红烧肉感官描述属性与各分指标测定值之间的相关性分析
红烧肉标准化实验
红烧肉风味形成途径的初步试验方案研究目的：“红烧肉”以别致的风味数千年来深受消费者喜爱。
红烧肉的良好风味不是单一物质作用的结果，而是烹调过程中对各种影响因素适当控制，使其中多种不同组分在数量上微妙平衡的综合作用结果。
弄清楚红烧肉风味形成的途径，有利于这种风味的广泛应用。
研究方案第一步研究红烧肉的前体物质对红烧肉风味的影响前体物质研究对象：猪五花肉的瘦肉组织、脂肪组织、皮组织、黄酒、酱油、糖、食盐、糖、葱姜、食盐和味精。
阶段1。
烹饪原料对红烧肉风味特征的影响〈可能在烹饪过程中烹饪原料发生的生化反应：脂类降解、美拉德反应、硫胺素降解等反应〉阶段2。
调料对红烧肉风味形成的调节作用<酱油、黄酒、糖、葱姜、食盐和味精的自身所含的物质以及烹饪过程中产生的物质在色、香、味、型方面对烧肉风味形成的影响>第二步研究烹调工艺对红烧肉风味的影响阶段1。
用水量的影响阶段2。
火候的影响等第三步对影响红烧肉风味的各种因素进行归纳总结实验方案试验人员：一个小组3-4人试验设备：1kg电子秤、精度到0.001克的电子秤、游标卡尺、操作台、储物空间（冰箱、冷库、货架）、触感温度计、无线温度计、香味收集器、香味收集锅、准确的测温锅等，可控温火炉。
试验完成的时间：1-6个月以下试验方案是初步的将根据进程进行修正和补充细化TEST 1 红烧肉标准配方和烹饪工艺的确定试验原料：带皮猪五花肉试验基础菜谱确立：请厨师制作最后感官确定最好色香味型的配方NO Chef maked 配方工艺色TEST 2 红烧肉的前体物质对红烧肉风味的影响1。
红烧肉的前体物质烹饪过程的物性变化2。
红烧肉的前体物质烹饪过程的食品化学反应以下主要通过香味分析和常规分析以及文献资料来确定TEST 3 红烧肉烹饪过程调味料对红烧肉风味形成的调节作用以下主要通过香味分析和常规分析以及文献资料确定TEST 4 红烧肉烹饪过程中主要形成风味的物化反应探索以下主要通过香味分析和常规分析以及文献资料确定TEST 5 研究烹调工艺对红烧肉风味的影响1。
如何进行相关性分析
如何进行相关性分析相关性分析是统计学中常用的分析方法之一，用于衡量两个或多个变量之间的关联程度。
通过相关性分析可以得出变量之间的相关性强弱及正负关系，为后续的数据分析和模型建立提供支持。
以下是进行相关性分析的步骤和注意事项。
1.确定变量类型在进行相关性分析之前，需要先明确变量的类型。
常见的变量类型包括定量变量（如身高、体重、销售额等）和分类变量（如性别、地区、婚姻状况等）。
不同类型的变量使用不同的相关系数进行分析。
2.寻找数据3.数据清洗与变换对收集到的数据进行清洗和变换处理，以确保数据的准确性和一致性。
包括去除缺失值、异常值、重复值以及数据格式化处理等。
此外，如有需要可以进行数据标准化或变量转换，以便进行更准确的相关性分析。
4.选择合适的相关系数根据变量的类型，选择合适的相关系数进行分析。
常见的相关系数包括Pearson相关系数、Spearman等级相关系数和判定系数等。
Pearson相关系数适用于定量变量之间的线性关系，Spearman相关系数适用于定序变量或非线性关系。
通过计算相关系数可以得到相关性分析的结果。
5.相关性检验对于得到的相关系数，需要进行相关性检验来判断其统计显著性。
常见的检验方法包括t检验和卡方检验等。
显著性水平的选择一般为0.05，即p值小于0.05认为相关系数具有统计显著性。
6.解读相关性结果根据计算得到的相关系数和显著性水平，进行结果的解读。
相关系数的取值范围在-1到1之间，接近1表示正相关性强，接近-1表示负相关性强，接近0表示无相关性。
