遗传算法联合LS-SVM的苹果原醋成分定量分析

摘要：

利用近红外光谱技术对苹果原醋中的重要指标进行定量分析,并进行模型优化以提高性能.采用遗传偏最小二乘法(GA-PLS)提取的特征波长作为最小二乘支持向量机(LS-SVM)的输入变量,先后建立苹果原醋中总酸、可溶性固形物的近红外定量模型,并与建立的偏最小二乘(PLS)模型结果进行比较.用决定系数(R2)、预测均方根误差(RMSEP)以及相对分析误差(RPD)对模型进行评价,确定最佳建模方法.结果表明,相比于PLS模型,总酸及可溶性固形物指标的LS-SVM定量模型的R2、RMSEP以及RPD值均有更好的表现,且在进行独立测试集验证时,LS-SVM模型的预测精度也明显优于PLS模型.说明遗传算法联合LS-SVM建立的定量模型有很高的准确度及稳定性,可以应用于苹果原醋总酸和可溶性固形物含量的快速检测.

关键词：苹果原醋、近红外光谱技术、最小二乘支持向量机、遗传算法、波段筛选

所属期刊栏目：35

分类号：TS261.7(食品工业)

资助基金：科技部科研院所技术开发研究专项2013EG111212

在线出版日期：2016-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：120-124