清香型白酒酒龄鉴别的方法研究

马燕红，张生万*，李美萍，乔 华

(1.山西大学生命科学学院，山西 太原 030006；2.山西大学化学化工学院，山西 太原 030006)

清香型白酒酒龄鉴别的方法研究

马燕红1,2，张生万1,*，李美萍1,2，乔 华2

(1.山西大学生命科学学院，山西 太原 030006；2.山西大学化学化工学院，山西 太原 030006)

以清香型白酒的典型代表汾酒为研究对象，利用气相色谱-质谱法定性、气相色谱三内标定量法，对新产和贮存0.5～30年的65°白酒中31种微量成分随酒龄的变化行为进行系统研究，并对其pH值、电导率等进行分析测定。在此基础上，运用多元线性回归和偏最小二乘技术，建立一个白酒组成与其酒龄的相关模型，同时采用内部及外部双重验证的办法对所建模型稳定性进行分析和验证。多元线性分析结果显示：建模相关系数为0.9990，交互检验复相关系数为0.9980，外部检验相关系数为0.9984；偏最小二乘回归结果显示：建模相关系数为0.9949，交互检验复相关系数为0.9840。所建立的数学模型具有良好的稳定性和预测能力，可用于清香型白酒的酒龄预测。

白酒；酒龄鉴别；气相色谱-质谱联用

常言道，“酒是陈的好”。因而众多企业为适应消费者心理需求纷纷推出年份酒，使得“10年陈酿”、“30年陈酿”酒如雨后春笋般涌现出来，且年份酒价格也一路飙升。但这些所谓“年份酒”，并不一定都是名符其实的陈年老酒，有的甚至是不法商贩用食用酒精勾兑的伪劣产品。所以，探索出行之有效的白酒和其他蒸馏酒酒龄的鉴别方法尤为重要。

目前，感官鉴定是鉴别酒龄的一种重要手段，但其准确性受感情因素、情绪因素、品评环境等诸多因素的影响。国内外酒类企业和监管部门投入很大精力研究和探索年份酒的监管方法和标准。庄名扬[1]提出利用原子吸收光谱仪及相关仪器测定酒体中的金属元素含量来鉴定白酒的贮存年份；王伟等[2]利用总酸总酯含量对贮存时间进行建模，对白酒的酒龄进行预测；于海燕等[3]采用傅里叶变换近红外光谱仪建立黄酒酒龄定性鉴别模型；姜忠军等[4]系统地分析了白兰地的pH值、单宁、色度、总酚、非酒精挥发物总量、多酚类物质以及香气成分等，并探讨了上述成分与酒龄之间的关系，建立了白兰地酒龄判定的方法；剑南春集团科研人员[5]提出了利用挥发系数鉴别年份酒的方法；Guillen等[6]利用偏最小二乘和多元线性回归法对雪利葡萄酒的年份与有机酸、高级醇、酚类化合物等参数进行建模，预测葡萄酒的酒龄。但对清香型白酒酒龄的有效鉴别方法尚未见报道。

本实验以清香型汾酒为主要研究对象，利用气相色谱-质谱(gas chromatography-mass spectrometry，GCMS)联用、气相色谱(GC)技术，采取化学计量学方法，研究汾酒中pH值、电导率和微量香味成分含量随酒龄的变化规律，揭示白酒陈化过程中的物理化学变化，进而建立一个白酒酒龄鉴别的相关数学模型。为白酒市场监管、打击伪劣产品、还企业清白、让消费者知情提供了一有效手段。

1 材料与方法

1.1 材料与仪器

31个不同陈酿时间的原浆汾酒由山西杏花村汾酒厂提供。

GC-MSD 7890-5975c气质联用仪 美国Agilent公司；GC-2010气相色谱仪(配FID检测器) 日本岛津公司；DDSJ-308A型电导率仪 上海雷磁厂；PHS-4CT型 上海康仪仪器厂；IRIS Intrepid Ⅱ XSP ICP光谱仪 美国热电公司。

