清香型白酒酒齡鑒別的方法研究

馬燕紅，張生萬*，李美萍，喬 華

(1.山西大學生命科學學院，山西 太原 030006；2.山西大學化學化工學院，山西 太原 030006)

清香型白酒酒齡鑒別的方法研究

馬燕紅1,2，張生萬1,*，李美萍1,2，喬 華2

(1.山西大學生命科學學院，山西 太原 030006；2.山西大學化學化工學院，山西 太原 030006)

以清香型白酒的典型代表汾酒為研究對象，利用氣相色譜-質譜法定性、氣相色譜三內標定量法，對新產和貯存0.5～30年的65°白酒中31種微量成分隨酒齡的變化行為進行系統研究，并對其pH值、電導率等進行分析測定。在此基礎上，運用多元線性回歸和偏最小二乘技術，建立一個白酒組成與其酒齡的相關模型，同時采用內部及外部雙重驗證的辦法對所建模型穩定性進行分析和驗證。多元線性分析結果顯示：建模相關系數為0.9990，交互檢驗復相關系數為0.9980，外部檢驗相關系數為0.9984；偏最小二乘回歸結果顯示：建模相關系數為0.9949，交互檢驗復相關系數為0.9840。所建立的數學模型具有良好的穩定性和預測能力，可用于清香型白酒的酒齡預測。

白酒；酒齡鑒別；氣相色譜-質譜聯用

常言道，“酒是陳的好”。因而眾多企業為適應消費者心理需求紛紛推出年份酒，使得“10年陳釀”、“30年陳釀”酒如雨后春筍般涌現出來，且年份酒價格也一路飆升。但這些所謂“年份酒”，并不一定都是名符其實的陳年老酒，有的甚至是不法商販用食用酒精勾兌的偽劣產品。所以，探索出行之有效的白酒和其他蒸餾酒酒齡的鑒別方法尤為重要。

目前，感官鑒定是鑒別酒齡的一種重要手段，但其準確性受感情因素、情緒因素、品評環境等諸多因素的影響。國內外酒類企業和監管部門投入很大精力研究和探索年份酒的監管方法和標準。莊名揚[1]提出利用原子吸收光譜儀及相關儀器測定酒體中的金屬元素含量來鑒定白酒的貯存年份；王偉等[2]利用總酸總酯含量對貯存時間進行建模，對白酒的酒齡進行預測；于海燕等[3]采用傅里葉變換近紅外光譜儀建立黃酒酒齡定性鑒別模型；姜忠軍等[4]系統地分析了白蘭地的pH值、單寧、色度、總酚、非酒精揮發物總量、多酚類物質以及香氣成分等，并探討了上述成分與酒齡之間的關系，建立了白蘭地酒齡判定的方法；劍南春集團科研人員[5]提出了利用揮發系數鑒別年份酒的方法；Guillen等[6]利用偏最小二乘和多元線性回歸法對雪利葡萄酒的年份與有機酸、高級醇、酚類化合物等參數進行建模，預測葡萄酒的酒齡。但對清香型白酒酒齡的有效鑒別方法尚未見報道。

本實驗以清香型汾酒為主要研究對象，利用氣相色譜-質譜(gas chromatography-mass spectrometry，GCMS)聯用、氣相色譜(GC)技術，采取化學計量學方法，研究汾酒中pH值、電導率和微量香味成分含量隨酒齡的變化規律，揭示白酒陳化過程中的物理化學變化，進而建立一個白酒酒齡鑒別的相關數學模型。為白酒市場監管、打擊偽劣產品、還企業清白、讓消費者知情提供了一有效手段。

1 材料與方法

1.1 材料與儀器

31個不同陳釀時間的原漿汾酒由山西杏花村汾酒廠提供。

GC-MSD 7890-5975c氣質聯用儀 美國Agilent公司；GC-2010氣相色譜儀(配FID檢測器) 日本島津公司；DDSJ-308A型電導率儀 上海雷磁廠；PHS-4CT型 上海康儀儀器廠；IRIS Intrepid Ⅱ XSP ICP光譜儀 美國熱電公司。

1.2 方法

1.2.1 電導率和pH值的測定

對每個待測樣品的電導率和pH值分別用電導率儀和酸度計測定，平行測定3次，取平均值。

1.2.2 白酒主要香味成分的定性定量測定

1.2.2.1 GC-MS條件及分析

GC條件：配有Dean Switch裝置，利用中心切割技術，使用HP-FFAP(30m×0.25mm，0.25μm，美國J&W公司)為一維色譜柱、HP-5(30m×0.25mm，0.25μm，美國J&W公司)為二維色譜柱，進樣量1μL，分流比30∶1；進樣口溫度250℃；中心切割范圍：7.0～9.6min，將乙醇切入二維色譜柱中；載氣為高純He；柱流速1mL/min；升溫程序：初始溫度為45℃，保持4min后，以3.5℃/min程序升溫至230℃，保持20min。

