为建立不受白酒中乙醇体积分数影响的高效液相色谱(HPLC)方法,并测定白酒中乳酸和乙酸含量,将其作为近红外光谱建模的参考值,并结合核偏最小二乘算法(KPLS)建立近红外快速检测模型。结果表明,利用有机聚合物为填充颗粒的色谱柱进行高效...为建立不受白酒中乙醇体积分数影响的高效液相色谱(HPLC)方法,并测定白酒中乳酸和乙酸含量,将其作为近红外光谱建模的参考值,并结合核偏最小二乘算法(KPLS)建立近红外快速检测模型。结果表明,利用有机聚合物为填充颗粒的色谱柱进行高效液相色谱法测定乳酸和乙酸含量时,乳酸和乙酸的峰面积结果相对标准偏差(RSD)分别为1.58%和1.66%,加标回收率分别为98.15%与103.28%。建立近红外快速检测模型,测定乳酸和乙酸的最佳预处理方法分别为消除常数偏移量和矢量归一化,最佳附加预处理方法为Z-score标准化,最佳变量筛选方法为竞争自适应重加权采样法(CARS),最佳条件下验证模型的乳酸和乙酸测试集预测均方根误差(RMSEP)分别为6.37 mg/100 m L和5.95 mg/100 m L,决定系数(R^(2))分别为0.975 3和0.959 1,外部验证样本预测值与实际值间一致性良好,模型重复预测样本乳酸和乙酸含量的RSD分别为2.28%和2.22%,方差分析检验表明预测值与实际值间不存在显著性差异(P>0.05),表明模型的预测精密性良好。综上,基于高效液相色谱数据建立近红外光谱模型,可实现白酒中乳酸和乙酸含量的快速准确测定。展开更多
为建立常见基质泥炭、蛭石和珍珠岩中铵态氮和硝态氮含量测定的近红外模型,采用铵态氮和硝态氮对3种基质进行处理,采集基质的近红外光谱;并采用化学法测定铵态氮和硝态氮含量,通过偏最小二乘法(partial least squares regression,PLSR)...为建立常见基质泥炭、蛭石和珍珠岩中铵态氮和硝态氮含量测定的近红外模型,采用铵态氮和硝态氮对3种基质进行处理,采集基质的近红外光谱;并采用化学法测定铵态氮和硝态氮含量,通过偏最小二乘法(partial least squares regression,PLSR)和机器学习算法支持向量机(support vector machine,SVM)构建了3种基质硝态氮和铵态氮含量的数学模型。结果表明,对铵态氮含量而言,最佳光谱预处理方法为一阶导数+平滑处理;对硝态氮含量而言,泥炭、蛭石和珍珠岩的最佳预处理方法分别为多元散射校正+平滑、一阶导数、多元散射校正+一阶导数+平滑。采用PLSR法和SVM法均能建立基质铵态氮和硝态氮含量预测模型,且SVM模型预测集的决定系数(R_(p)^(2))和预测相对分析误差(RPD)高于PLSR模型,预测均方根误差(RMSEP)低于PLSR模型。泥炭、蛭石和珍珠岩的铵态氮含量SVM模型的R_(p)^(2)分别为0.983、0.936和0.925,RMSEP分别为0.073、0.528和0.540,RPD分别为7.74、4.50和4.80。泥炭、蛭石和珍珠岩的硝态氮含量SVM模型的R_(p)^(2)分别为0.912、0.956和0.921,RMSEP分别为0.716、0.933和0.976,RPD分别为3.23、3.75和3.30。本试验所构建的泥炭、蛭石和珍珠岩SVM模型可靠,可用于分析基质的硝态氮和铵态氮含量。展开更多
文摘采用可见/近红外光谱对丙酯草醚胁迫下大麦叶片过氧化氢酶(catalase,CAT)与过氧化物酶(peroxidase,POD)含量预测进行研究。对500~900nm光谱采用移动平均法(moving average,MA)11点平滑方法进行预处理。采用蒙特卡罗-偏最小二乘法(monte carlo-partial least squares,MCPLS)方法分别对于CAT与POD的含量预测剔除7个与8个异常样本。基于全部光谱建立了CAT与POD含量预测的PLS,最小二乘支持向量机(least-squares support vector machine,LS-SVM)与极限学习机(extreme learning machine,ELM)模型,ELM模型对CAT含量预测效果最好,建模集相关系数(correlation coefficient of calibration,Rc)为0.916,预测集相关系数Rp为0.786;PLS模型对POD含量预测效果最佳,Rc为0.984,Rp为0.876。采用连续投影算法(successive projections algorithm,SPA)算法分别为CAT与POD预测选择了8个与19个特征波长,基于特征波长建立的PLS,LS-SVM与ELM模型中,ELM模型对CAT与POD含量预测效果均最佳,CAT含量预测的相关系数为Rc=0.928,Rp=0.790;POD含量预测的相关系数Rc=0.965,Rp=0.941。基于全谱与基于特征波长的回归分析模型预测效果相当,且对POD含量的预测效果优于对CAT含量的预测效果,而这需要进一步研究以得到精度和稳定性更高的预测模型。研究结果表明,采用可见/近红外光谱结合化学计量学方法可以实现对除草剂胁迫下大麦叶片CAT与POD含量的预测。
文摘为建立不受白酒中乙醇体积分数影响的高效液相色谱(HPLC)方法,并测定白酒中乳酸和乙酸含量,将其作为近红外光谱建模的参考值,并结合核偏最小二乘算法(KPLS)建立近红外快速检测模型。结果表明,利用有机聚合物为填充颗粒的色谱柱进行高效液相色谱法测定乳酸和乙酸含量时,乳酸和乙酸的峰面积结果相对标准偏差(RSD)分别为1.58%和1.66%,加标回收率分别为98.15%与103.28%。建立近红外快速检测模型,测定乳酸和乙酸的最佳预处理方法分别为消除常数偏移量和矢量归一化,最佳附加预处理方法为Z-score标准化,最佳变量筛选方法为竞争自适应重加权采样法(CARS),最佳条件下验证模型的乳酸和乙酸测试集预测均方根误差(RMSEP)分别为6.37 mg/100 m L和5.95 mg/100 m L,决定系数(R^(2))分别为0.975 3和0.959 1,外部验证样本预测值与实际值间一致性良好,模型重复预测样本乳酸和乙酸含量的RSD分别为2.28%和2.22%,方差分析检验表明预测值与实际值间不存在显著性差异(P>0.05),表明模型的预测精密性良好。综上,基于高效液相色谱数据建立近红外光谱模型,可实现白酒中乳酸和乙酸含量的快速准确测定。