1.2 方法

1.2.1 电导率和pH值的测定

对每个待测样品的电导率和pH值分别用电导率仪和酸度计测定，平行测定3次，取平均值。

1.2.2 白酒主要香味成分的定性定量测定

1.2.2.1 GC-MS条件及分析

GC条件：配有Dean Switch装置，利用中心切割技术，使用HP-FFAP(30m×0.25mm，0.25μm，美国J&W公司)为一维色谱柱、HP-5(30m×0.25mm，0.25μm，美国J&W公司)为二维色谱柱，进样量1μL，分流比30∶1；进样口温度250℃；中心切割范围：7.0～9.6min，将乙醇切入二维色谱柱中；载气为高纯He；柱流速1mL/min；升温程序：初始温度为45℃，保持4min后，以3.5℃/min程序升温至230℃，保持20min。

MS条件：电子轰击(electron ionization，EI)离子源；电子能量70eV；离子源温度250℃；传输线温度280℃；四极杆温度为150℃；质量扫描范围m/z29～400。

在上述GC-MS条件下，对新产汾酒，采用直接进样法测定，并对各组分的质谱图进行解析，同时与NIST 05 Spectral Library(美国Agilent公司)进行比对，确认其结构。

1.2.2.2 GC条件及测定

使用BP-21 FFAP色谱柱(25m×0.32mm，0.5μm，澳大利亚SGE公司)；升温程序与1.2.2.1节相同；汽化室与检测器温度均为250℃；载气为高纯N2；柱流速1mL/min，进样量为1μL；分流比30∶1。

在上述色谱条件下，采用文献[7]的三内标法定量测定新产和贮存0.5～30年的65°白酒样中微量香味成分的含量。每个待测样品平行测定3次，取平均值。

1.2.3 酒龄鉴别模型的建立

将待测新酒和贮存0.5～30年的65°白酒的pH值、电导率及其相对含量较高的一些微量成分含量为变量，分别采用多元线性逐步回归技术和偏最小二乘法对上述变量与酒龄相关联建模。

2 结果与分析

2.1 pH值、电导率分析

对不同酒龄汾酒的pH值、电导率按1.2.1节方法分别进行测定，结果见图1。

图1 酒龄与pH值(A)和电导率(B)的相关图Fig.1 Plot of pH (A) and electrical conductivities (B) vs. liquor age

由图1A可知，汾酒的pH值与酒龄呈负相关，其原因主要是由于酒中酯类物质水解及醇、醛氧化生成相应酸所致，这一现象充分说明酯化水解平衡、溶解氧的参与是白酒陈化过程中的主要变化行为；由图1B可知，酒体的电导率值与酒龄呈正相关，其原因之一是由于酸度增加，酒体中游离的H+增加，另一方面是随酒龄的增加储酒容器中某些金属离子向酒体中迁移的量增大[8-10]所致，充分说明白酒陈化过程中储酒容器表面的活性中心参与了反应。

2.2 白酒微量成分分析

2.2.1 白酒中微量成分定性分析

图2 白酒GC-MS总离子流色谱图Fig.2 Total ion chromatogram of the aroma of the liquor analyzed

以新产汾酒为对象，采用直接进样法，按1.2.2.1节方法对汾酒中的微量成分进行分析，其总离子流色谱图及定性分析结果如图2所示。

由图2可知，在上述条件下共分离得到73种组分，确定了其中69个化合物的结构。在这些化合物中酯类最多，另有醇、醛、酮、酸、醚、烃及含硫含氮类化合物等。

2.2.2 微量成分含量随酒龄变化规律

按1.2.2.2节中的方法，分别测定了新产和贮存0.5～30年的65°汾酒酒样中含量在0.1mg/100mL以上的31种微量成分含量随酒龄的变化规律，结果见表1。

由表1可知，随着酒龄的增大，酒中微量成分含量下降的程度低沸点物质大于高沸点物质、非极性物质大于极性物质，酯类物质含量呈下降趋势，酸类物质含量呈上升趋势，另外，对陈酒味有较大贡献的β-苯乙醇(蜜香玫瑰味)和3-羟基丁酮含量随酒龄的增加呈上升趋势。