同时，要注意相关性不代表因果关系，只能表明两个变量之间的联合变化程度。
7.注意事项在进行相关性分析时，需要注意以下几点：-数据的选择和准备要充分，确保数据的可信度和准确性。
-数据的类型和变换要符合相关系数的要求，确保相关性分析结果的可靠性。
-相关性只能表明两个变量之间的联合变化程度，并不能说明因果关系。
-相关系数是基于样本数据计算得到的，需要注意结果的一般性和推广性。
相关性分析方法有哪些
相关性分析方法有哪些相关性分析是指在数据分析中用来衡量变量之间关系的方法。
在实际应用中，相关性分析可以帮助我们理解变量之间的关联程度，从而为决策提供依据。
在本文中，我们将介绍几种常见的相关性分析方法，它们分别是，Pearson相关系数、Spearman等级相关系数、判定系数和点二列相关系数。
首先，Pearson相关系数是最常见的相关性分析方法之一。
它用来衡量两个连续变量之间的线性关系强度和方向。
Pearson相关系数的取值范围在-1到1之间，当相关系数为1时，表示存在完全正相关关系；当相关系数为-1时，表示存在完全负相关关系；当相关系数为0时，表示两个变量之间不存在线性关系。
Pearson相关系数的计算公式为，r = Σ((X-Mx)(Y-My)) / (n-1) Sx Sy，其中，X和Y分别是两个变量的取值，Mx和My分别是两个变量的均值，n是样本量，Sx和Sy分别是两个变量的标准差。
其次，Spearman等级相关系数是一种非参数的相关性分析方法，它用来衡量两个变量之间的等级关系。
Spearman等级相关系数的取值范围也在-1到1之间，计算方法是先将原始数据转换为等级数据，然后计算Pearson相关系数。
Spearman等级相关系数适用于不满足正态分布假设的情况，因此在实际应用中具有一定的灵活性。
另外，判定系数是用来衡量自变量对因变量变化的解释程度的指标。
判定系数的取值范围在0到1之间，表示自变量对因变量变化的解释程度。
判定系数越接近1，说明自变量对因变量的解释程度越高；反之，判定系数越接近0，说明自变量对因变量的解释程度越低。
判定系数的计算方法是将回归平方和除以总平方和，公式为，R² = SSR/SST，其中SSR代表回归平方和，SST代表总平方和。
最后，点二列相关系数是一种用来衡量两个二分类变量之间关系的方法。
点二列相关系数的取值范围在-1到1之间，计算方法是先构建列联表，然后计算卡方值，最后将卡方值转换为点二列相关系数。
相关性分析的方法
相关性分析的方法相关性分析是一种用来确定两个或多个变量之间关系强度和方向的统计方法。
相关性分析主要用来研究变量之间的相关关系，帮助我们了解它们是否同步变化，以及如何在预测和解释数据时使用这些关系。
在以下几个方面，我将详细介绍相关性分析的方法。
首先，相关性的计算方法有很多种，最常见的是皮尔逊相关系数。
皮尔逊相关系数是最常用的相关性计算方法之一，它衡量了两个变量之间的线性关系强度和方向。
它的取值范围在-1到1之间，其中1表示正相关，-1表示负相关，0表示没有相关性。
通过计算两个变量之间的协方差和标准差，可以得到皮尔逊相关系数的值。
此外，还有斯皮尔曼相关系数和肯德尔相关系数等方法。
斯皮尔曼相关系数主要用于计算两个有序变量之间的相关性，而肯德尔相关系数则适用于无序变量之间的相关性分析。
这些方法在数据类型和符合相关性的假设上的差异使它们在不同情况下更适用。
在相关性分析中，我们还需要评估相关性的显著性。
常见的方法之一是计算p 值。
p值反映了观察到的相关系数是否由随机性造成的可能性。
如果p值小于0.05，则认为相关性是显著的，如果p值大于0.05，则认为相关性是不显著的。
