飞行时间质谱结合机器学习识别香烟烟灰研究

为了对不同品牌、不同厂家的香烟烟灰进行准确、快速的识别,收集了58种香烟、26种干扰物以及干扰物和香烟的混合烟灰样品,通过飞行时间质谱仪得到相应的飞行时间质谱数据,再通过系统聚类对飞行时间质谱数据进行分类,针对质谱图特征峰进行比对,最后运用机器学习的主成分分析、偏最小二乘判别分析方法,建立不同方法的判别分析。主成分分析结果表明,此模型具有良好的可靠性,并且具有较好的预测能力;偏最小二乘判别分析结果表明,模型建立可靠且有很好的预测香烟和干扰物烟灰的能力。此外,对该模型进行了200次置换验证,结果表明偏最小二乘判别模型在建立时未发生过拟合。因此,利用飞行时间质谱谱图并结合2种机器学习算法能够帮助查勘人员对香烟烟灰样本进行精确迅速辨别和检测。