为探寻一种快速可靠的分析方法用于橄榄油中掺杂煎炸老油含量的测定,实验采用可见和近红外透射光谱分析技术结合区间偏最小二乘法（interval partial least squares,iPLS）、联合区间偏最小二乘法（synergy interval partial least squa...为探寻一种快速可靠的分析方法用于橄榄油中掺杂煎炸老油含量的测定,实验采用可见和近红外透射光谱分析技术结合区间偏最小二乘法（interval partial least squares,iPLS）、联合区间偏最小二乘法（synergy interval partial least squares,SiPLS）和反向区间偏最小二乘法（backward interval partial least squares,BiPLS）,对掺杂不同含量煎炸老油的橄榄油建模分析,并对不同模型比较优选。采集样品400～2500 nm范围内的光谱,对光谱数据进行Savitzky-Golay（SG）平滑去噪。剔除奇异样本后,采用sample set partitioning based on joint X-Y distance（SPXY）法划分样本集,以不同的iPLS优选建模区域,建立煎炸老油含量预测模型。结果表明：对掺杂不同含量煎炸大豆油的橄榄油,采用划分20个区间,选择2个子区间[4,16]建立的SiPLS模型预测效果最好,相关系数（Rp）达0.998 9,预测均方根误差（RMSEP）为0.019 2。对掺杂不同含量煎炸花生油的橄榄油,采用划分20个区间,选择2个子区间[2,16]组合建立的SiPLS和BiPLS模型具有相同的预测效果,预测均方根误差（RMSEF）为0.0120,均优于iPLS模型。此外,与SiPLS模型相比,BiPLS模型运算量少,速度快。由此可见,基于掺杂油样品的可见和近红外透射光谱,分别采用组合区间偏最小二乘法（SiPLS）和反向区间偏最小二乘法（BiPLS）优选建模光谱区域,可以对橄榄油中掺杂煎炸大豆油和煎炸花生油含量进行准确测定。而且,实验过程无需对掺杂油样品进行预处理,无环境污染,操作简单,快速无损。展开更多
目的建立不同产地喜树果中9个成分含量同步检测方法,筛选影响其质量的差异标志物,并对其进行质量评价。方法对7省18个批次喜树果样品进行回流提取,提取物采用高效液相色谱法检测;采用正交偏最小二乘判别分析(Orthogonal partial least s...目的建立不同产地喜树果中9个成分含量同步检测方法,筛选影响其质量的差异标志物,并对其进行质量评价。方法对7省18个批次喜树果样品进行回流提取,提取物采用高效液相色谱法检测;采用正交偏最小二乘判别分析(Orthogonal partial least squares discriminant analysis,OPLS-DA)和加权逼近理想解排序(Technique for order preference by similarity to an ideal solution,TOPSIS)法建立喜树果质量优劣评价模型,对其质量差异性进行综合评价。结果3,4′-O-二甲基鞣花酸、丁香酸、10-羟基喜树碱、喜树碱、10-甲氧基喜树碱、三叶豆苷、短小蛇根草苷、金丝桃苷和喜果苷分别在0.51-12.75、0.23-5.75、3.21-80.25、4.45-111.25、1.88-47.00、0.41-10.25、2.05-51.25、0.34-8.50和7.95-198.75μg·mL^(-1)范围内线性关系良好(r>0.999),平均加样回收率96.95%-100.06%(RSD<2.0%);18批样品聚为3类;喜果苷、10-羟基喜树碱、喜树碱、10-甲氧基喜树碱和短小蛇根草苷可能是影响喜树果产品质量主要潜在标志物;加权TOPSIS法分析结果显示18批喜树果质量评价贴近度(Jb)在0.1090-0.7385,其中S14最大(0.7385)。结论建立了同时测定喜树果中9种成分含量的方法,操作简便、结果准确;采用OPLS-DA及加权TOPSIS法进行客观全面评价,可用于喜树果质量差异性评价。展开更多
