书签 分享 收藏 举报 版权申诉 / 4

类型食用油油酸的近红外特征谱区优选.pdf

  • 上传人:xiang2257149
  • 文档编号:73610444
  • 上传时间:2019-05-22
  • 格式:PDF
  • 页数:4
  • 大小:202KB
  • 配套讲稿:

    如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。

    特殊限制:

    部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。

    关 键  词:
    食用油 油酸 红外 特征 优选
    资源描述:
    2015年2月
    中国粮油学报
    第30卷第2期
    Journal of the Chinese Cereals and Oils Association
    Feb.2015
    食用油油酸的近红外特征谱区优选
    吴静珠石瑞杰陈岩刘翠玲
    (北京工商大学计算机与信息工程学院,北京100048
    摘要为提高食用油油酸的近红外定量分析模型的预测性能,采用4种波长变量优选方法:移动窗口
    偏最小二乘算法( MWPIS)、间隔偏最小二乘法(iPIS)、向后间隔偏最小二乘法( Bipls)、组合间隔偏最小
    乘算法( SIPIS),优选食用油油酸近红外光谱特征区问,建立57份食用油样本的油酸定量分析模型。试验结
    果表明,相较于全谱建模,4种变量优选方法都能在有效地减少建模所用的变量数的同吋提高模型性能,其中
    采用 SIPLS优选变量所建的油酸定量模型的预測性能最优,決定系数R2为0.9950,交叉校验均方根误差
    ( RMSFCV)为1.0372,預測均方根误差( RMSEP)为0.9246。
    关键词近红外食用油油酸特征谱区偏最小二乘法
    中图分类号:0657.3文献标识码:A文章编号:1003-0174(2015)02-0118-04
    油酸是身体必需的营养物体,以甘油酯的形式
    研究采用 WWPLS、iPLS、 SIPLS、 BIPLS4种波长选
    存在于食用油中,对人体健康有着重要的影响。食择方法优选出食用油中油酸近红外特征波长变量,
    用油油酸在营养学界被称作“安全脂肪酸”。油酸含建立食用油油酸的近红外定量分析模型,提升其定
    量是判析食用油营养品质的关健。
    标糢型的预测性能。
    近年来我国食用油品质问题频繁发生,近红外
    光谱分析技术作为种快速、无损、绿色的檢测技1材料与方法
    术,在食用油品质检测方面得到了越来越多的重
    1.1试验材料
    视和应用。国内外已有将近红外技术应用于食用油
    油酸檢测的研究报道,但是所建模犁的精度和预测
    62个食用植物油样本,包括花生油、玉米油、葵
    花将油、芝林油、大豆油和橄榄油等:市售
    能力不高,普适性不强,因此如何提高模预测能力
    始终是近红外分析中的研究热点和难点问题2-。
    1.2油酸含量测定
    定量分析中应用最广泛的经典建模方注〃[外
    偏最小二乘法( Partial Least Squares,PLS)是近
    采用气相色谱法测定62个食用油样本油酸含
    量,油酸含量范围:2.7%~79.9%
    PLS采用全光谱建模,光谱中大量不相关的信息会影13近红外光谱采集
    啊校正模型的质量和精度,因此选择合适的光谱谱
    采用德国 Bruker公同 VERTEX70型红外光谱
    区对近红外光谱预測模型的建立具有重要的影响。仪釆集样本近红外光谱,使用液体光纤探头采样,光
    近几年来发展的移动窗口偏最小二乘算法( Moving程2mm。仪器参数设定:波数范?4000~12500
    window partial least square, MIWPLS),间隔偏最小二m分辨率16cm',每个样品重复扫描32次,采
    乘法( Interval partial least squares,iPLS),组合间隔偏样点数1102
    最小二乘算法
    synergy interval partial least squares, 1
    1.4数据处理及软件
    SIPLS)向后间隔偏最小二乘算法( Backward interval
    所用 MWPLS、 IPLS、 SIPLS、 BIPLS4种波长变量
    partial least squares, Bipls)等,通过筛选特征波长,剔优选方法程序和IS等程序均在 Matlab2010a环境
    除不相关或非线性变量,在简化模型的同时提高
    下实现运行
    模型的稳健性-。
    1.5模评价指标
    基金项目:北京市自然科学基金面上项目(4132008),北京市教
    近红外校正模型的预测精度和稳健性釆用主成
    委重点项目(KZ201310011012
    收稿日期:2013-11-13
    分数nF,決定系数R,交叉校验均方根差 RMSE CV,
    作者简介:吴静珠,女,1979年出生,副教授,智能检测与控制
    预测均方根误差 RMSEP指标评价。
    21994-2018ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp:/www.cnki.net
    第30卷第2期
    吴静珠等食用油油梭的近红外特征谱区优选
    2结果与讨论
    RMSF:CV随窗口位置变化的关系图中计算得到了最
    2.1样本集划分
    小的 RMSECV,对应波数范围4956~5805cm-',R2
    根据预测浓度残差法剔除5个异常样品后,样为0.9946, RMSECV为1.0762, RMSEI为1.1521
    品集共有57个样品组成。采用 Kennard
    tone
    2.2.2基于iPLS的油酸NR模型优化
    法划分得校正集样品44个,校验集样品13个。
    PH.S将全光谱等分成n个子区间,然后分别在
    2.2基于4种波长优选法的油酸NR模型优化
    全光谱以及各个子区间内建立PIS回归模型,并利
    2.2.1基于 MWPLS的油酸NIR模型优化
    用交互验证分别计算出全波谱回归模型和各了区间
    MWPIS方法的基本原理是沿波长变化的方向回归模型的预测残差平方和( Predicted Residual Error
    顺序滑动截取指定窗口宽度的区间,建立一系列的
    um of Squares, PRESS),以?波段回归模型的
    PLS模型,根据 RMSECV选取最光谱区间。窗凵
    RFSS作为阈值,从各间隔中选取出 PRESS值小于
    宽度不同则所包含的光谱信息不同,因此窗口宽度阈值的波段建模,以达到波段优选的日的Pの。n
    决定了所建PIS模型性能,是采用 MWPIS法的关不同,区间宽度不同,则了区间光谱信息不同。因此

