采用氣相色譜法對標準油進行檢測分析。所述 氣相色譜法優選是高溫毛細管氣相色譜法。
[0037] 所述標準油是指未摻雜其它油脂的純油，可以是植物源油或動物源油。所述植物 源油選自大豆油、玉米油、花生油、菜油、橄欖油、葵籽油、芝麻油和稻米油中的至少一種。優 選地，所述植物源油選自大豆油、玉米油、花生油、菜油、橄欖油、葵籽油、芝麻油和稻米油中 的兩種以上至六種以下。所述動物源油是深海魚油，例如三文魚油、沙丁魚油等。
[0038] 在本發明中，混合兩種上述純油得到的調和油或摻雜油稱為二元混合體系調和油 或摻雜油。混合三種上述純油得到的調和油或摻雜油稱為三元混合體系調和油或摻雜油。 以此類推，混合六種上述純油得到的調和油或摻雜油稱為六元混合體系調和油或摻雜油。
[0039] 本發明的檢測方法的步驟（2)，根據色譜保留時間選取標準油的甘油三酯作為特 征物質，確定該特征物質的含量，建立特征物質數據庫。
[0040] 本發明的油脂含量的檢測方法中，根據色譜保留時間選取標準油的甘油三酯作為 特征物質，確定該特征物質的含量，建立特征物質數據庫。本發明中根據色譜保留時間選取 標準油的甘油三酯作為特征物質具體參見表3。
[0041] 選擇油脂中的甘油三酯作為特征物質的理由如下。通過對大量不同時間、產地、工 藝的油脂進行分析，發現大部分油脂中甘油三酯含量的偏差較小，并且相對穩定。由于甘三 酯特征物質在同類油脂差別小，因此可以利用標準油（純油）中特征物質的含量與調和油或 摻雜油中特征物質的含量反推到調和油或摻雜油中各單一油脂的含量。
[0042] 由于油脂中甘油三酯成分很復雜，采用氣相色譜法所選取的特征物質是一種混合 物，而且各種油脂在同一保留時間下特征物質(甘油三酯）的組成也不是完全一樣，所以根 據保留時間確定特征物質(甘油三酯）的總實際碳數。具體參見表5。
[0043] 本發明中，選擇油脂中的甘油三酯作為特征物質，優選實際碳數在46至54的甘油 三酯。所述甘油三酯的實際碳數是構成該甘油三酯的各脂肪酸的實際碳數之和，即總實際 碳數。構成本發明中所述甘油三酯的各脂肪酸的種類以及實際碳數參見表2。
[0044] 表2:脂肪酸種類及實際碳數
[0045] 表3 :甘油三酯實際碳數理論列表
備注：其中甘油三酯選取的脂肪酸取表3中任意一種以上，甘三酯結構1，2, 3位置上無 區別。
[0046] 在對標準油進行檢測分析中，采用氣相色譜法，采用內標法，加入內標溶液通過下 式（1)對標準油中特征物質進行計算，得到純油中特征物質的含量。參見下述表5。
[0047] 所述內標溶液選自三辛酸甘油三酯、三月桂酸甘油三酯、三十三烷酸甘油三酯、 三十五烷酸甘油三酯、三十七烷酸甘油三酯和三十九烷酸甘油三酯中的至少一種。在對標 準油進行檢測分析中，加入有機溶劑進行溶解。所述有機溶劑選自石油醚、正己烷、環己烷、 二氯甲烷、氯仿和乙酸乙酯中的至少一種。 公式
Wi為甘油三酯的含量（％); Cis為內標溶液的濃度（mg/mL); V為內標溶液的加入體積〇. 1 mL ; Pi為單個甘油三酯的峰面積； Pls為內標的峰面積； Μ為樣品的稱樣量（mg)。
[0048] 本發明的檢測方法的步驟（3)，采用氣相色譜法對待測油進行檢測分析，確定待測 油的甘油三酯的含量。
