本文關(guān)鍵詞： 瑪咖 近紅外光譜 鑒別 光譜信息篩選 模型集群分析　出處：《光譜學(xué)與光譜分析》2016年02期 　論文類型：期刊論文

【摘要】：食藥植物瑪咖富含多種營(yíng)養(yǎng)成分,極具藥用價(jià)值。采用近紅外漫反射光譜,對(duì)采自秘魯及云南共139份瑪咖樣品進(jìn)行產(chǎn)地鑒別。采用多元信號(hào)校正結(jié)合二階導(dǎo)數(shù)和Norris平滑預(yù)處理光譜,利用光譜標(biāo)準(zhǔn)偏差初步選擇光譜波段(7 500~4 061cm~(-1)),結(jié)合主成分-馬氏距離(principal component analysis-mahalanobis distance,PCA-MD)篩選出適宜的主成分?jǐn)?shù)為5�；谒Y選的光譜波段及主成分?jǐn)?shù),利用"模群迭代奇異樣本診斷"方法剔除2個(gè)異常樣品后,分別采用競(jìng)爭(zhēng)自適應(yīng)重加權(quán)法(competitive adaptive reweighted sampling,CARS)、蒙特卡洛-無信息變量消除法(monte carlo-uninformative variable elimination,MC-UVE)、遺傳算法(genetic algorithm,GA)和子窗口重排(subwindow permutation analysis,SPA)四種方法篩選光譜變量信息,利用模型集群分析(model population analysis,MPA)思想對(duì)所篩選的光譜變量信息進(jìn)行評(píng)價(jià)。結(jié)果顯示,RMSECV(SPA)RMSECV(CARS)RMSECV(MC-UVE)RMSECV(GA),分別為2.14,2.05,2.02,1.98,光譜變量數(shù)分別為250,240,250和70。采用偏最小二乘判別分析法(partial least squares discriminant analysis,PLS-DA)對(duì)四種方法篩選的光譜變量建立判別模型,隨機(jī)選擇97份樣品作為建模集,其余40份樣品作為驗(yàn)證集。通過R2,RMSEC和RMSEP分析可知,R2:GAMC-UVECARSSPA,RMSEC和RMSEP:GAMC-UVECARSSPA,且GA,MC-UVE,CARS和SPA四種方法篩選的光譜信息所建立的產(chǎn)地判別模型預(yù)測(cè)正確率分別為95.0%,92.5%,90.0%和85.0%。四種方法篩選的光譜信息所建立的產(chǎn)地判別模型均具有較好的預(yù)測(cè)性能,其中GA法所篩選的光譜信息建立的判別模型更準(zhǔn)確。該方法的建立旨在為中藥材鑒別和品質(zhì)評(píng)價(jià)奠定基礎(chǔ)。
[Abstract]:The medicinal plant Maca is rich in many kinds of nutrients and has great medicinal value. The near infrared diffuse reflectance spectroscopy (NIR) is used. A total of 139 Maca samples from Peru and Yunnan were identified by multivariate signal correction combined with second-order derivative and Norris smoothing pretreatment spectra. The spectral standard deviation was used to select the spectral band (7 500 ~ 4 061 cm ~ (-1) ~ (-1)). Principal component analysis-mahalanobis distance. Based on the selected spectral bands and principal fractions, two abnormal samples were eliminated by the method of "mode group iterative singular sample diagnosis". Competitive adaptive reweighted sampling (CARSs) was used respectively. Monte Carlo-Non-information variable elimination method monte carlo-uninformative variable elimination MC-UVE. Genetic algorithm (GA) and subwindow permutation analysis. The spectral variable information was screened by spa and the model population analysis was analyzed by model cluster analysis. MPA) thought to evaluate the selected spectral variable information. The results show that. RMSECV / SPAN RMSECV / CARSv / RMSECV / MC-UVEN RMSECVGA, 2.14 / 2.05 / 2.02, respectively. 1.98, the number of spectral variables is 250,240. The partial least squares discriminant analysis was determined by partial least squares discriminant analysis. The discriminant model of spectral variables screened by four methods was established by PLS-DA.The 97 samples were randomly selected as modeling set and the other 40 samples were selected as validation set. RMSEC and RMSEP analysis showed that R2: GAMC-UVECARPARPAE RMSEC and RMSEP: GAMC-UVECARSSPA, and GA. The prediction accuracy of the model based on the spectral information of MC-UVECARS and SPA was 95.0% and 92.5%, respectively. Four methods were used to screen the spectral information. The model of origin discrimination established by the four methods had good prediction performance. The discriminant model of the spectral information screened by GA method is more accurate, and the establishment of this method aims to lay a foundation for the identification and quality evaluation of Chinese medicinal materials.
【作者單位】： 云南省農(nóng)業(yè)科學(xué)院藥用植物研究所;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(31460538,81260608) 云南省自然科學(xué)基金項(xiàng)目(2013FD066,2013FZ150)資助
【分類號(hào)】：S567.2;O657.33
【正文快照】： 引言瑪咖(Lepidium meyenii Walp.)為十字花科(Cruciferae)獨(dú)荇菜屬(Lepidium)植物,常用名Maca(音譯“瑪咖”),又名Maka,Maca-maca,Peruvian ginseng,Maino,Ayak-willku,Ayakchichira等,原產(chǎn)于海拔3 500~4 500m的南美洲安第斯山區(qū),現(xiàn)主要分布于秘魯中部的Puna生態(tài)區(qū)和秘魯東南