综上所述，白酒的陈化主要是低沸点、非极性邪杂味物质的挥发、溶解氧的氧化、酯化水解平衡、分子间弱相互作用以及贮存容器表面活性中心参与等综合作用的结果。

2.3 酒龄鉴别模型的建立

2.3.1 多元线性逐步回归模型

表1 不同酒龄汾酒香味成分的测定结果Table 1 Contents of aroma compounds in Fenjiu with different ages

续表1

续表1

令表1中的31个化合物为1～31号变量，pH值、电导率为第32、33号变量。采用多元线性逐步回归技术，将上述33个变量与酒龄相关联进行变量筛选建模，逐步回归的过程如表2所示。

表 2 逐步回归变量分析Table 2 Analysis of variables by stepwise multiple regression

从表2可以看出，在逐步回归过程中，随变量个数m的增加，模型的相关系数R逐渐增大，标准偏差SD逐渐减小，表明模型对内部样本的估计能力逐渐改善；在交互检验预测过程中，随m的增加，RLOO逐渐增大，SDLOO逐渐减小，说明模型对样本的预测能力随着m的增大而改进，过程中不存在过拟合现象，不需要对变量进行剔除。当m＝5时，RLOO出现最大值(0.9980)，SDLOO也有最小值(0.469)。综合分析可知，选用5个变量建立方程最好。用多元线性回归建立白酒的陈酿时间(Y)与其pH值、电导率、微量成分(X)的相关数学模型为：

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为回归样本数；R为相关系数；SD为标准偏差；F为Fisher检验值；RLOO、SDLOO、FLOO分别为留一法交互检验的相关系数、标准误差和Fisher检验值。

2.3.2 模型验证

为了验证所建模型的外部预测能力和有效性，常采用留一法(leave-one-out，LOO)交叉检验(crossvalidation，CV)的复相关系数RLOO和测试集的外部预测能力Qext进行检验。其中留一法交叉检验的复相关系数RLOO是目前较为广泛使用的一种模型验证方法，然而Tropsha等[11]的研究表明：RLOO值的大小与模型预测能力并没有明显相关关系，对模型预测能力的评价只能通过外部样本集，即测试集来进行。模型外部预测能力可以用Qext(external Q)来衡量：

式中：yi为测试集中样本的实验值；yi为测试集样本的预测值；y－tr为训练集样本实验的平均值。

鉴于此，将上述31个样本分为两组，其中26个样本作训练集(training set)，5个样本作测试集(test set)。测试集选取方法为：将全部31个样本从第一个样本开始每隔7个样本选取1个作为测试集，选取的测试集在表1中用“*”标出。同时用训练集建模结果如下：

采用上述5个外部样本(测试集)对所建模型的预测能力进行检验，其Qext＝0.9984。使用方程(3)对31个化合物进行估计与预测，并将计算与实验值的相关情况以及残差分布散点图分别绘于图3中。从图3A可以看出，白酒的酒龄与酒中化合物的含量及酒体的理化性质呈明显相关，具体表现为图3A中样本均匀分布于过原点45°直线周围。在图3B中绝大多数点的误差分布在2SD之间，且无异常点出现，进一步表明所建模型具有良好的稳定性和预测能力。

2.3.3 偏最小二乘回归模型

偏最小二乘回归模型目前在定量构效关系建模中较为流行。为保证变量单位空间尺度一致，首先采用自定标法对原始变量(33个因素)标准化处理，再用化学计量学软件Simca-p10.0对训练集26个样本建模，并以交叉检验最高值所对应的主成分数2作为模型的复杂程度。这2个主成分包含原始变量矩阵(X)79.31%信息量，解释变量方差(Y)99.49%。同时采用外部样本对模型的预测能力进行检验，其Q＝0.9840。由此可见该模型具有良好的稳定性和泛化能力。

图3 白酒酒龄与预测值模型相关性(A)和酒龄误差分布(B)Fig.3 Plot of experiment vs. calculated (A) and error vs. n(B) on liquor age

