。数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。数据无量纲化处理主要解决数据的可比性。数据标准化的方法有很多种，常用的有“最小—最大标准化”、“Z-score标准化”和“按小数定标标准化”等。经过上述标准化处理，原始数据均转换为无量纲化指标测评值，即各指标值都处于同一个数量级别上，可以进行综合测评分析。

一、Min-max 标准化

min-max标准化方法是对原始数据进行线性变换。设minA和maxA分别为属性A的最小值和最大值，将A的一个原始值x通过min-max标准化映射成在区间[0,1]中的值x'，其公式为：

新数据=（原数据-极小值）/（极大值-极小值）

二、z-score 标准化 这种方法基于原始数据的均值（mean）和标准差（standard

deviation）进行数据的标准化。将A的原始值x使用z-score标准化到x'。

z-score标准化方法适用于属性A的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况。

新数据=（原数据-均值）/标准差

spss默认的标准化方法就是z-score标准化。

用Excel进行z-score标准化的方法：在Excel中没有现成的函数，需要自己分步计算，其实标准化的公式很简单。

步骤如下：

1.求出各变量（指标）的算术平均值（数学期望）xi和标准差si ；

2.进行标准化处理：

zij＝（xij－xi）／si

目前对连续量的量化处理方法很多,如等距离法、模糊聚类法、自组织映射(SOM)神经网络分类法等。

目前已经提出了多种连续属性值离散化方法:等距离法、等频率法、最大嫡法、L方法、W方法、P方法等。

自组织映射(SOM)神经网络分类法（过程中涉及相容性检查）

SOM网络是Kohonen T于1981年提出的一种无监督竞争学习型前馈神经网络,能模拟大脑神经系统自组织特征映射的功能,对输入样本按指定的分类数目进行模式分类,分类结果能够较客观地反映数据分布情况。

运用SOM网络对条件属性进行分类量化的具体过程：

（1）给定SOM网络初始分类值m=2（如何选择见下）

（2）给定条件属性初始维数d=1

（3）将第d维条件属性按从小到大(或从大到小)排序

（4）用SOM网络对排序后的第d维条件属性值进行分类

（5）把相邻两类边界属性值的均值作为该二类的分界值(即条件属性量化参数)

（6）用条件属性量化参数对该维条件属性进行量化

（7）赋值d=d+1,返回第（3）步,直到最后一维条件属性

（8）检查数据表是否相容,若不相容,令m=m+1,返回第（2）步;若相容,结束。

注意：

（1）采用SOM神经网络对条件属性进行量化处理时,要注意分类数目的确定,分类数目少,可能会得到不相容的知识表达系统;分类数目过大,则会形成各自独立的规则,造成规则数目过多。本文选择的是m=3。

原始数据 （共38组） 进行量化后

最大嫡法

最大嫡法是基于信息论的离散方法,能够保证离散过程中损失最少的信息。

常用数据分析方法：聚类分析、因子分析、相关分析、对应分析、回归

分析、方差分析；

问卷调查常用数据分析方法：描述性统计分析、探索性因素分析、

Cronbach’a信度系数分析、结构方程模型分析(structural equations

modeling) 。

数据分析常用的图表方法：柏拉图(排列图)、直方图(Histogram)、散点

图(scatter diagram)、鱼骨图（Ishikawa）、FMEA、点图、柱状图、雷达

图、趋势图。

数据分析统计工具：SPSS、minitab、JMP。常用数据分析方法:

1、聚类分析（Cluster Analysis）

聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多

个类的分析过程。聚类是将数据分类到不同的类或者簇这样的一个过

程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大

的相异性。聚类分析是一种探索性的分析，在分类的过程中，人们不必

事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分

类。聚类分析所使用方法的不同，常常会得到不同的结论。不同研究者

对于同一组数据进行聚类分析，所得到的聚类数未必一致。

2、因子分析（Factor Analysis）

因子分析是指研究从变量群中提取共性因子的统计技术。因子分析就

是从大量的数据中寻找内在的联系，减少决策的困难。

因子分析的方法约有10多种，如重心法、影像分析法，最大似然解、

最小平方法、阿尔发抽因法、拉奥典型抽因法等等。这些方法本质上大

都属近似方法，是以相关系数矩阵为基础的，所不同的是相关系数矩阵

对角线上的值，采用不同的共同性□2估值。在社会学研究中，因子分析

常采用以主成分分析为基础的反覆法。

3、相关分析（Correlation Analysis）

相关分析（correlation analysis），相关分析是研究现象之间是否存在

某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程

度。相关关系是一种非确定性的关系，例如，以X和Y分别记一个人的