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王海水,汪冬梅,席時(shí)權(quán);近紅外光譜在品質(zhì)分析和定量分析中的應(yīng)用[J];分析測(cè)試技術(shù)與儀器;2002年03期

2 ;全國(guó)第二屆近紅外光譜學(xué)術(shù)會(huì)議將于今年8月在長(zhǎng)沙召開[J];紅外;2008年03期

3 楊燕花;胡燕琴;龍井華;王海水;;消除顯微紅外光譜水汽噪音的方法[J];分析化學(xué);2010年12期

4 田蛟;趙軍霞;;近紅外光譜在測(cè)定汽油重要指標(biāo)中的應(yīng)用[J];山東化工;2010年10期

5 ;新書快訊:《傅里葉變換紅外光譜分析》(第2版)簡(jiǎn)介[J];光譜學(xué)與光譜分析;2011年09期

6 王毅;馬翔;溫亞東;鄒泉;王俊;涂家潤(rùn);蔡文生;邵學(xué)廣;;近紅外光譜與多元統(tǒng)計(jì)方法用于生產(chǎn)過程實(shí)時(shí)分析[J];光譜學(xué)與光譜分析;2013年05期

7 梁奇峰;何江;彭夢(mèng)俠;;紅外光譜內(nèi)標(biāo)法測(cè)定維C藥片中抗壞血酸的含量[J];化學(xué)試劑;2013年03期

8 李春峰;;近紅外光譜在中藥研究中的應(yīng)用[J];求醫(yī)問藥(下半月);2013年02期

9 黃禮麗;;近紅外光譜分析技術(shù)的應(yīng)用研究[J];科技創(chuàng)新與應(yīng)用;2013年24期

10 孫素琴;;食品與中藥的(中)紅外光譜快速檢測(cè)技術(shù)[J];現(xiàn)代科學(xué)儀器;2013年04期

相關(guān)會(huì)議論文 前10條

1 梁逸曾;范偉;陳愛明;張志敏;;近紅外光譜軟件的設(shè)計(jì)和實(shí)現(xiàn)[A];第九屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

2 譚福元;李夢(mèng)龍;馮曉瑜;張婧;;紅外光譜譜構(gòu)關(guān)系探討[A];第九屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

3 李敬巖;褚小立;田松柏;;紅外光譜方法在原油及油品分析中的應(yīng)用[A];科學(xué)儀器服務(wù)民生學(xué)術(shù)大會(huì)論文集[C];2011年

4 袁洪福;褚小立;陸婉珍;魏東;;在線近紅外光譜成套分析技術(shù)及其在石油化工中的應(yīng)用[A];中國(guó)化工學(xué)會(huì)2005年石油化工學(xué)術(shù)年會(huì)論文集[C];2005年

5 劉智超;蔡文生;邵學(xué)廣;;基于小波變換多模型的近紅外光譜共識(shí)建模方法研究[A];中國(guó)化學(xué)會(huì)第26屆學(xué)術(shù)年會(huì)化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)分會(huì)場(chǎng)論文集[C];2008年

6 武中臣;徐曉軒;楊仁杰;俞鋼;張存洲;;互相關(guān)分析在近紅外光譜模型傳遞中的應(yīng)用[A];全國(guó)第13屆分子光譜學(xué)術(shù)報(bào)告會(huì)論文集[C];2004年