此外，还可以使用置信区间来评估相关性的置信度。
置信区间表示相关系数的取值范围，一般是以95%或99%的置信度给出。
除了计算相关系数和评估显著性之外，我们还可以使用可视化方法来探索变量之间的相关性。
散点图是一种常用的可视化方法，其中每个点表示两个变量的取值，它们的位置和分布形状可以反映两个变量之间的相关性。
此外，还可以使用热力图来显示多个变量之间的相关程度，从而更直观地理解变量之间的相互作用。
相关性分析在许多领域都有广泛的应用。
在金融领域中，相关性分析可用于评估不同股票之间的相关性，以帮助投资者构建投资组合。
在医学研究中，相关性分析可用于确定患者的不同特征之间的关系，从而预测疾病的发展趋势。
在市场营销中，相关性分析可用于了解产品销售额和广告投放之间的关系，从而优化广告策略。
数据指标间相关性分析
数据指标间相关性分析目录步骤一：可视化-图表展示步骤二：相关系数计算1、协方差及协方差矩阵2、三个相关性系数（pearson, spearman, kendall）3、不同类型变量适用检验方式步骤三：假设检验P值参数检验——样本符合正态分布：①T检验——单样本T检验、配对样本T检验、独立样本均数T检验②Z检验③方差分析ANOVA（F检验）——样本特征大于2④Tukey`s range test非参数检验①Mann-Whitney——U检验②Kruskal-Wallis——H检验③Wilcoxon有符号秩检验步骤一：可视化-图表展示折线图、散点图……1、单个数据展示，看数据分布、异常值、缺失值……2、多数据展示，看数据间关系步骤二：相关系数计算1、协方差及协方差矩阵当两个变量变化趋势相同，协方差为正值，说明两变量正相关；当两个变量变化趋势相反，协方差为负值，说明两变量负相关；当两个变量相互独立，协方差为0，说明两变量不相关；两个变量的协方差：三个变量的协方差：2、三个相关性系数（pearson, spearman, kendall）它反映了两个变量之间变化趋势的方向和程度。
Pearson系数（不是p值）：皮尔逊相关系数，线性相关系数，协方差与标准差的比值，对数据质量要求较高：①数据是正态分布时，因为求皮尔森相关性系数以后，通常还会用t检验之类的方法来进行皮尔森相关性系数检验，而 t检验是基于数据呈正态分布的假设的。
②实验数据之间的差距不能太大，不能有离散点，异常值。
③连续性变量Spearman系数：斯皮尔曼相关性系数，没有很多数据条件要求，当数据不是正太分布，用这个，适用范围广，适合于定序变量或不满足正态分布假设的等间隔数据。
数学建模方法——斯皮尔曼相关系数及其显著性检验（Spearman’s correlation coefficient for ranked data）_Liu-Kevin的博客-CSDN博客_斯皮尔曼相关性分析当样本量小于100，相关系数大于等于表中的临界值的时候。
相关性分析
相关性分析简介相关性分析是统计学中常用的一种方法，用于研究两个或多个变量之间的关系强度和方向。
相关性分析可以帮助我们了解变量之间的线性关系，帮助我们做出预测和推断。
在数据分析领域，相关性分析是一个重要的工具。
通过分析变量之间的相关性，我们可以揭示变量之间的关联程度，从而为我们的决策提供依据。
相关性分析可以应用于各种领域，包括金融、市场营销、医疗保健等。
相关性分析的方法1. 相关系数相关系数是衡量两个变量之间相关性的度量指标。
常见的相关系数有皮尔逊相关系数、斯皮尔曼相关系数和切比雪夫相关系数等。
这些相关系数的取值范围通常在-1到1之间。
当相关系数接近1时，表示两个变量正相关；当相关系数接近-1时，表示两个变量负相关；当相关系数接近0时，表示两个变量无相关性。