当作物生物量较大时,现有植被指数由于受饱和问题限制,不能较好的估算作物生物量。针对此问题,尝试将波段深度分析与偏最小二乘回归(partial least square regression,PLSR)结合,提高对大田冬小麦生物量的估算精度,并将两者结合建立的...当作物生物量较大时,现有植被指数由于受饱和问题限制,不能较好的估算作物生物量。针对此问题,尝试将波段深度分析与偏最小二乘回归(partial least square regression,PLSR)结合,提高对大田冬小麦生物量的估算精度,并将两者结合建立的模型与应用代表性植被指数建立的模型进行生物量估算精度比较。波段深度分析主要对冬小麦冠层光谱550～750nm范围进行,采用波段深度、波段深度比(band depth ratio,BDR)、归一化波段深度指数和归一化面积波段深度对波段深度信息进行表征。在建立的模型中,波段深度分析和PLSR结合的估算精度比应用植被指数模型的精度高,其中BDR与PLSR结合的估算精度最高(R2=0.792,RMSE=0.164kg.m-2)。研究结果表明波段深度分析与PLSR结合能较好的克服生物量较大时存在的饱和问题,提高冬小麦生物量的估算精度。展开更多
文摘为探寻一种快速可靠的分析方法用于橄榄油中掺杂煎炸老油含量的测定,实验采用可见和近红外透射光谱分析技术结合区间偏最小二乘法（interval partial least squares,iPLS）、联合区间偏最小二乘法（synergy interval partial least squares,SiPLS）和反向区间偏最小二乘法（backward interval partial least squares,BiPLS）,对掺杂不同含量煎炸老油的橄榄油建模分析,并对不同模型比较优选。采集样品400～2500 nm范围内的光谱,对光谱数据进行Savitzky-Golay（SG）平滑去噪。剔除奇异样本后,采用sample set partitioning based on joint X-Y distance（SPXY）法划分样本集,以不同的iPLS优选建模区域,建立煎炸老油含量预测模型。结果表明：对掺杂不同含量煎炸大豆油的橄榄油,采用划分20个区间,选择2个子区间[4,16]建立的SiPLS模型预测效果最好,相关系数（Rp）达0.998 9,预测均方根误差（RMSEP）为0.019 2。对掺杂不同含量煎炸花生油的橄榄油,采用划分20个区间,选择2个子区间[2,16]组合建立的SiPLS和BiPLS模型具有相同的预测效果,预测均方根误差（RMSEF）为0.0120,均优于iPLS模型。此外,与SiPLS模型相比,BiPLS模型运算量少,速度快。由此可见,基于掺杂油样品的可见和近红外透射光谱,分别采用组合区间偏最小二乘法（SiPLS）和反向区间偏最小二乘法（BiPLS）优选建模光谱区域,可以对橄榄油中掺杂煎炸大豆油和煎炸花生油含量进行准确测定。而且,实验过程无需对掺杂油样品进行预处理,无环境污染,操作简单,快速无损。
文摘目的建立不同产地喜树果中9个成分含量同步检测方法,筛选影响其质量的差异标志物,并对其进行质量评价。方法对7省18个批次喜树果样品进行回流提取,提取物采用高效液相色谱法检测;采用正交偏最小二乘判别分析(Orthogonal partial least squares discriminant analysis,OPLS-DA)和加权逼近理想解排序(Technique for order preference by similarity to an ideal solution,TOPSIS)法建立喜树果质量优劣评价模型,对其质量差异性进行综合评价。结果3,4′-O-二甲基鞣花酸、丁香酸、10-羟基喜树碱、喜树碱、10-甲氧基喜树碱、三叶豆苷、短小蛇根草苷、金丝桃苷和喜果苷分别在0.51-12.75、0.23-5.75、3.21-80.25、4.45-111.25、1.88-47.00、0.41-10.25、2.05-51.25、0.34-8.50和7.95-198.75μg·mL^(-1)范围内线性关系良好(r>0.999),平均加样回收率96.95%-100.06%(RSD<2.0%);18批样品聚为3类;喜果苷、10-羟基喜树碱、喜树碱、10-甲氧基喜树碱和短小蛇根草苷可能是影响喜树果产品质量主要潜在标志物;加权TOPSIS法分析结果显示18批喜树果质量评价贴近度(Jb)在0.1090-0.7385,其中S14最大(0.7385)。结论建立了同时测定喜树果中9种成分含量的方法,操作简便、结果准确;采用OPLS-DA及加权TOPSIS法进行客观全面评价,可用于喜树果质量差异性评价。