7 王穎;趙根鎖;張國(guó)寶;;用紅外光譜測(cè)聚烯高分子材料的氧化度[A];全國(guó)第10屆分子光譜學(xué)術(shù)報(bào)告會(huì)論文集[C];1998年

8 吳海云;崔傳金;韓小平;左月明;;近紅外光譜數(shù)據(jù)分析方法的研究進(jìn)展[A];紀(jì)念中國(guó)農(nóng)業(yè)工程學(xué)會(huì)成立30周年暨中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2009年學(xué)術(shù)年會(huì)（CSAE 2009）論文集[C];2009年

9 趙亮;王大喜;高金森;徐春明;;鈦硅復(fù)合氧化物的紅外光譜模擬及分析[A];第九屆全國(guó)化學(xué)工藝學(xué)術(shù)年會(huì)論文集[C];2005年

10 石雪;蔡文生;邵學(xué)廣;;基于小波系數(shù)的近紅外光譜局部建模方法與應(yīng)用研究[A];第九屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 記者 李犁;近紅外光譜專業(yè)委員會(huì)云南物聯(lián)站成立[N];云南日?qǐng)?bào);2011年

相關(guān)博士學(xué)位論文 前10條

1 薛曉康;電化學(xué)表面增強(qiáng)紅外光譜的應(yīng)用與發(fā)展[D];復(fù)旦大學(xué);2008年

2 杜國(guó)榮;復(fù)雜體系近紅外光譜建模方法研究[D];南開大學(xué);2012年

3 郝勇;近紅外光譜微量分析方法研究[D];南開大學(xué);2009年

4 程旺興;醌類中藥小分子電子轉(zhuǎn)移機(jī)理研究—紅外光譜電化學(xué)循環(huán)伏吸法和導(dǎo)數(shù)伏吸法[D];安徽大學(xué);2012年

5 王金意;鈀、鎳及其非金屬合金電極的表面紅外光譜與應(yīng)用研究[D];復(fù)旦大學(xué);2010年

6 單瑞峰;近紅外光譜建模方法及溫度效應(yīng)研究[D];南開大學(xué);2014年

7 嚴(yán)彥剛;表面增強(qiáng)紅外光譜在鉑族電極上的拓展及應(yīng)用[D];復(fù)旦大學(xué);2007年

8 黃正國(guó);基質(zhì)隔離—紅外光譜和量化計(jì)算研究金屬原子與甲醇及乙炔的反應(yīng)[D];復(fù)旦大學(xué);2004年

9 周志有;原位快速時(shí)間分辨顯微FTIRS的建立及其對(duì)Pt微電極表面動(dòng)態(tài)過程的研究[D];廈門大學(xué);2004年

10 劉智超;復(fù)雜信號(hào)解析與建模方法研究[D];南開大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 朱偉成;表面增強(qiáng)紅外光譜材料的制備和研究[D];南京師范大學(xué);2012年

2 陳灶鑫;靈芝紅外光譜規(guī)律及靈芝微量元素含量的研究[D];廣東工業(yè)大學(xué);2013年

3 戚華溢;嵌入式零樹小波用于紅外光譜壓縮的研究[D];四川大學(xué);2002年

4 曹鳳娟;表面增強(qiáng)紅外光譜對(duì)膜蛋白的檢測(cè)及表面增強(qiáng)紅外基底的研究[D];東北師范大學(xué);2013年

5 劉效林;白酒紅外光譜特征提取與分類應(yīng)用研究[D];華中科技大學(xué);2013年

6 劉軍紅;基于支持向量機(jī)的紅外光譜子結(jié)構(gòu)解析[D];四川大學(xué);2005年

7 崔秀君;溫度限制串聯(lián)相關(guān)網(wǎng)絡(luò)在近紅外光譜數(shù)據(jù)解析中應(yīng)用的研究[D];東北師范大學(xué);2003年

8 陳建波;二維相關(guān)紅外光譜差異分析方法及其應(yīng)用研究[D];清華大學(xué);2010年

9 王方;原位薄層色譜—紅外光譜聯(lián)用技術(shù)研究[D];河北師范大學(xué);2013年

10 郭崢;近紅外光譜快速表征復(fù)合肥料及紡織纖維材料的研究[D];北京化工大學(xué);2011年

，

本文編號(hào)：1469043