MS條件：電子轟擊(electron ionization，EI)離子源；電子能量70eV；離子源溫度250℃；傳輸線溫度280℃；四極桿溫度為150℃；質量掃描范圍m/z29～400。

在上述GC-MS條件下，對新產汾酒，采用直接進樣法測定，并對各組分的質譜圖進行解析，同時與NIST 05 Spectral Library(美國Agilent公司)進行比對，確認其結構。

1.2.2.2 GC條件及測定

使用BP-21 FFAP色譜柱(25m×0.32mm，0.5μm，澳大利亞SGE公司)；升溫程序與1.2.2.1節相同；汽化室與檢測器溫度均為250℃；載氣為高純N2；柱流速1mL/min，進樣量為1μL；分流比30∶1。

在上述色譜條件下，采用文獻[7]的三內標法定量測定新產和貯存0.5～30年的65°白酒樣中微量香味成分的含量。每個待測樣品平行測定3次，取平均值。

1.2.3 酒齡鑒別模型的建立

將待測新酒和貯存0.5～30年的65°白酒的pH值、電導率及其相對含量較高的一些微量成分含量為變量，分別采用多元線性逐步回歸技術和偏最小二乘法對上述變量與酒齡相關聯建模。

2 結果與分析

2.1 pH值、電導率分析

對不同酒齡汾酒的pH值、電導率按1.2.1節方法分別進行測定，結果見圖1。

圖1 酒齡與pH值(A)和電導率(B)的相關圖Fig.1 Plot of pH (A) and electrical conductivities (B) vs. liquor age

由圖1A可知，汾酒的pH值與酒齡呈負相關，其原因主要是由于酒中酯類物質水解及醇、醛氧化生成相應酸所致，這一現象充分說明酯化水解平衡、溶解氧的參與是白酒陳化過程中的主要變化行為；由圖1B可知，酒體的電導率值與酒齡呈正相關，其原因之一是由于酸度增加，酒體中游離的H+增加，另一方面是隨酒齡的增加儲酒容器中某些金屬離子向酒體中遷移的量增大[8-10]所致，充分說明白酒陳化過程中儲酒容器表面的活性中心參與了反應。

2.2 白酒微量成分分析

2.2.1 白酒中微量成分定性分析

圖2 白酒GC-MS總離子流色譜圖Fig.2 Total ion chromatogram of the aroma of the liquor analyzed

以新產汾酒為對象，采用直接進樣法，按1.2.2.1節方法對汾酒中的微量成分進行分析，其總離子流色譜圖及定性分析結果如圖2所示。

由圖2可知，在上述條件下共分離得到73種組分，確定了其中69個化合物的結構。在這些化合物中酯類最多，另有醇、醛、酮、酸、醚、烴及含硫含氮類化合物等。

2.2.2 微量成分含量隨酒齡變化規律

按1.2.2.2節中的方法，分別測定了新產和貯存0.5～30年的65°汾酒酒樣中含量在0.1mg/100mL以上的31種微量成分含量隨酒齡的變化規律，結果見表1。

由表1可知，隨著酒齡的增大，酒中微量成分含量下降的程度低沸點物質大于高沸點物質、非極性物質大于極性物質，酯類物質含量呈下降趨勢，酸類物質含量呈上升趨勢，另外，對陳酒味有較大貢獻的β-苯乙醇(蜜香玫瑰味)和3-羥基丁酮含量隨酒齡的增加呈上升趨勢。

綜上所述，白酒的陳化主要是低沸點、非極性邪雜味物質的揮發、溶解氧的氧化、酯化水解平衡、分子間弱相互作用以及貯存容器表面活性中心參與等綜合作用的結果。

2.3 酒齡鑒別模型的建立

2.3.1 多元線性逐步回歸模型

表1 不同酒齡汾酒香味成分的測定結果Table 1 Contents of aroma compounds in Fenjiu with different ages

續表1

續表1

令表1中的31個化合物為1～31號變量，pH值、電導率為第32、33號變量。采用多元線性逐步回歸技術，將上述33個變量與酒齡相關聯進行變量篩選建模，逐步回歸的過程如表2所示。

