目的建立近红外光谱法快速检测黄酒的前发酵过程中总酸含量的方法。方法利用近红外光谱仪对黄酒生产过程中前发酵工段所得样品进行扫描,对其光谱进行预处理和波段选择,并结合偏最小二乘法(partial least squares,PLS)建立各工段快速无...目的建立近红外光谱法快速检测黄酒的前发酵过程中总酸含量的方法。方法利用近红外光谱仪对黄酒生产过程中前发酵工段所得样品进行扫描,对其光谱进行预处理和波段选择,并结合偏最小二乘法(partial least squares,PLS)建立各工段快速无损检测方法。结果所建立的模型的决定系数R为0.9348,交叉验证均方根差值为0.118,对验证集样品进行预测并统计分析,预测值与真实值之间无显著差异(P>0.05)。结论所建立的模型准确度高,适用于黄酒前发酵过程总酸含量的快速检测。展开更多
近红外光谱技术(near infrared spectroscopy,NIRS)结合波段筛选方法及建模算法可以实现中药生产过程分析的快速、无损检测。该文针对银参通络胶囊关键工艺银杏叶大孔树脂纯化过程,实现对洗脱液中槲皮素、山柰酚和异鼠李素3种成分含量...近红外光谱技术(near infrared spectroscopy,NIRS)结合波段筛选方法及建模算法可以实现中药生产过程分析的快速、无损检测。该文针对银参通络胶囊关键工艺银杏叶大孔树脂纯化过程,实现对洗脱液中槲皮素、山柰酚和异鼠李素3种成分含量的快速测定。通过马氏距离算法剔除异常光谱,联合X-Y距离样本集划分(sample set partitioning based on joint X-Y distances,SPXY)方法划分数据集,基于协同区间偏最小二乘法(synergy interval partial least squares,siPLS)筛选的关键信息波段,在此基础上实施竞争自适应加权重采样方法(competitive adaptive reweighted sampling,CARS)、连续投影算法(successive projections algorithm,SPA)和蒙特卡洛无信息变量消除法(Monte Carlo uninformation variable elimination,MC-UVE)筛选波长以得到更少但更关键的变量数据,将其作为输入变量建立遗传算法优化的极限学习机(genetic algorithm joint extreme learning machine,GA-ELM)定量分析模型,并将模型性能与偏最小二乘回归(partial least squares regression,PLSR)方法建立的模型进行比较,结果表明siPLS-CARS-GA-ELM算法联用可实现以最少变量数达到最优的模型性能。槲皮素、山柰酚、异鼠李素的校正集相关系数Rc和验证集相关系数Rp均达到0.98以上,校正集误差均方根(root mean square error of calibration,RMSEC)、验证集误差均方根(root mean square error of prediction,RMSEP)和验证集相对偏差(relative standard errors of prediction,RSEP)分别为0.0300,0.0292,8.88%;0.0414,0.0348,8.46%;0.0293,0.0271,10.10%,相较于传统PLSR方法,所建立GA-ELM模型性能有较大提升,证明NIRS结合GA-ELM方法实现中药有效成分快速测定具有很大潜力。展开更多
文摘目的建立近红外光谱法快速检测黄酒的前发酵过程中总酸含量的方法。方法利用近红外光谱仪对黄酒生产过程中前发酵工段所得样品进行扫描,对其光谱进行预处理和波段选择,并结合偏最小二乘法(partial least squares,PLS)建立各工段快速无损检测方法。结果所建立的模型的决定系数R为0.9348,交叉验证均方根差值为0.118,对验证集样品进行预测并统计分析,预测值与真实值之间无显著差异(P>0.05)。结论所建立的模型准确度高,适用于黄酒前发酵过程总酸含量的快速检测。
文摘近红外光谱技术(near infrared spectroscopy,NIRS)结合波段筛选方法及建模算法可以实现中药生产过程分析的快速、无损检测。该文针对银参通络胶囊关键工艺银杏叶大孔树脂纯化过程,实现对洗脱液中槲皮素、山柰酚和异鼠李素3种成分含量的快速测定。通过马氏距离算法剔除异常光谱,联合X-Y距离样本集划分(sample set partitioning based on joint X-Y distances,SPXY)方法划分数据集,基于协同区间偏最小二乘法(synergy interval partial least squares,siPLS)筛选的关键信息波段,在此基础上实施竞争自适应加权重采样方法(competitive adaptive reweighted sampling,CARS)、连续投影算法(successive projections algorithm,SPA)和蒙特卡洛无信息变量消除法(Monte Carlo uninformation variable elimination,MC-UVE)筛选波长以得到更少但更关键的变量数据,将其作为输入变量建立遗传算法优化的极限学习机(genetic algorithm joint extreme learning machine,GA-ELM)定量分析模型,并将模型性能与偏最小二乘回归(partial least squares regression,PLSR)方法建立的模型进行比较,结果表明siPLS-CARS-GA-ELM算法联用可实现以最少变量数达到最优的模型性能。槲皮素、山柰酚、异鼠李素的校正集相关系数Rc和验证集相关系数Rp均达到0.98以上,校正集误差均方根(root mean square error of calibration,RMSEC)、验证集误差均方根(root mean square error of prediction,RMSEP)和验证集相对偏差(relative standard errors of prediction,RSEP)分别为0.0300,0.0292,8.88%;0.0414,0.0348,8.46%;0.0293,0.0271,10.10%,相较于传统PLSR方法,所建立GA-ELM模型性能有较大提升,证明NIRS结合GA-ELM方法实现中药有效成分快速测定具有很大潜力。