一种基于非风味多模态特征和原型响应回归的白酒糟醅挥发性风味预测方法

本发明属于白酒酿造，尤其涉及一种基于非风味多模态特征和原型响应回归的白酒糟醅挥发性风味预测方法。

背景技术：

1、近年来，随着白酒品质控制、风味稳定性评价和发酵过程精细化管理需求不断提高，挥发性风味化合物的形成规律和预测方法受到越来越多关注。挥发性风味化合物是白酒主体香气和典型风格形成的重要物质基础，白酒糟醅固态发酵过程中，微生物群落演替、酶促代谢、底物转化、酸醇环境变化以及糟醅、曲药和窖泥等来源贡献共同影响酯类、有机酸、醇类、醛酮类及其他挥发性化合物的生成和积累。关键挥发性风味物质的含量和变化趋势不仅关系到成品酒的主体香气、协调性和典型性，也关系到异常气味、批次波动和后续蒸馏取酒质量。因此，在糟醅发酵阶段建立风味响应预测方法，对于白酒风味质量控制、发酵过程预警和工艺优化具有重要意义。

2、然而，现有挥发性风味分析通常依赖气相色谱、质谱或相关联用检测技术，该类检测能够提供较为丰富的风味谱信息，但样品前处理复杂、检测成本高、通量有限，难以在大量窖池和多个发酵时间点上持续开展高频监测。与此同时，微生物群落数据和理化指标虽然能够反映发酵体系的过程状态，但其与挥发性风味响应之间并非简单线性关系，不同风味化合物受微生物来源、发酵时间、酸醇环境和底物条件影响程度不同。然而，独立窖池样品数量获取有限，而挥发性风味特征数量较多，完整风味谱常表现出零值比例高、检出稳定性不一致、响应动态范围差异大、峰值出现时间不同以及目标间相关性复杂等特点。直接采用常规回归模型或整体风味谱建模，容易出现模型对少数样品敏感、预测结果不稳定以及候选目标解释不清的问题，难以支撑实际生产中的风味质量管理。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于非风味多模态特征和原型响应回归的白酒糟醅挥发性风味预测方法，以解决白酒糟醅挥发性风味检测成本高、全谱检测难以高频开展、风味变量数量多且小样本条件下容易产生目标泄漏的问题。该方法将微生物群落、理化环境和来源贡献信息作为非风味发酵表型输入，将候选挥发性风味化合物作为待预测响应，在不将相应风味变量作为模型输入的条件下预测未知窖池样品的候选风味响应，并将预测结果转化为靶向检测、风味偏离预警、批次质量分级和发酵过程调控建议。

2、为了实现上述发明目的，本发明提供以下技术方案：

3、本发明提供了一种基于非风味多模态特征和原型响应回归的白酒糟醅挥发性风味预测方法，包括以下步骤：

4、（1）采集不同发酵阶段的白酒糟醅独立窖池样品，获得与同一采样单元对应的非风味发酵表型数据和挥发性风味数据；

5、（2）将所述非风味发酵表型数据中的微生物群落数据、理化环境指标数据和来源贡献数据分别形成微生物群落特征、理化环境特征和来源贡献门控因子中的一种或多种，并构建非风味发酵表型矩阵；

6、（3）将所述挥发性风味数据构建为候选响应矩阵；根据候选响应矩阵中各挥发性风味化合物的检出稳定性、零值比例、平均响应、峰值发酵日期、响应动态范围、风味时间响应解释度、预测q²、平均绝对误差和正向任务支持率中的一种或多种指标筛选候选风味目标；针对每一候选风味目标构建小样本响应回归任务；

7、（4）仅基于支持样品构建风味响应库；根据查询样品到风味响应库的加权邻域关系生成响应权重，并利用所述响应权重加权支持样品的候选风味响应，得到查询样品的候选挥发性风味响应预测值。

8、优选的，步骤（1）所述非风味发酵表型数据包括细菌群落数据、真菌群落数据、理化环境指标数据、来源贡献数据、发酵温度数据、工艺记录数据和人工感官记录数据中的一种或多种。

