1.一种基于电子鼻结合人工神经网络预测煎炸油品质的方法，其特征在于：包括，通过快速气相电子鼻测定不同时间煎炸处理的油样挥发性成分，得到不同煎炸时间油样的主体挥发性成分峰面积柱状图，以油样的主体挥发性成分峰面积为特征信息数据，其中，所述油样的主体挥发性成分为1‑辛醇、1‑壬醇，2，4‑壬二烯醛、反，反‑2，4‑壬二烯醛、反式‑4,5‑环氧‑癸二烯醛、3‑甲基‑2‑（2‑氧丙基）呋喃、反‑2‑壬烯醛、反‑2‑辛烯醛、反‑2‑癸烯醛、反，反‑2,4‑癸二烯醛、反，反‑2,4‑庚二烯醛，十六烷酸、十九烷、壬醛、辛醛；

以不同时间煎炸处理的油样的极性组分含量的化学测定值为校正值，将得到特征信息数据作为自变量，所述校正值作为因变量，用化学计量学多元校正算法建立所述自变量与所述因变量之间的校正模型，其中，所述化学计量学多元校正算法为反向传播人工神经网络LM算法，所述模型的隐含层神经元数为7 11，所述校正模型包括TPC、TGP、ox‑TG和THP 神~

经网络模型；

通过快速气相电子鼻测定另外一组经过不同时间煎炸处理的油样挥发性成分，提取特征信息数据，将特征信息数据输入所述校正模型中，得到所述不同时间煎炸处理的油样的极性组分含量；

所述通过快速气相电子鼻测定不同时间煎炸处理的油样挥发性成分，其中，色谱条件为：保持50℃初始温度2 s，然后以1℃/s升温至80℃，然后以2℃/ s升温至250℃，保持250℃温度60s，两个火焰离子化检测器的温度为260℃，注射器温度为200℃，注入油量体积为

5000μL。

2.如权利要求1所述基于电子鼻结合人工神经网络预测煎炸油品质的方法，其特征在于：所述模型的隐含层神经元数为11。

3.如权利要求1所述基于电子鼻结合人工神经网络预测煎炸油品质的方法，其特征在于：所述以不同时间煎炸处理的油样的极性组分含量的化学测定值为校正值，油样的极性组分含量的化学测定采用GB/T5009.202‑2016中制备型快速柱层析法进行测定，洗脱液按照石油醚：乙醚为87:13的体积比配置，先将油样中非极性物质洗脱下来，再用差减法计算极性物质的含量。