[发明专利]分析多酚化合物氧化产物的人工神经网络及预测方法

权利要求书

1.分析多酚化合物氧化产物的人工神经网络，其特征在于，包括：

多酚化合物配制成多个浓度的溶液，检测多酚化合物的UV-VIS吸收光谱的吸收波长及对应的波峰，或/和近红外光谱的波数及对应的波峰，检测分析多酚化合物的结构式；

多个浓度的多酚化合物的溶液经混合酶氧化后得到的对应的多个浓度的氧化产物的溶液，分别检测多个浓度的氧化产物的溶液的L*值、a*值、b*值，得到多组L*值、a*值、b*值；

记录上述检测所得的数据，形成样本数据集合，选取一定比例的数据集合作为训练数据集合；

以样本数据集合中的同一种多酚化合物的多个浓度的溶液对应的多个浓度的氧化产物的溶液对应的多组L*值、a*值、b*值，为人工神经网络输入值，以该种多酚化合物的种类、结构式、UV-VIS吸收光谱的吸收波长及对应的波峰、或/和近红外光谱的波数及对应的波峰为输出值，建立人工神经网络，采用BP网络学习方法以训练数据集合训练该人工神经网络，至该人工神经网络稳定，得到所述人工神经网络。

2.如权利要求1所述的分析多酚化合物氧化产物的人工神经网络，其特征在于，多酚化合物的种类包括：儿茶素、表儿茶素、咖啡酸、绿原酸、槲皮苷、槲皮素、二氢查尔酮类根皮苷、根皮素、橙皮苷、原花青素。

3.如权利要求1所述的分析多酚化合物氧化产物的人工神经网络，其特征在于，在加入混合酶之前，先将多酚化合物的各浓度的溶液溶于PH5.5的PBS缓冲液中。

4.如权利要求1所述的分析多酚化合物氧化产物的人工神经网络，其特征在于，UV-VIS吸收光谱的吸收波长范围为230～600nm，近红外光谱的波数范围为500～1500cm^-1。

5.如权利要求2所述的分析多酚化合物氧化产物的人工神经网络，其特征在于，多酚化合物的溶液的浓度为1μg/mL、5μg/mL、10μg/mL、20μg/mL、40μg/mL、100μg/mL。

6.如权利要求1或3所述的分析多酚化合物氧化产物的人工神经网络，其特征在于，混合酶为多酚氧化酶和酪氨酸氧化酶按质量比为1:1混合制得。

7.如权利要求1所述的分析多酚化合物氧化产物的人工神经网络，其特征在于，检测分析多酚化合物的结构式的方法是采用超高效液相色谱-质谱联用仪。

8.多酚化合物氧化产物的预测方法，其特征在于，包括以下步骤：

步骤一、建立每种多酚化合物的浓度与该种多酚化合物的多个浓度的溶液对应的多个浓度的氧化产物的溶液对应的多组L*值、a*值、b*值的数据集合，并采用该数据集合形成每种多酚化合物的多个浓度与该种多酚化合物的多个浓度的溶液对应的多个浓度的氧化产物的溶液对应的多组L*值、a*值、b*值的线性关系；

步骤二、建立如权利要求1～7任一项所述的人工神经网络；

步骤三、将未知组分的氧化产物的待测样液，按照特定比例稀释成多个浓度，检测每个浓度的待测样液的L*值、a*值、b*值，得到待测样液的多组L*值、a*值、b*值；

步骤四、以步骤三中待测样液的多组L*值、a*值、b*值为因素集，以步骤一中每种多酚化合物的多个浓度的溶液对应的多个浓度的氧化产物的溶液对应的多组L*值、a*值、b*值为模糊集，采用最大隶属度原则，计算得到待测样液的多组L*值、a*值、b*值与每种多酚化合物的多个浓度的溶液对应的多个浓度的氧化产物的溶液对应的多组L*值、a*值、b*值的拟合度，设置拟合度限值，选取拟合度高于拟合度限值对应的一种或多种多酚化合物的多个浓度的溶液对应的多个浓度的氧化产物的溶液对应的多组L*值、a*值、b*值做为拟合L*值、a*值、b*值；

步骤五、以步骤四中得到的拟合L*值、a*值、b*为人工神经网络输入值，采用步骤二中的人工神经网络预测得到该待测样液中含有的氧化产物所对应的多酚化合物的种类、多酚化合物的结构式、多酚化合物的UV-VIS吸收光谱的吸收波长及对应的波峰、或/和近红外光谱的波数及对应的波峰。