領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國(guó)食品雜志社
為提高白酒固態(tài)發(fā)酵的副產(chǎn)物黃水中淀粉含量預(yù)測(cè)模型精度和建模效率。采用傅里葉變換近紅外光譜儀采集黃水光譜信息，利用一階導(dǎo)數(shù)對(duì)光譜進(jìn)行預(yù)處理，并結(jié)合偏最小二乘回歸（partial least squares regression，PLSR）建立黃水淀粉定量預(yù)測(cè)模型。使用決定系數(shù)（R2）和預(yù)測(cè)均方誤差（root mean square error of prediction，RMSEP）評(píng)價(jià)模型性能。光譜中含有大量冗余信息，為有效提升黃水淀粉含量檢測(cè)精度和優(yōu)化模型效率，將不同特征提取方法的優(yōu)點(diǎn)結(jié)合，發(fā)現(xiàn)使用競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法（competitive adaptive reweighted sampling，CARS）結(jié)合連續(xù)投影算法（successive projections algorithm，SPA）提取的光譜特征所建立的PLSR模型，相較于未使用特征提取或僅使用單一特征提取所建立的模型均有明顯提升。在單一使用CARS時(shí)，模型的R2為0.965 4，RMSEP為0.201 2%，而結(jié)合SPA后，R2為0.973 8，RMSEP為0.174 8%。此外，光譜維度從2 203 個(gè)減少到了126 個(gè)，不僅提高了預(yù)測(cè)精度，也提升了建模效率。本研究提出的方法可作為黃水近紅外定量模型優(yōu)化的有效途徑。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話: 010-87293157
地址: 北京市豐臺(tái)區(qū)洋橋70號(hào)
版權(quán)所有 @ 2023 中國(guó)食品雜志社 京公網(wǎng)安備11010602060050號(hào) 京ICP備14033398號(hào)-2
