1.一种预测茶油中掺假油种类的方法，其特征在于，该方法包括以下步骤：(S1)样品配置：以茶油为被掺油、其他食用油为掺假油，将被掺油与掺假油以不同质量比例混合，获得掺伪茶油的实验样本，所述实验样本分为训练集和验证集；

(S2)数据采集：采集所述实验样本的气相色谱作为脂肪酸基础数据，采集所述实验样本的液相色谱作为生育酚基础数据；

(S3)无监督模型建立：基于无监督的HCA分析，分别结合脂肪酸基础数据、生育酚基础数据，建立对应的纯油区分可视化模型；

(S4)有监督模型建立：将训练集中的脂肪酸基础数据和生育酚基础数据同时作为输入变量，分别结合有监督的PLS‑DA和/或SIMCA模型，建立对应的PLS‑DA判别模型和/或SIMCA判别模型；

(S5)模型验证：利用验证集中的脂肪酸基础数据和生育酚基础数据分别对所述PLS‑DA判别模型和/或SIMCA判别模型进行验证，验证所述PLS‑DA判别模型和/或SIMCA判别模型的正确率。

2.如权利要求1所述的方法，其特征在于，所述脂肪酸基础数据包括脂肪酸比值，所述生育酚基础数据包括生育酚组成。

3.如权利要求2所述的方法，其特征在于，所述脂肪酸比值包括P/S,O/P,O/L,O/Ln和L/S；所述生育酚组成包括α‑生育酚、β‑生育酚、γ‑生育酚和δ‑生育酚的质量百分比以及γ‑生育酚与α‑生育酚的比值γ/α。

4.如权利要求1所述的方法，其特征在于，(S1)中所述掺伪茶油的实验样本的掺假比例为0％、5％、10％、20％、30％、40％、50％、60％、70％、80％、100％(w/w)，所述掺假油包括玉米油、菜籽油、米糠油、芝麻油、和大豆油其中任意一种。

5.如权利要求4所述的方法，其特征在于，(S1)中所述掺伪茶油的实验样本具体为：从

36种茶油中任选3种茶油作为样本茶油，3种玉米油、3种菜籽油、3种米糠油、3种芝麻油、和3种大豆油，与所述三种茶油按所述比例混匀，获得135个掺假样本，总计191个样本。

6.如权利要求1所述的方法，其特征在于，(S2)中所述采集所述实验样本的气相色谱作为脂肪酸基础数据包括：提取所述实验样本的脂肪酸，所述脂肪酸进行气相色谱分析，获得相应的脂肪酸图谱，采集得到脂肪酸基础数据；

所述提取所述实验样本的脂肪酸包括：将所述掺伪茶油的实验样本进行甲酯化，上清液经微滤后得脂肪酸；

所述气相色谱分析的条件为:Trace‑TR‑FAME柱毛细管柱，进样口和检测器的温度均为

220℃；进样量为1μL，载气为高纯氮气，采用分流比为1:100的恒流模式，载气流速为1mL/min。

7.如权利要求1所述的方法，其特征在于，(S2)中所述采集所述实验样本的液相色谱作为生育酚基础数据包括：提取所述实验样本的生育酚，所述生育酚进行液相色谱分析，获得相应的生育酚图谱，采集得到生育酚基础数据；

所述提取所述实验样本的生育酚包括：将所述掺伪茶油的实验样本加入的正己烷中，溶解提取得生育酚；

所述液相色谱的条件为：Sehperisorb Silica柱，柱温25℃，检测波长295nm，进样量20μL，流动相为正己烷:异丙醇(v:v＝98.5:1.5)，流速1mL/min。

8.如权利要求4所述的方法，其特征在于，(S5)中首先通过将掺假比例5％‑100％进行模型建立，再逐次提高至10％‑100％，20％‑100％，30％‑100％，40％‑100％，逐步优化所述PLS‑DA判别模型和/或SIMCA判别模型。

9.一种设备或系统，其特征在于，包括：接收单元，其被配置为接收掺伪茶油的实验样本的脂肪酸基础数据、生育酚基础数据的至少一部分；

存储器，其用于存储能够生成所述掺伪茶油的实验样本中的掺假油的预测的PLS‑DA判别模型和/或SIMCA判别模型；以及处理器，其被配置为访问存储在所述存储器中的所述PLS‑DA判别模型和/或SIMCA判别模型以执行根据权利要求1至8中任一项所述的方法的步骤，以生成所述掺伪茶油的实验样本中的掺假油的预测。

10.一种计算机可读存储介质，其特征在于，包括计算机可读指令，所述计算机可读指令在由计算机执行时操作用于预测掺伪茶油的掺假油真伪，所述计算机可读指令被配置为执行如权利要求1‑8任一项所述的方法。