表 2 逐步回歸變量分析Table 2 Analysis of variables by stepwise multiple regression

從表2可以看出，在逐步回歸過程中，隨變量個數m的增加，模型的相關系數R逐漸增大，標準偏差SD逐漸減小，表明模型對內部樣本的估計能力逐漸改善；在交互檢驗預測過程中，隨m的增加，RLOO逐漸增大，SDLOO逐漸減小，說明模型對樣本的預測能力隨著m的增大而改進，過程中不存在過擬合現象，不需要對變量進行剔除。當m＝5時，RLOO出現最大值(0.9980)，SDLOO也有最小值(0.469)。綜合分析可知，選用5個變量建立方程最好。用多元線性回歸建立白酒的陳釀時間(Y)與其pH值、電導率、微量成分(X)的相關數學模型為：

n＝31、m＝5、R＝0.9990、SD＝0.396、F＝4052.084；CV建模：RLOO＝0.9980、SDLOO＝0.469、FLOO＝ 2895.072。

式中：n為回歸樣本數；R為相關系數；SD為標準偏差；F為Fisher檢驗值；RLOO、SDLOO、FLOO分別為留一法交互檢驗的相關系數、標準誤差和Fisher檢驗值。

2.3.2 模型驗證

為了驗證所建模型的外部預測能力和有效性，常采用留一法(leave-one-out，LOO)交叉檢驗(crossvalidation，CV)的復相關系數RLOO和測試集的外部預測能力Qext進行檢驗。其中留一法交叉檢驗的復相關系數RLOO是目前較為廣泛使用的一種模型驗證方法，然而Tropsha等[11]的研究表明：RLOO值的大小與模型預測能力并沒有明顯相關關系，對模型預測能力的評價只能通過外部樣本集，即測試集來進行。模型外部預測能力可以用Qext(external Q)來衡量：

式中：yi為測試集中樣本的實驗值；yi為測試集樣本的預測值；y－tr為訓練集樣本實驗的平均值。

鑒于此，將上述31個樣本分為兩組，其中26個樣本作訓練集(training set)，5個樣本作測試集(test set)。測試集選取方法為：將全部31個樣本從第一個樣本開始每隔7個樣本選取1個作為測試集，選取的測試集在表1中用“*”標出。同時用訓練集建模結果如下：

采用上述5個外部樣本(測試集)對所建模型的預測能力進行檢驗，其Qext＝0.9984。使用方程(3)對31個化合物進行估計與預測，并將計算與實驗值的相關情況以及殘差分布散點圖分別繪于圖3中。從圖3A可以看出，白酒的酒齡與酒中化合物的含量及酒體的理化性質呈明顯相關，具體表現為圖3A中樣本均勻分布于過原點45°直線周圍。在圖3B中絕大多數點的誤差分布在2SD之間，且無異常點出現，進一步表明所建模型具有良好的穩定性和預測能力。

2.3.3 偏最小二乘回歸模型

偏最小二乘回歸模型目前在定量構效關系建模中較為流行。為保證變量單位空間尺度一致，首先采用自定標法對原始變量(33個因素)標準化處理，再用化學計量學軟件Simca-p10.0對訓練集26個樣本建模，并以交叉檢驗最高值所對應的主成分數2作為模型的復雜程度。這2個主成分包含原始變量矩陣(X)79.31%信息量，解釋變量方差(Y)99.49%。同時采用外部樣本對模型的預測能力進行檢驗，其Q＝0.9840。由此可見該模型具有良好的穩定性和泛化能力。

圖3 白酒酒齡與預測值模型相關性(A)和酒齡誤差分布(B)Fig.3 Plot of experiment vs. calculated (A) and error vs. n(B) on liquor age

2.3.4 模型中參數的物理意義

從上述模型可知，汾酒的酒齡主要與甲醇、1,1-二乙氧基異戊烷、異丁醇、2,3-丁二醇和電導率相關。其中甲醇與酒齡呈負相關，正好說明白酒在自然陳化過程中，低沸點的有害物質——甲醇會逐漸揮發[12]，所以甲醇含量越低表明酒齡越長；1,1-二乙氧基異戊烷與酒齡呈正相關，是由于酒體中異戊醇被氧化成異戊醛，異戊醛又與乙醇生成該縮醛，并且白酒儲存時間越長生成的1,1-二乙氧基異戊烷相對含量也就越高；異丁醇與酒齡呈正相關，是由于異丁醇相對于其他含量較高的微量成分來說，其沸點、極性均相對較高，所以，白酒在自然陳化過程中其相對含量會有所增加，與酒齡呈正相關；2,3-丁二醇與酒齡呈負相關，主要是白酒在自然陳化過程中2,3-丁二醇會被酒體中的溶解氧氧化成3-羥基丁酮(醋翁)，所以酒齡越長，其含量越低，另外，在白酒自然陳化過程中，3-羥基丁酮含量逐漸增加也充分說明了這一點[13]；電導率值與酒齡呈正相關，是因為酒體中的酯類化合物在貯存過程中發生水解和醇、醛被氧化成酸，加之貯存容器表面活性中心參與反應，微量金屬離子溶入酒體所致。

