0
关键词：
PDA,糖化酶活力,改良,菌丝
发表时间：
2013-03-18 11:08:41
FT_NIR光谱仪测定酒糟成分不同谱区范围对数学模型的影响
夏天 | -> | 501| 0| 0.164811MB |分析方法,谱区范围,决定系数(R),均方差(RMSECV)
摘要： 通过使用FT-NIR 光谱仪，探讨不同的近红外谱图范围分别对出入窖糟的各组分的影响，找到最佳的谱区范围，确定决定系数(R )和均方差(RMSECV)，建立最优数学模型，确保检测数据准确可靠。
近红外光是指介于可见光与中红外光之间的电磁波，波长为780～2526 nm 型(12800～39400)。物质分子中C-H、N-H、O-H 和C=O 等基团振动频率的合频与倍频吸收正好落在近红外区，信息量非常丰富，因此，近红外技术比较适合于分析与这些基团有直接或间接关系的成分。酒糟中的酸度、水分、残淀、残糖等物质都包含了这些基团，均可使用近红外对这些特征组分进行定量分析。
近红外光谱分析技术是二级分析方法， 即必须建立近红外分析的模型对未知样品进行分析。近红外光谱分析的基本原理是：选择代表性的分析样品(如酒醅)组成建模样品集，用经典方法测定其中需分析组分或指标(如酸度、水分、淀粉和残糖等)的化学分析值；再将这些样品在近红外光谱仪上用规范的方法测定其近红外吸收光谱； 使用化学计量学软件将这些样品的近红外光谱与其对应的化学分析值关联， 得到此分析组分或指标的近红外分析模型。利用所建立组分或指标的模型预测未知样品的近红外光谱图，可以同时得到这些组分或指标(如酸度、水分、淀粉和残糖等)的近红外分析结果。对所建不同组分或指标的模型进行优化(包括选择与该组分或指标相关的最佳谱区范围、最佳光谱预处理方法及最佳化学计量学参数)，在优化模型的同时对其进行检验，以确保达到最优。检验模型最常用的方法是内部交叉检验，即是每次从建模样品集中依次剔除n 个样品， 用剩下的样品建立模型预测被剔除的n 个样品。所有样品都被剔除并预测过，预测值与其化学分析值进行统计分析，主要考察预测值与化学分析值的决定系数(R ) 和均方差(RMSECV)等。本研究主要讨论不同谱区范围对模型质量的影响。
近红外光谱分析技术是二级分析方法， 即必须建立近红外分析的模型对未知样品进行分析。近红外光谱分析的基本原理是：选择代表性的分析样品(如酒醅)组成建模样品集，用经典方法测定其中需分析组分或指标(如酸度、水分、淀粉和残糖等)的化学分析值；再将这些样品在近红外光谱仪上用规范的方法测定其近红外吸收光谱； 使用化学计量学软件将这些样品的近红外光谱与其对应的化学分析值关联， 得到此分析组分或指标的近红外分析模型。利用所建立组分或指标的模型预测未知样品的近红外光谱图，可以同时得到这些组分或指标(如酸度、水分、淀粉和残糖等)的近红外分析结果。对所建不同组分或指标的模型进行优化(包括选择与该组分或指标相关的最佳谱区范围、最佳光谱预处理方法及最佳化学计量学参数)，在优化模型的同时对其进行检验，以确保达到最优。检验模型最常用的方法是内部交叉检验，即是每次从建模样品集中依次剔除n 个样品， 用剩下的样品建立模型预测被剔除的n 个样品。所有样品都被剔除并预测过，预测值与其化学分析值进行统计分析，主要考察预测值与化学分析值的决定系数(R ) 和均方差(RMSECV)等。本研究主要讨论不同谱区范围对模型质量的影响。
夏天发布的其他共享资料
-
-
关键词： 高效液相色谱,白兰地,鞣花酸 发表时间： 2013-03-18 11:07:44
-
关键词： 分析方法,GC-FID分析,白酒,色谱骨架组分 发表时间： 2013-03-18 11:02:37
-
关键词： 分析方法,谱区范围,决定系数(R),均方差(RMSECV) 发表时间： 2013-03-18 10:56:34
-
关键词： 紫薯酒,原料特性,酿酒特性 发表时间： 2013-03-18 10:54:50
-
关键词： 原产地名称,地名,茅台酒,茅台镇 发表时间： 2012-11-19 09:19:09