1.1 皮尔逊相关系数皮尔逊相关系数是最常见的相关系数之一，用于衡量两个变量之间的线性关系强度和方向。
皮尔逊相关系数的取值范围在-1到1之间，其中-1表示完全负相关，0表示无相关性，1表示完全正相关。
计算皮尔逊相关系数的公式如下：Pearson correlation coefficient = Cov(X, Y) / (std(X) * std(Y))1.2 斯皮尔曼相关系数斯皮尔曼相关系数，也称为秩相关系数，用于衡量两个变量之间的非线性关系。
斯皮尔曼相关系数的计算是基于变量的秩次，而不是变量的原始数值。
计算斯皮尔曼相关系数的公式如下：ρ = 1 - (6 * ∑(d^2) / (n * (n^2 -1)))其中，d是X和Y的秩次差，n是样本的数量。
2. 相关性分析的应用相关性分析可以帮助我们了解变量之间的关系，从而找出变量之间的规律和趋势。
在实际应用中，相关性分析具有广泛的用途。
2.1 金融领域在金融领域，相关性分析可以帮助我们了解各个金融指标之间的关系。
例如，我们可以分析利率和股市指数之间的相关性，以确定利率对股市的影响。
相关性分析还可以用于构建投资组合，通过分析各个投资品种之间的相关性，来降低投资组合的风险。
牛肉品质评定的感官指标及其测定方法
牛肉品质评定的感官指标及其测定方法牛肉色泽人们对所购牛肉的第一印象为牛肉色泽，也就是通常所说的光泽和颜色，在色泽合理变化范围内，色泽变化对牛肉营养价值的影响很小，但对感官判断和购买具有首要作用。
牛肉光泽度由肌纤维细胞的系水性、肥度决定；牛肉颜色由肌红蛋白数量及分解产物决定；牛肉色泽以鲜樱桃红色而有光泽为最佳。
牛肉色泽与牛的性别、年龄、pH值、日粮、饮水和应激等因素有关，是牛肉发生生理、生化变化所呈现的表象，变化范围很大。
牛肉色泽测定法方主要有以下3种。
比色板法：取屠宰后1～2h鲜肉样或宰后24h、40℃保存的冷冻肉样（胸腰椎接合处背最长肌的横断面）。
白天在室内正常光度条件下，与标准比色板对照评比打分。
仪器测色法：色度仪，通过测定肉表面的亮度（L值）、红色度（a值）和黄色度（b值）评定肉色；波长测定仪，通过测定色度坐标x、y值，再用色度图来确定出相应的主波长，然后用主波长评定肉色。
化学测定法：有总色素测定和肌红蛋白测定两种方法。
大理石花纹指牛肉肌纤维中的脂肪，颜色与分布呈白色大理石花纹状分布，称为牛肉大理石花纹。
大理石花纹是评定牛肉品质的重要指标，大理石花纹越丰富，牛肉品质越高，价格越贵。
大理石状脂肪就是屠宰指标中的肌内脂肪（IMF），起着决定牛肉风味的作用，也决定着牛肉的嫩度。
在相同的育肥条件下，大理石花纹随着牛年龄增加和营养水平提高而增加。
大理石花纹也叫脂肪杂交，指肌内脂肪含量和分布数量，一般根据第12和13肋间处背最长肌切面的可见脂肪划分等级。
等级划分标准因国家不同而异，但肌内脂肪含量愈高、大理石花纹分布愈均匀的牛肉得分愈高，等级也愈高。
嫩度肉的嫩度是指入口咀嚼时对碎裂的抵抗力，主观评定主要根据其柔软性、易碎性和是否容易吞咽来判定。
柔软性即舌头和面颊接触时产生的触觉，嫩肉感觉软而老肉则有木质化感觉；易碎性指牙齿咬断肌纤维的容易程度；是否容易吞咽可用咀嚼后肉渣剩余的多少及吞咽的容易程度来衡量。
相关性分析
相关性分析相关性分析是指通过测量两个或多个变量之间的相关性程度来研究它们之间的关系。
相关系数是相关性分析的一种方法，用于衡量变量之间的线性关系强度。
相关系数的范围是-1到1之间，其中-1代表完全的负相关，1代表完全的正相关，0代表没有线性关系。
相关系数有多种计算方法，常用的有皮尔逊相关系数和斯皮尔曼相关系数。
