Die flüchtigen Bestandteile in Cyperus rotundus Scheiben aus verschiedenen Herkunftsregionen wurden mittels Gaschromatographie-Ionenmobilitätsspektrometrie (GC-IMS) analysiert. Charakteristische Bestandteile mit signifikanten Unterschieden wurden durch partielle kleinste Quadrate Diskriminanzanalyse (PLS-DA) ausgewählt; basierend auf diesen wurden mit neun maschinellen Lernalgorithmen, darunter lineare Kernel-Support-Vektor-Maschine (SVM-L), Modelle zur Unterscheidung der Herkunft von Cyperus rotundus erstellt. Insgesamt wurden 59 flüchtige Komponenten aus fünf Provinzen identifiziert, darunter Alkohole, Ester, Aldehyde, Ketone und ungesättigte Kohlenwasserstoffe; mittels PLS-DA wurden 10 charakteristische Komponenten wie 1,4-Dimethylbenzol, 3-Methyl-1-Pentanol, Ethylacetoacetat ausgewählt; alle neun maschinellen Lernmodelle zeigten gute Vorhersageleistung für die Herkunft (Genauigkeit=1). Diese Studie bietet eine einfache und schnelle Methode zur schnellen Identifizierung von Cyperus rotundus aus verschiedenen Herkunftsregionen und dient als Referenz für die Qualitätsbewertung.

Gaschromatographie-Ionenmobilitätsspektrometrie;Cyperus rotundus;flüchtige Bestandteile;Herkunft;maschinelles Lernen