10.3964/j.issn.1000-0593.2007.11.019
PLS-GRNN法近红外光谱多组分定量分析研究
研究了偏最小二乘(partial least squares,PLS)与广义回归神经网络(generalized regression neural networks,GRNN)联用在近红外光谱多组分定量分析中的应用.以饲料样品为实验材料,采用PLS-GRNN法建立了饲料中水溶性氯化物、粗纤维、脂肪三项组分含量近红外光谱定量分析模型.马氏距离法剔除强影响点和奇异点,用PLS法将原始数据压缩为主成分,取8个主成分吸收峰与4个原始图谱特征峰值输入GRNN网络,网络光滑因子σi为0.1.PLS-GRNN模型对样品3个组分含量的预测决定系数(r2)分别为:0.984 0,0.987 0,0.983 0;样品平行扫描光谱预测值的标准偏差分别为:0.003 26,0.065 5,0.031 4.结果表明所建PLS-GRNN模型通过近红外光谱能够准确预测饲料中水溶性氯化物、粗纤维、脂肪三项组分含量,为近红外光谱进行多组分定量分析提供了新思路,同时为解决近红外快速检测技术在预测组分含量较低的样品时误差相对较大的问题提供了可靠的方法.
近红外光谱、偏最小二乘法、GRNN网络、定量分析
27
O657.3(分析化学)
教育部南昌大学食品科学重点实验室开放基金NCU200404;江西省星火计划项目
2008-03-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
2216-2220