皮尔逊相关系数适用于连续变量，它基于变量的协方差和标准差来计算相关性。
斯皮尔曼相关系数用于顺序变量，它基于变量的秩次来计算相关性。
皮尔逊相关系数的计算公式如下：\[r = \frac{\sum{(X_i-\bar{X})(Y_i-\bar{Y})}}{\sqrt{\sum{(X_i-\bar{X})^2}} \sqrt{\sum{(Y_i-\bar{Y})^2}}}\]其中，\(X_i\)和\(Y_i\)分别表示第i个数据点的变量X和Y的值，\(\bar{X}\)和\(\bar{Y}\)分别表示变量X和Y的平均值。
斯皮尔曼相关系数的计算公式如下：\[r_s = 1 - \frac{6 \sum{d_i^2}}{n(n^2-1)}\]其中，\(d_i\)表示变量X和Y的秩次差的绝对值，n表示样本大小。
相关系数的值越接近于-1或1，表示变量之间的关系越强；值越接近于0，表示变量之间的关系越弱。
当相关系数为0时，表示变量之间没有线性关系，但并不意味着没有其他类型的关系。
需要注意的是，相关系数只能衡量变量之间的线性关系，不能用于判断因果关系。
因此，在进行相关性分析时，需要避免因果解释的错误。
相关性分析的应用非常广泛。
在经济学中，相关性分析可以用来研究不同经济指标之间的关系，例如GDP与物价指数之间的关系。
在统计学中，相关性分析可以用来研究样本中不同变量之间的关系，例如身高和体重之间的关系。
在金融学中，相关性分析可以用来研究不同股票之间的关系，以及市场与指数之间的关系。
在市场研究中，相关性分析可以用来研究市场份额和销售量之间的关系。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
指 标 的相 关 性 。结 果 表 明 ， 颜色分析 ｎ 值 与 以红 色 为 主 调 的词 汇（ 绯红、 枣红 等） 相 关性较好 ， 值与红 润相关
性较好 ； 酱香、 卤香 主 要 与棕 榈 酸 、 茴香脑相 关， 大料味 与草蒿脑 、 大茴 香醛 、 桂皮醛 、 苯 丙醛具较 好相 关性； 焦 糖 味 与 大 部 分 氨基 酸相 关 性 较 好 ， 酱油味、 成 味 与鲜 味核 苷 酸具 较 好相 关 性 ； 皮 的回复性与弹、 韧相 关性较好 ， 粘 聚 性与胶黏感 、 黏性具一定相关性 ； 肥 肉的 胶 着 度 、 咀嚼度 、 硬 度 与 入 口即 化 、 黏、 润泽 、 烂、 多汁、 滑嫩 、 平 滑具 较强 负相关性 ； 瘦 肉的硬 度 、 胶 着度 、 咀嚼 度 与嚼 劲具 较好 正 相 关 ， 与细 腻 、 鲜嫩 、 软 烂具 呈 较 强 负 相 关 。 关键 词 红 烧 肉 ； 感 官描 述 属 性 ； 属性分指标 ； 偏 最小二乘法（ ｐ ａ ｒ ｔ ｉ ａ ｌ ｌ ｅ ａ ｓ ｔ ｓ ｑ ｕ ａ ｒ ｅ ｓ ， Ｐ Ｌ Ｓ ）
可 形成 外 观红亮 、 香 气 醇厚 柔和 、 口感 滑嫩 多 汁 、 入口 即化 的红烧 肉。 关 于红 烧 肉 的 研 究 ， 较 多 集 中 于工 艺 及 理 化
关 红烧 肉感 官描 述评 价标 准体 系提 供参 考 。
１ 材 料 与方 法
１ ． １ 材 料 与 试 剂
足， 内层瘦 肉红 如 紫玫瑰 ， 中层瘦 肉红如玛 瑙 ， 外层 瘦 肉红如 桃 花 ， ３层 颜色 鲜 明且 迥 异 的瘦 肉同 白如 汉 玉 的 ２层 脂肪 形成 鲜 明对 比 。 烹饪 过 程 中再 加 以蔗 糖、 酱油、 香 辛料 等 辅 料 ， 并 结 合 火 候 的精 确控 制 ， 方
