摘要:

为了简化苹果糖度预测模型,利用净分析物预处理法(NAP)对苹果近红外光谱进行了预处理,并重建了糖度的偏最小二乘(PLS)预测模型.结果表明,随着预处理过程中所用NAP因子的逐个增加,糖度PLS模型的最佳因子数逐渐减少,甚至可减少至1.研究中,当采用5个NAP因子时,PLS糖度模型可以达到最佳性能,此时模型的最佳因子数为7,校正时的相关系数r2和标准偏差SEC分别为0.927 73和0.406 58,用于预测时的相关系数r2和标准偏差SEP分别为0.90426和0.442 21.与NAP法预处理前的PLS模型相比,其精度虽没有大幅提高,但模型显得更加简洁.

摘要:

由于原始近红外光谱数据中含有与待测组分不相关的噪音及冗余信息,增加了偏最小二乘法(PLS)模型的复杂程度.为了简化儿茶素的预测模型,采用净分析物预处理法(NAP)对近红外光谱进行预处理,提取出待测组分的净分析物信号,然后利用PLS建立绿茶中三种儿茶素(EGCG、ECG和EGC)含量的(NAP/PLS)模型.在模型建立过程中,通过交互验证的方法优化NAP因子数及模型的主成分因子数,并且将NAP的结果与经典的标准正态变量(SNV)光谱预处理结果相比较.比较结果显示,经过NAP与SNV光谱预处理后,模型的预测结果相差不大,但是经过净分析物预处理后,模型的主成分因子数大大降低.研究结果表明,NAP光谱预处理算法能在保证精度的前提下有效地简化绿茶中儿茶素含量的预测模型.