17MW水上浮动光伏电站将在法国建造

1.5测定分析方法1.5.1絮凝物含量测定通过离心、干燥、称重等方法测定

试剂：甜蜜素标准品（北京海岸鸿蒙标准物质技术有限公司）、氯化钠、10%硫酸溶液（v/v）、50g/L亚硝酸钠溶液、1mol/L氢氧化钠溶液、正己烷。m-样品质量，计算结果保留三位有效数字。

本文采用气相色谱-氢火焰离子化检测器（GC-FID）法测定饮料中甜蜜素含量，操作便捷，快速、准确。将标准系列与试样溶液放入冰柜中，冷冻30min，加入50g/L亚硝酸钠溶液和10%硫酸各5ml，加盖，涡旋混合器振摇1min，放入冰柜冷冻30min，取出后准确加入10.00ml正己烷，5g氯化钠，加盖，涡旋混合1min，4000r/min离心，正己烷层供气相色谱分析。由于甜蜜素具有改善食品口感的功能，且价格低廉，被广泛应用于饮料、糕点、蜜饯等多种食品及供糖尿病患者、肥胖者等特殊人群使用的甜食中，是食品生产中常见的添加剂。3结论GC-FID法测定食品中甜蜜素的含量，具有高准确度、高精确度、线性关系好、简便快速等优点，是食品中甜蜜素含量测定的最优方法之一。1.3检测方法1.3.1标准溶液制备标准储备溶液：准确称取甜蜜素标准品0.5000g，纯水定容至100ml，浓度为5.00mg/ml，冰箱冷藏保存2周。

2.3回收率和精密度在样品中添加甜蜜素标样0.5mg，按照测定方法，每个水平平行测定6次，计算回收率和精密度。对食品中甜蜜素含量的测定是保证甜蜜素添加量按照国家标准的重要方法。设计四因素三水平的响应分析实验，建立二次多项式回归模型，各试验因素水平及编码设计见表1。

2、结果与讨论按照BoxBehnkenDesign(BBD)实验设计方法的统计学要求，对色差综合评定指标△E值的优化实验结果进行多元非线性回归分析，得到护色时间、抗坏血酸浓度、柠檬酸浓度、乙二胺四乙酸二钠浓度对南湖菱色差综合评定指标△E值(Y)的影响，利用DseigExpert软件对表2中的响应值进行多元二次回归拟合分析，确立如下回归方程预测模型：Y=2.5036140.080911A+0.08652B0.276572A2+0.200314AD一0.256617820.222845BD一0.286165C20.266613D2。3、最优条件预测和实验验证根据DesignExPert建立的数学模型进行参数的最优化分析，得出南湖菱护色剂的优化条件为时间5.00min、抗坏血酸浓度0.99％、柠檬酸浓度1.00％、乙二胺四乙酸二钠浓度为0.59％。交互作用AD、BD、CD的P值均＜0.05，说明时间与乙二胺四乙酸二钠、抗坏血酸与乙二胺四乙酸二钠、柠檬酸与乙二胺四乙酸二钠对响应值交互作用明显。由F值可以看出，影响南湖菱护色工艺的各因素主效关系为抗坏血酸(B)＞时间(A)＞乙二胺四乙酸二钠(D)＞柠檬酸(C)。

在该条件下进行验证试验，实际测得南湖菱色差综合评定指标△E为12.31％，预测值相对误差较小，这一结果证实了实验优化得到的参数具有较高的可靠性，从而也证明了响应面分析优化法在确定南湖菱护色工艺可行性。声明：本文所用图片、文字来源《中国食品添加剂》，版权归原作者所有。

四、结论本文研究了以南湖菱护色剂配方最优条件，以护色时间、抗坏血酸、柠檬酸、乙二胺四乙酸二钠的浓度为单因素进行实验，并根据实验的实际可操作性，得到最佳护色工艺：时间5.00min、抗坏血酸浓度1.00％、柠檬酸浓度1.00％、乙二胺四乙酸二钠浓度为0.60％。失拟项中P＞0.05，影响不显著，表明所选模型适合，可以用来进行响应值(色差综合评定指标)的预测。如涉及作品内容、版权等问题，请与本网联系相关链接：乙二胺四乙酸二钠，抗坏血酸，柠檬酸。综上所述，该实验模型可以较好地反应响应值的变化。

变异系数CV为7.93％，变异系数越低说明本次实验的可信度与精密度越高绿豆多肽抗氧化性的回归方程模型的方差分析如表3所示。即实验拟合度与在最佳条件下抗氧化性的吻合程度。（2）响应曲面结果分析响应面图可反映出各个因素对绿豆多肽抗氧化性的影响，根据曲面图的开口朝向及曲面形状判断在实验范围内是否存在最值、各因素之间的相互作用是否显著。

如涉及作品内容、版权等问题，请与本网联系相关链接：氨基酸，自由基，绿豆。温度(X1)、酶解pH(X2)与酶浓度(X3)、酶解时间(X4)为自变量，DPPH清除率为回应值的响应面实验结果见表2。

3、验证实验为了验证响应面结果的可靠性，根据响应面优化出的最佳工艺进行三次验证实验。响应面的最优条件：温度43.47℃，pH为9.19，酶浓度为6.51％，水解时间为2.22h，DPPH自由基清除率47.14％。