2.3.4 模型中参数的物理意义

从上述模型可知，汾酒的酒龄主要与甲醇、1,1-二乙氧基异戊烷、异丁醇、2,3-丁二醇和电导率相关。其中甲醇与酒龄呈负相关，正好说明白酒在自然陈化过程中，低沸点的有害物质——甲醇会逐渐挥发[12]，所以甲醇含量越低表明酒龄越长；1,1-二乙氧基异戊烷与酒龄呈正相关，是由于酒体中异戊醇被氧化成异戊醛，异戊醛又与乙醇生成该缩醛，并且白酒储存时间越长生成的1,1-二乙氧基异戊烷相对含量也就越高；异丁醇与酒龄呈正相关，是由于异丁醇相对于其他含量较高的微量成分来说，其沸点、极性均相对较高，所以，白酒在自然陈化过程中其相对含量会有所增加，与酒龄呈正相关；2,3-丁二醇与酒龄呈负相关，主要是白酒在自然陈化过程中2,3-丁二醇会被酒体中的溶解氧氧化成3-羟基丁酮(醋翁)，所以酒龄越长，其含量越低，另外，在白酒自然陈化过程中，3-羟基丁酮含量逐渐增加也充分说明了这一点[13]；电导率值与酒龄呈正相关，是因为酒体中的酯类化合物在贮存过程中发生水解和醇、醛被氧化成酸，加之贮存容器表面活性中心参与反应，微量金属离子溶入酒体所致。

综上所述，该模型的每一个变量均有明确的物理意义，并与白酒自然陈化行为完全吻合，即：不同酒龄白酒实测结果和所建模型得到了相互验证。

3 结 论

3.1 研究了清香型白酒的典型代表汾酒的pH值、电导率及其31种成分随白酒酒龄的变化规律，得出了白酒的陈化机理：主要是低沸点、非极性邪杂味物质的挥发、溶解氧的氧化、酯化水解平衡、分子间弱相互作用以及贮存容器表面活性中心参与等综合作用的结果。

3.2 采用数理统计的方法，建立了一个白酒组成及其理化行为与其酒龄相关的数学模型，用于清香型白酒酒龄的预测，具有重要的理论和应用价值。

[1] 庄名扬. 谈谈年份酒与鉴别方法[J]. 酿酒科技, 2007(10)∶ 83-86.

[2] 王伟, 张生万. 白酒贮存中酸酯变化规律及酒龄预测方法研究[J]. 酿酒科技, 2007(10)∶ 17-19.

[3] 于海燕, 应义斌, 傅霞萍, 等. 近红外透射光谱应用于黄酒酒龄的定性分析[J]. 光谱学与光谱分析, 2007, 27(5)∶ 920-923.

[4] 姜忠军, 李记明. 白兰地成分与酒龄关系的研究[J]. 食品与发酵工业, 2008(3)∶ 137-140.

[5] 徐占成. 挥发系数鉴别年份酒解决了年份酒鉴定的世界难题[J]. 酿酒科技, 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. 白酒生产技术全书[M]. 北京∶ 中国轻工业出版社, 2007∶ 728-733.

[8] 刘沛龙, 唐万裕, 练顺才, 等. 白酒中金属元素的测定及其与酒质的关系(上)[J]. 酿酒科技, 1997(6)∶ 23-27.

[9] 刘沛龙, 唐万裕, 练顺才, 等. 白酒中金属元素的测定及其与酒质的关系(下)[J]. 酿酒科技, 1998(1)∶ 20-27.

[10] 贺叶琴, 王兰, 王茜, 等. 金属元素在汾酒中的作用及应用研究[J].食品科学, 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] 张智远. 白酒老熟机理探讨[J]. 山东食品发酵, 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

山西省回国留学人员科研项目(200902)；山西大学研究生创新项目(20093029)

马燕红(1984—)，女，博士研究生，研究方向为食品化学。E-mail：200622904003@mail.sxu.cn

*通信作者：张生万(1955—)，男，教授，学士，研究方向为食品科学、化学计量学、药物合成。E-mail：zswan@sxu.edu.cn