应用近红外光谱分析技术结合化学计量学方法,建立了中药清开灵注射液中间体总氮和栀子苷含量测定的新方法.首先采用Kernard-Stone法对训练集样本和预测集样品进行分类,然后应用组合的间隔偏最小二乘法(Synergy interval partial least s...应用近红外光谱分析技术结合化学计量学方法,建立了中药清开灵注射液中间体总氮和栀子苷含量测定的新方法.首先采用Kernard-Stone法对训练集样本和预测集样品进行分类,然后应用组合的间隔偏最小二乘法(Synergy interval partial least squares,siPLS)对所得近红外透射光谱进行有效谱段范围的选择以及二者定量校正模型的建立,并对光谱预处理方法进行了详细的讨论.所建立的总氮和栀子苷校正模型的预测相关系数(R)分别为0.999和0.708;交叉验证误差均方根(RMSECV)均为0.023;预测误差均方根(RMSEP)分别为0.074和0.159;预测结果表明,本实验所建方法快速、无损且可靠,可推广并应用于中药注射液中间体的在线质量控制.展开更多
为简化鹅肉弹性的可见-近红外光谱模型和提高预测精度,采用联合区间偏最小二乘法(synergyinterval partial least square algorithm,siPLS)结合遗传算法(Genetic algorithm,GA)提取可见-近红外光谱特征波长,用最小二乘支持向量回归(leas...为简化鹅肉弹性的可见-近红外光谱模型和提高预测精度,采用联合区间偏最小二乘法(synergyinterval partial least square algorithm,siPLS)结合遗传算法(Genetic algorithm,GA)提取可见-近红外光谱特征波长,用最小二乘支持向量回归(least square support vector for regression,LSSVR)建立鹅肉弹性的预测模型。试验以万能试验机获取恢复距离S作为鹅肉弹性实际值。在模型建立过程中,先利用sym8小波的2层分解对原始的可见-近红外光谱进行光谱预处理;然后用siPLS优选出4个特征光谱子区间(分别为第3、5、9、13子区间),在这4个特征光谱子区间内继续用GA优选出74个特征波长,并建立基于LSSVR的鹅肉弹性的预测模型。模型预测集的决定系数(R2)和预测均方根误差(root mean squarederror of prediction,RMSEP)分别为0.9096和0.0588。试验结果表明,siPLS结合GA法能够有效提取光谱中的鹅肉弹性对应的特征波长,有利于提高LSSVR模型预测鹅肉弹性的精度。展开更多
该文以近红外光谱分析技术快速测定菠萝啤中果汁含量为目的,采用了后向间隔偏最小二乘(backward interval partial least squares,Bi-PLS)、组合间隔偏最小二乘(synergy interval partial least squares,Si-PLS)以及遗传算法(genetic al...该文以近红外光谱分析技术快速测定菠萝啤中果汁含量为目的,采用了后向间隔偏最小二乘(backward interval partial least squares,Bi-PLS)、组合间隔偏最小二乘(synergy interval partial least squares,Si-PLS)以及遗传算法(genetic algorithm,GA)提取特征波长以提高模型性能。研究结果表明,基于Si-PLS提取的特征波长结合偏最小二乘法(partial least squares,PLS)建立的定量分析模型效果最好,从原始光谱范围4000~10000 cm^-1内筛选出3个特征光谱区间,分别为(4484~4960,5600~6051,7844~8080)cm^-1,共94个特征变量,比原始1501个波长变量减少了93.7%,验证集的均方根误差和决定系数分别为0.18%、0.89,范围误差比为3.17。实验结果表明,近红外光谱分析技术用于测定果味啤中的果汁含量是可行的,这为快速高效测定菠萝啤果汁含量提供了一种方法依据。展开更多
文摘应用近红外光谱分析技术结合化学计量学方法,建立了中药清开灵注射液中间体总氮和栀子苷含量测定的新方法.首先采用Kernard-Stone法对训练集样本和预测集样品进行分类,然后应用组合的间隔偏最小二乘法(Synergy interval partial least squares,siPLS)对所得近红外透射光谱进行有效谱段范围的选择以及二者定量校正模型的建立,并对光谱预处理方法进行了详细的讨论.所建立的总氮和栀子苷校正模型的预测相关系数(R)分别为0.999和0.708;交叉验证误差均方根(RMSECV)均为0.023;预测误差均方根(RMSEP)分别为0.074和0.159;预测结果表明,本实验所建方法快速、无损且可靠,可推广并应用于中药注射液中间体的在线质量控制.
文摘为简化鹅肉弹性的可见-近红外光谱模型和提高预测精度,采用联合区间偏最小二乘法(synergyinterval partial least square algorithm,siPLS)结合遗传算法(Genetic algorithm,GA)提取可见-近红外光谱特征波长,用最小二乘支持向量回归(least square support vector for regression,LSSVR)建立鹅肉弹性的预测模型。试验以万能试验机获取恢复距离S作为鹅肉弹性实际值。在模型建立过程中,先利用sym8小波的2层分解对原始的可见-近红外光谱进行光谱预处理;然后用siPLS优选出4个特征光谱子区间(分别为第3、5、9、13子区间),在这4个特征光谱子区间内继续用GA优选出74个特征波长,并建立基于LSSVR的鹅肉弹性的预测模型。模型预测集的决定系数(R2)和预测均方根误差(root mean squarederror of prediction,RMSEP)分别为0.9096和0.0588。试验结果表明,siPLS结合GA法能够有效提取光谱中的鹅肉弹性对应的特征波长,有利于提高LSSVR模型预测鹅肉弹性的精度。
文摘该文以近红外光谱分析技术快速测定菠萝啤中果汁含量为目的,采用了后向间隔偏最小二乘(backward interval partial least squares,Bi-PLS)、组合间隔偏最小二乘(synergy interval partial least squares,Si-PLS)以及遗传算法(genetic algorithm,GA)提取特征波长以提高模型性能。研究结果表明,基于Si-PLS提取的特征波长结合偏最小二乘法(partial least squares,PLS)建立的定量分析模型效果最好,从原始光谱范围4000~10000 cm^-1内筛选出3个特征光谱区间,分别为(4484~4960,5600~6051,7844~8080)cm^-1,共94个特征变量,比原始1501个波长变量减少了93.7%,验证集的均方根误差和决定系数分别为0.18%、0.89,范围误差比为3.17。实验结果表明,近红外光谱分析技术用于测定果味啤中的果汁含量是可行的,这为快速高效测定菠萝啤果汁含量提供了一种方法依据。
