《食品化学》（Food Chemistry, IF=6.3，食品领域国际TOP期刊）于2021年3月在线发表了我司谭小耀教授团队题为“Weighted multiscale support vector regression for fast quantification of vegetable oils in edible blend oil by ultraviolet-visible spectroscopy”的研究论文（Xinyan Wu, Xihui Bian*, En Lin, Haitao Wang, Yugao Guo, Xiaoyao Tan*, Food Chemistry, 2021, 342, 128245）。

食用植物油是人们膳食结构中不可或缺的重要组成部分，其品质优劣不仅关系着人们的生活健康，也是国家粮食安全的重要组成部分。其中调和油由于营养全面，能有效改善单一植物油营养成分单一的缺点，一直以来都占据着我国食用油市场较大份额。由于食用调和油组成的复杂性，目前尚缺乏对食用调和油中单组分油进行定量分析的有效手段。基于光谱分析技术及化学计量学的优势，本研究以紫外可见光谱作为测量手段，引入经验模态分解对光谱信号进行分解，然后对分解后的成分建立支持向量回归模型，加权平均后得到最终预测结果。将该方法对二元调和油的花生油组分和三元调和油的芝麻油组分进行预测，相关系数分别达到0.9933和0.9866，并优于传统的支持向量回归和偏最小二乘方法。

该工作的第一作者为十大正规赌网站硕士生武新燕，我司卞希慧副教授和谭小耀教授为论文共同通讯作者。该工作受到国家留学基金委项目（201808120028）、天津市中外联合研究中心项目（19PTZWHZ00030）以及天津市高校天津市高等学校创新团队计划项目（TD13-5031）的资助。

基于经验模态分解的权重多尺度支持向量回归原理及过程图