分析试验室
分析試驗室
분석시험실
ANALYTICAL LABORATORY
2010年
9期
12-15
,共4页
夏阿林%叶华俊%周新奇%王健
夏阿林%葉華俊%週新奇%王健
하아림%협화준%주신기%왕건
近红外%粒子群%苹果%酸度
近紅外%粒子群%蘋果%痠度
근홍외%입자군%평과%산도
采用便携式近红外光谱分析仪,对苹果样品进行扫描获得光谱数据,运用偏最小二乘法结合基于粒子群算法的波长选择方法对苹果试验数据进行多元统计分析,建立数学模型,利用该模型对苹果酸度进行了预测.对于基于粒子群算法和全谱偏最小二乘方法,校正集样品的酸度预测值和实测值之间的相关系数分别为0.9880和0.9553,校正均方根误差分别为0.0197和0.0388;预测集样品的酸度预测值和实测值之间的相关系数分别为0.9833和0.9596,预测均方根误差分别为0.0193和0.0304.与全谱偏最小二乘法相比,基于粒子群算法的偏最小二乘法,不仅较大地减少波长变量而降低计算量,而且也较大地提高了模型性能而增强了模型预测的准确性.该方法可建立较好的定量分析模型,能广泛应用于现场或野外苹果酸度的快速分析.
採用便攜式近紅外光譜分析儀,對蘋果樣品進行掃描穫得光譜數據,運用偏最小二乘法結閤基于粒子群算法的波長選擇方法對蘋果試驗數據進行多元統計分析,建立數學模型,利用該模型對蘋果痠度進行瞭預測.對于基于粒子群算法和全譜偏最小二乘方法,校正集樣品的痠度預測值和實測值之間的相關繫數分彆為0.9880和0.9553,校正均方根誤差分彆為0.0197和0.0388;預測集樣品的痠度預測值和實測值之間的相關繫數分彆為0.9833和0.9596,預測均方根誤差分彆為0.0193和0.0304.與全譜偏最小二乘法相比,基于粒子群算法的偏最小二乘法,不僅較大地減少波長變量而降低計算量,而且也較大地提高瞭模型性能而增彊瞭模型預測的準確性.該方法可建立較好的定量分析模型,能廣汎應用于現場或野外蘋果痠度的快速分析.
채용편휴식근홍외광보분석의,대평과양품진행소묘획득광보수거,운용편최소이승법결합기우입자군산법적파장선택방법대평과시험수거진행다원통계분석,건립수학모형,이용해모형대평과산도진행료예측.대우기우입자군산법화전보편최소이승방법,교정집양품적산도예측치화실측치지간적상관계수분별위0.9880화0.9553,교정균방근오차분별위0.0197화0.0388;예측집양품적산도예측치화실측치지간적상관계수분별위0.9833화0.9596,예측균방근오차분별위0.0193화0.0304.여전보편최소이승법상비,기우입자군산법적편최소이승법,불부교대지감소파장변량이강저계산량,이차야교대지제고료모형성능이증강료모형예측적준학성.해방법가건립교호적정량분석모형,능엄범응용우현장혹야외평과산도적쾌속분석.