备受 青 睐 的重 要 原 因 ， 本试 验 团 队在 前 期 研 究 中 ， 借 助现 代食 品感 官科 学研 究 方法体 系 ， 全 面而 系统地 分 析 了红 烧 肉感 官 描 述 属 性 （ 外观、 香气 、 滋味 、 质 地、 余味） ， 在此 基 础 之上 ， 本 研 究 采 用仪 器 分 析 法 分 别对各 分指 标 测定 分 析， 同 时 结 合 偏 最 小 二 乘 法 （ Ｐ Ｌ Ｓ ） 分析各感 官描述属 性与分 指标 间的相关性 。
ＤＯ Ｉ ： １ ０ ． １ ３ ９ ９ ５ ／ ｊ ． ｃ ｎ ｋ ｉ ． １ １—１ ８ ０ ２ ／ ｔ ｓ ． ２ ０ １ ７ ０ ３ ０ ３ ５
红 烧 肉 感 官 描 述 属 性 与 各 分 指 标 测 定 值 之 间 的 相 关 性 分 析
刘登 勇 ， 董丽， 刘欢 ， 吴 金城
红 烧 肉是 中国 传统 特 色 肉食 品 的典 型 代 表 。制
作 时一 般 选用 精 品猪 五花 肉 ， 要 求 肉块坚 挺且 弹性 十
不 仅 可 以对 前期 结 果 红烧 肉感 官 描 述 词 汇表 的适 用 性 进行 验证 ， 而 且 ２种 分 析 方 法 互补 互 证 ， 对 制 定 有
硫 铵 素 的热分 解 、 糖与 氨基 酸 的美拉 德反 应 等 。
黔 五福 红烧 肉 （ 铝 箔 袋 真 空 封装 ） ， 安 徽 绩 溪 劳模 红 烧肉（ 铝 箔袋 真空 封装 ） ； 渤 海大 学 自制红烧 肉。 磺 基水 杨 酸 ， ＨＣ １ ， 高氯酸 ， Ｋ Ｏ Ｈ， 均 为 分 析 纯 试 剂； 正 己烷 ， 甲醇 ， Ｋ Ｈ Ｐ Ｏ 均为色 谱纯 试剂 。
１ ． ２ 仪 器 设 备
Ｃ Ｒ － ４ ０ ０型色 差计 ， 柯尼 卡美 能 达光 学 有 限 ｅ Ｍｉ ｃ ｒ ｏ Ｓ ｙ ｓ ｔ ｅ ｍ公司 ； ７ ８ ９ ０ Ｎ ／
红烧 肉 的颜 色 、 风味 、 口感 等感 官 品质 是其 长期
根 据前 期研 究结 果 ， 选取 ６种具地 域性 代表 的 红烧肉： 湖南 毛 家红烧 肉（ 铝 箔 袋真 空 封 装 ） ， 中粮 梅 林 红烧 肉（ 罐 头装 ） ， 厦 门古 龙红 烧 肉 （ 罐 头装 ） ， 贵州
分 析 。有研 究 指 出 ， 红 烧 肉脂 肪 含 有 香 气 前 体 物 质， 是 风味形 成 的 主要 贡 献 者 ， 炖 煮 工 艺 显 著 改 变 了 饱 和脂 肪 酸 与 单 不 饱 和脂 肪 酸 比例 ， 对 脂 肪 香 气 的形 成具 关键 作 用 。另外 ， 调 味料 对红烧 肉风 味形成 具 一 定 调节辅 助作 用 ， 而 关 于 风 味形 成 途 径 ， 初 步 探 讨 结果 为含 硫 氨 基 酸 的热 分 解 、 脂 肪 酸 的热 分 解 、
（ 渤 海 大 学 食 品科 学 与 工 程 学 院 ， 辽 宁省食品安全重点实验室 ， 生 鲜 农 产 品贮 藏 加 工 及 安 全 控 制 技 术 国家 地 方 联 合 工 程 研 究 中 心 ， 辽宁 锦州 ， １ ２ １ ０ １ ３ ）
摘 要 在 对 我 国 ６种具 地 域 性 代 表 的红 烧 肉进 行 感 官 分 析 ， 并 建 立 感 官 描 述 词 汇表 的 基 础 之 上 ， 采 用 仪 器 分 析 法 分 别 对 红 烧 肉感 官描 述 属 性 各 分 指 标 进 行 测 定 ， 应用偏最小二乘法 （ Ｐ Ｌ Ｓ ） 分 析 红 烧 肉各 感 官 描 述 属 性 与 分
第一作者 ： 博士， 教授（ 本 文通 讯 作 者 ， Ｅ — ｍａ ｉ ｌ ： ｊ ｚ — ｄ ｙ ｌ ｉ ｕ ＠１ ２ ６
ｃ ｏ ｎ） ｒ 。
５ ９ ７ ５气 相 色 谱／ 质 谱 联用 仪 ， 美国 Ａ ｇ ｉ ｌ ｅ ｎ ｔ 公司； Ｌ 一