9、优选的，所述细菌群落数据和真菌群落数据包括属丰度、操作分类单元丰度、扩增子序列变体丰度、功能通路丰度和其融合转换特征中的一种或多种，并经中心对数比转换、加性对数比转换、相对丰度转换、log(1+x)转换、秩转换和稀疏特征筛选中的一种或多种处理后形成微生物群落特征；

10、所述理化环境指标数据包括水分、乙醇、淀粉、还原糖、酸度、ph、温度、有机酸、氨基酸态氮、总酯和总酸中的一种或多种，并经标准化、中心化、归一化、log(1+x)转换、秩转换、缺失值过滤和稳健尺度转换中的一种或多种处理后形成理化环境特征；

11、所述来源贡献数据包括糟醅、曲药、窖泥、环境样品和原辅料样品对待测糟醅微生物群落的共有微生物比例、特有微生物比例、来源相似度、来源贡献比例和来源扰动指数中的一种或多种，并由所述来源贡献数据形成来源贡献门控因子。

12、优选的，步骤（3）所述挥发性风味数据由hs-spme-gc-ms、gc-ims、gc-o-ms、电子鼻传感响应和其他挥发性化合物检测数据中的一种或多种获得，并经log(1+x)转换、标准化转换、秩转换、分位数转换和缺失值过滤中的一种或多种处理后作为候选挥发性风味响应变量；

13、所述候选挥发性风味化合物包括酯类、酸类、醇类、醛酮类、吡嗪类、呋喃类、含硫化合物和芳香族化合物中的一种或多种。

14、优选的，步骤（3）所述候选风味目标的筛选阈值包括检出比例大于或等于30%、零值比例小于或等于70%、峰值发酵日期位于预设发酵日期窗口、响应动态范围大于预设倍数、预测q2大于预设阈值、平均绝对误差小于预设阈值和正向任务支持率大于预设阈值中的一种或多种。

15、优选的，步骤（3）所述小样本响应回归任务为n-way k-shot或k-shot回归任务，其中k为1~10个支持样品。

16、优选的，步骤（4）所述风味响应库按照候选风味响应强度分位区间、发酵日期窗口、发酵日期响应原型、响应峰值邻域、来源贡献门控因子、支持样品局部邻域、响应原型和样品相似性排序中的一种或多种方式构建。

17、优选的，步骤（4）所述响应权重由查询样品到风味响应库中支持样品或响应原型的欧氏距离、加权平方欧氏距离、曼哈顿距离、余弦距离、相关距离、标准化马氏距离、核函数相似度和其加权组合中的一种或多种确定。

18、优选的，所述白酒糟醅挥发性风味预测方法还包括日期结构保持置换检验，将同一发酵日期内部的非风味输入与候选挥发性风味响应重新配对，并比较真实配对任务与时间内置换任务的预测q²差异和正向支持率，以评价非风味输入对候选挥发性风味响应的样本级预测信息。

19、本发明还提供了所述的白酒糟醅挥发性风味预测方法在白酒风味质量管理中的应用。

20、与现有技术相比，本发明具有如下有益效果：

21、本发明将挥发性风味变量作为候选响应目标而非相应预测任务的输入，并将候选目标筛选、响应校准、目标特异特征赋权和风味响应库构建限定在支持样品或预设规则内完成，能够降低风味变量直接进入模型或利用全数据筛选目标造成的信息泄漏风险；同时，本发明综合检出稳定性、零值比例、响应动态范围、预测q²、平均绝对误差（mae）和正向任务支持率中的一种或多种指标筛选候选风味目标，能够优先获得具有可追溯性和验证价值的风味指标，减少盲目全谱检测。

22、本发明通过支持样品构建目标特异的风味响应库（r），并利用查询样品到响应库的加权邻域关系输出候选挥发性风味响应预测值，能够适应独立窖池样品少、风味变量多且响应关系非线性的白酒糟醅小样本场景；同时，本发明可进一步输出候选风味目标优先级、靶向检测名单、风味偏离预警、批次质量分级、复测建议或发酵过程调控建议中的一种或多种结果，从而将模型预测结果转化为生产和检测中的可执行信息。