綜上所述，該模型的每一個變量均有明確的物理意義，并與白酒自然陳化行為完全吻合，即：不同酒齡白酒實測結果和所建模型得到了相互驗證。

3 結 論

3.1 研究了清香型白酒的典型代表汾酒的pH值、電導率及其31種成分隨白酒酒齡的變化規律，得出了白酒的陳化機理：主要是低沸點、非極性邪雜味物質的揮發、溶解氧的氧化、酯化水解平衡、分子間弱相互作用以及貯存容器表面活性中心參與等綜合作用的結果。

3.2 采用數理統計的方法，建立了一個白酒組成及其理化行為與其酒齡相關的數學模型，用于清香型白酒酒齡的預測，具有重要的理論和應用價值。

[1] 莊名揚. 談談年份酒與鑒別方法[J]. 釀酒科技, 2007(10)∶ 83-86.

[2] 王偉, 張生萬. 白酒貯存中酸酯變化規律及酒齡預測方法研究[J]. 釀酒科技, 2007(10)∶ 17-19.

[3] 于海燕, 應義斌, 傅霞萍, 等. 近紅外透射光譜應用于黃酒酒齡的定性分析[J]. 光譜學與光譜分析, 2007, 27(5)∶ 920-923.

[4] 姜忠軍, 李記明. 白蘭地成分與酒齡關系的研究[J]. 食品與發酵工業, 2008(3)∶ 137-140.

[5] 徐占成. 揮發系數鑒別年份酒解決了年份酒鑒定的世界難題[J]. 釀酒科技, 2008(2)∶ 90-91.

[6] GUILLN D A, PALMA M, NATERA R, et al. Determination of the age of sherry wines by regression techniques using routine parameters and phenolic and volatile compounds[J]. Agric Food Chem, 2005, 53(7)∶ 2412-2417.

[7] 沈怡方. 白酒生產技術全書[M]. 北京∶ 中國輕工業出版社, 2007∶ 728-733.

[8] 劉沛龍, 唐萬裕, 練順才, 等. 白酒中金屬元素的測定及其與酒質的關系(上)[J]. 釀酒科技, 1997(6)∶ 23-27.

[9] 劉沛龍, 唐萬裕, 練順才, 等. 白酒中金屬元素的測定及其與酒質的關系(下)[J]. 釀酒科技, 1998(1)∶ 20-27.

[10] 賀葉琴, 王蘭, 王茜, 等. 金屬元素在汾酒中的作用及應用研究[J].食品科學, 2009, 30(11)∶ 124-130.

[11] TROPSHA A, GRAMATICA P, GOMBAR V K. The importance of being earnest∶ Validation is the absolute essential for successful application and interpretation of QSPR models[J]. QSAR and Combinatorial Science, 2003, 22(1)∶ 69-77.

[12] 張智遠. 白酒老熟機理探討[J]. 山東食品發酵, 2003(1)∶ 47-48.

[13] CAMARA J S, ALVES M A, MARQUES J C. Changes in volatile composition of Madeira wines during their oxidative ageing[J]. Analytica Chimica Acta, 2006, 563(1/2)∶ 188-197.

Mathematical Modeling for Identification of Fen-Flavor Liquor Aging Time

MA Yan-hong1,2，ZHANG Sheng-wan1,*，LI Mei-ping1,2，QIAO Hua2
(1. School of Life Science, Shanxi University, Taiyuan 030006, China；
2. College of Chemistry and Chemical Engineering, Shanxi University, Taiyuan 030006, China)

Fenjiu, which was a reprehensive of fragrant liquor, was taken as the research object. The pH values, electrical conductivities and the contents of flavor components analyzed by GC-MS were systematically analyzed with the age of liquor.Based on this, with the help of multiple linear regression (MLR) and partial least square regression (PLSR), a model of liquor property and its age was established. The estimation stability and generalization ability of the models were strictly analyzed by both internal and external validation. The correlation coefficientRof established models, leave-one-out (LOO) cross-validation(CV), Qext of MLR were 0.9990, 0.9980, 0.9984; the result of PLSR was the following∶RandRLOO were 0.9949, 0.9840. The results showed that the model is of great robustness and good predictive abilities. The method may play an important role in identifying the Fen-flavor liquor age in the theoretical and application.

liquor；identification of liquor age；gas chromatography-mass spectrometry (GC-MS)

O661

A

1002-6630(2012)10-0184-06

2011-06-21

山西省回國留學人員科研項目(200902)；山西大學研究生創新項目(20093029)

馬燕紅(1984—)，女，博士研究生，研究方向為食品化學。E-mail：200622904003@mail.sxu.cn

*通信作者：張生萬(1955—)，男，教授，學士，研究方向為食品科學、化學計量學、藥物合成。E-mail：zswan@sxu.edu.cn