一种用于预测蚕丝含量占比的近红外光谱分析方法

摘要：

针对近红外光谱分析技术中未充分利用预测模型光谱数据的问题,提出了一种可充分利用光谱数据和有效预测蚕丝含量占比的新方法.以5种类型共145个样本的蚕丝含量占比以及相应的所有蛋白质基光谱数据为研究对象,将这些样本分别划分为校正集和验证集,并采用偏最小二乘回归(Partial Least Squares Regression,PLSR)方法和提出的偏最小二乘回归多模型(multi-model Partial Least Squares Regression,multi-PLSR)方法建立了预测模型.然后对比和观察了两种方法的预测效果.以类型2的蚕丝样本为例,选用13个主成分并对比两种模型后发现,multi-PLSR模型的相关系数由0.594增至0.9784,平均相对误差由0.4866降至0.1384.实验结果表明,新方法充分利用了光谱数据中的信息,提高了蚕丝含量占比预测模型的精度,为建立近红外光谱预测模型提供了一种新思路.

关键词：近红外光谱、蚕丝含量、多模型、偏最小二乘回归

所属期刊栏目：42

分类号：O657.33(分析化学)

资助基金：国家自然科学基金项目61571002;61179034

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：43-48