[0049] 本發明的油脂含量的檢測方法中，采用氣相色譜法對待測油進行檢測分析，確定 待測油的甘油三酯的含量。其中，氣相色譜法可以是與上述標準油的檢測中相同的方法和 條件。與上述同樣地，采用氣相色譜法，采用內標法，通過上式（1)確定待測油的甘油三酯的 含量。在待測油進行檢測分析中，加入內標溶液。所述內標溶液選自三辛酸甘油三酯、三月 桂酸甘油三酯、三十三烷酸甘油三酯、三十五烷酸甘油三酯、三十七烷酸甘油三酯和三十九 烷酸甘油三酯中的至少一種。在對待測油進行檢測分析中，加入有機溶劑進行溶解。所述 有機溶劑選自石油醚、正己烷、環己烷、二氯甲烷、氯仿和乙酸乙酯中的至少一種。
[0050] 本發明的檢測方法的（4)，由步驟（3)所得的甘油三酯的含量獲得待測油中各油 脂的含量。優選地，將步驟（3)所得的甘油三酯的含量帶入數學模型進行計算，獲得待測油 中各油脂的含量。
[0051] 本發明中，所述"數學模型"是指，將上述得到的待測油的特征物質的含量，利用 "無限逼近"的數學優化技術，通過最小化誤差的平方(預測值與真實值的殘差平方和最小） 和尋找數據的最佳函數匹配，最終再進行合理修正（即數據修正，就是將下述所得的d集合 中各數值進行百分比例計算，而使得d的集合之和等于1)得到調和油或摻雜油各油脂含量 數據結果，再根據數據庫進行"無限逼近"算法定量分析比例進而檢驗調和油或摻雜油多元 體系的預測，同時對預測結果進行數據修正(校正)，最后給出最終結果。根據該"數學模型" 的思路可以實現本發明目的。
[0052] 為了實現本發明的方法，保證處理器主頻不小于2GHz，內存不小于1G，使用任何 編譯性語目編與（Matlab，C，C++或Java語目）。
[0053] 本發明的"無限逼近"算法原理如下：
其中矩陣A-調和油或摻雜油的特征物質的含量(質量％); 矩陣C-純油的特征物質的含量(質量％ ); 矩陣d-濃度矩陣，即為目標矩陣； 矩陣E-測量誤差； 下標1-構建調和油的種類 下標m特征指標的數目； 下標u-未知調和油或摻雜油樣本的數目； 注：定義估計量的數學期望等于被估計參數，則E為0。
[0054] 為達到模型計算得到優化結果的目的，特構建三個循環。
[0055] 循環A:通過選取特征指標的維度，利用以下算式，獲取數學期望值與真實值之間 的殘差。 集合 q= {η | n e R}; 集合R={1，2, ···!]!}，其中R是選取的特征指標的總集合，m是特征指標的維度； 濃度
；其中1表示調配油種類；從零開始設置到正值； Y=CT (A-Cd) 〇
[0056] 終止循環A進入循環B :根據殘差選取最佳的特征指標的維度，并同時通過矩陣計 算得到初步的濃度結果，計算需要滿足以下條件。
一般選取系統默認值； 假設約束條件不成立，程序返回，重新優化d值； 假設約束條件成立，程序進入循環B ; m選取具有max (Yn)的參量函數，也即特征指標的維度；
[0057] 終止循環Β進入循環C :根據初步濃度結果的合理性，判斷是否迭代計算。
[0058] 需滿足條件為： Min ffq ^ 0 假設約束條件不成立，則d=W ;Y=CT(A_Cd)，返回A循環。 假設約束條件成立，則進入循環C，重新構建參數d，進行預測結果。
[0059] 不斷迭代R和q，以達到滿足約束的d的集合。對于集合d進行合理修正，得到最 終預測結果。合理修正（即數據修正）就是將所得的d集合中各數值進行百分比例計算，而 使得d的集合的和等于1。
[0060] 通過本發明的方法，對于多元混合體系調和油或摻雜油，最終結果的偏差值小于 10%，進而小于9%，進一步地小于7%，特別是小于6%，更進一步地小于5%，優選小于 4 %，進而優選小于3 %，進一步優選小于2 %，特別優選小于1 %。
[0061] 下列實施例中使用本領域常規的儀器設備。下列實施例中未注明具體條件的實驗 方法，通常按照常規條件，或按