    如何确定合适子区间数日是采用iPIS法的关键。
    试验设定初始窗口宽度为11个波长变量,窗凵
    试验将全光谱分成2到55个区问分别建模比
    宽度增加的步长为10个波长变量,依次建立了窗口较。其中,在全光谱均分成39个区间即窗凵宽度为
    宽度从11到481个波长点之间的多个PLS模型。其28个光谱数据点,在图2所示的 RMSECV与光谱区
    中,在窗口宽度为111个光谱数据点时,图1所示的间的关系图中计算得到了最小 RMSECV(第31个区
    间)。该区间对应的波数范围是5962~6180cm-',
    一 MWPIS法建模的交叉校验均方根误差
    所建模型R为0.9914, RMSECV为0.9902,RMSF.P
    m全谐建模的交叉校验均方根误差
    为1.033。
    亟学品汹以
    原始光谱
    2.2.3基于BiPI.S的油酸NIR模型优化
    BIPIS将全光谱等分成n个子区问,依次剔除
    个子区间,用剩下的n-1个区间联合建模,共计可
    以计算得到n个 RMSECV值。最小 RMSECV值所
    100
    300
    5(0
    1100
    对应的区间就是第?个排除的区间,以此类推,计算
    变量数
    直到剩下最后一个区间。确定合适的子区间个数
    图1基于 MWPLS的交叉校
    展开阅读全文
    提示  文档分享网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:食用油油酸的近红外特征谱区优选.pdf
    链接地址:https://www.wdfxw.net/doc73610444.htm
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    版权所有:www.WDFXW.net 

    鲁ICP备09066343号-25 

    联系QQ: 200681278 或 335718200

    收起
    展开