该回归模型的总决定系R2=0.9568，说明方程拟合度较好，实验误差小，故该回归方程模型成立，可以用此模型对绿豆多肽的抗氧化性进行分析及预测。本实验对绿豆抗氧化肽提取条件进行了优化，且绿豆多肽的抗氧化性为绿豆多肽在抗氧化食品、保健品等方面的开发及药理学研究提供了更为有效的依据。根据响应面实验设计及其实验结果，需要建立回归方程模型，用于判断各因素之间的交互作用是否显著，为用于研究和分析绿豆多肽抗氧化性的变化，故而还需判断其误差的大小。三、结论通过响应面优化实验分析出影响绿豆抗氧化肽的制备因素，这四个因素对绿豆抗氧化肽提取的影响程度顺序为：酶解温度＞pH＞酶浓度＞酶解时间。故采用继续用响应法对绿豆抗氧化肽提取的工艺进行优化。（4）绿豆多肽抗氧化性与酶解时间的关系通过单因素实验的结果，可以筛选出各因素的三个水平。

与响应面预测值较为吻合，说明响应面得出的最优条件具有可行性。由表3可知，该回归模型P＜O.000l，方程模型达到极显著，失拟项P=0.1471＞0.05，不显著，说明模型建立正确。

实际得到的绿豆多肽DPPH清除率的平均值是47.03％，与分析值相差0.23％。由图4可知，当反应时间不超过2h，DPPH清除率与温度成正比，当反应时间超过2h，DPPH清除率与温度成反比，在2h时DPPH清除率达到峰值。

声明：本文所用图片、文字来源《中国食品添加剂》，版权归原作者所有。以酶解温度(X1)、酶解pH(X2)、酶浓度(X3)、酶解时间(X4)为自变量，DPPH清除率的响应面实验结果见表2。

而水解的时间过长则会导致大分子蛋白质过度水解成氨基酸或者是已不具备生物活性短肽链的物质。由此模型得到的此回归方程为：Y=45.246.00X1+1.47X21.35X3+0.36X4+1.81X1X22.60X1X3+1.06X1X4+0.20X2X3一0.17X2X4+0.14X3X44.98X120.97X220.70X320.90X42。结合表3、图5及图6可看出，影响DPPH自由基清除率的先后顺序为：温度(X1)＞pH(X2)＞酶浓度(X3)酶解时间(X4)，X1、X2、X3、X13项达到互极显著水平(P＜0.01)，X12、项达到显著水平(P＜0.05)。2、应面实验结果（1）回归方程模型方差分析单因素实验讨论了各个因素对绿豆多肽抗氧化性的影响，为了全面考察影响因素，仍需确定酶解时间、酶解温度、pH、酶浓度对绿豆抗氧化肽的抗氧化性的影响。

所以在此基础之上，应用统计分析软件建立4因素3水平的BoxBehnken模型，进行回应面优化设计实验条件进行实验，改变酶解时间结果见4所示。当水解的时间过短时，绿豆蛋白大分子没有水解成具有小分子生物活性的生物活性肽，因而水解物DPPH的清除率较小。

本实验得出的绿豆抗氧化工艺条件为：酶解温度43.47℃、pH9.19、酶浓度6.51％、酶解时间2.22h，在此工艺条件下得到的绿豆抗氧化肽对DPPH清除率的平均值为47.03％，与软件给出的理论值相差0.23％本实验得出的绿豆抗氧化工艺条件为：酶解温度43.47℃、pH9.19、酶浓度6.51％、酶解时间2.22h，在此工艺条件下得到的绿豆抗氧化肽对DPPH清除率的平均值为47.03％，与软件给出的理论值相差0.23％。

由图4可知，当反应时间不超过2h，DPPH清除率与温度成正比，当反应时间超过2h，DPPH清除率与温度成反比，在2h时DPPH清除率达到峰值。故采用继续用响应法对绿豆抗氧化肽提取的工艺进行优化。

响应面的最优条件：温度43.47℃，pH为9.19，酶浓度为6.51％，水解时间为2.22h，DPPH自由基清除率47.14％。由表3可知，该回归模型P＜O.000l，方程模型达到极显著，失拟项P=0.1471＞0.05，不显著，说明模型建立正确。与响应面预测值较为吻合，说明响应面得出的最优条件具有可行性。本实验对绿豆抗氧化肽提取条件进行了优化，且绿豆多肽的抗氧化性为绿豆多肽在抗氧化食品、保健品等方面的开发及药理学研究提供了更为有效的依据。

绿豆多肽抗氧化性的回归方程模型的方差分析如表3所示。所以在此基础之上，应用统计分析软件建立4因素3水平的BoxBehnken模型，进行回应面优化设计实验条件进行实验，改变酶解时间结果见4所示。

由此模型得到的此回归方程为：Y=45.246.00X1+1.47X21.35X3+0.36X4+1.81X1X22.60X1X3+1.06X1X4+0.20X2X3一0.17X2X4+0.14X3X44.98X120.97X220.70X320.90X42。实际得到的绿豆多肽DPPH清除率的平均值是47.03％，与分析值相差0.23％。

（4）绿豆多肽抗氧化性与酶解时间的关系通过单因素实验的结果，可以筛选出各因素的三个水平。温度(X1)、酶解pH(X2)与酶浓度(X3)、酶解时间(X4)为自变量，DPPH清除率为回应值的响应面实验结果见表2。