本文選題：食用植物油　切入點：近紅外光譜　出處：《分析化學(xué)》2017年11期 　論文類型：期刊論文

【摘要】：利用近紅外光譜技術(shù)對食用植物油中反式脂肪酸(Trans fatty acids,TFA)含量進(jìn)行快速定量檢測,并通過波段選擇、預(yù)處理方法、變量篩選及建模方法對TFA含量預(yù)測模型進(jìn)行優(yōu)化。采用AntarisⅡ傅里葉變換近紅外光譜儀在4000~10000 cm$1光譜范圍采集98個食用植物油樣本的近紅外透射光譜,然后采用氣相色譜法測定TFA的真實含量。首先,對樣本原始光譜進(jìn)行波段、預(yù)處理方法優(yōu)選;在此基礎(chǔ)上,采用競爭自適應(yīng)重加權(quán)法(Competitive adaptive reweighted sampling,CARS)篩選TFA相關(guān)的重要變量,最后應(yīng)用主成分回歸、偏最小二乘和最小二乘支持向量機方法分別建立食用植物油中TFA含量的預(yù)測模型。研究結(jié)果表明,近紅外光譜技術(shù)檢測食用植物油中的TFA含量是可行的,優(yōu)化后的最佳預(yù)測模型的校正集和預(yù)測集R2分別為0.992和0.989,RMSEC和RMSEP分別為0.071%和0.075%。最佳預(yù)測模型所用的變量僅26個,占全波段變量的0.854%。此外,與全波段偏最小二乘預(yù)測模型相比,其預(yù)測集R2由0.904上升為0.989,RMSEP由0.230%下降為0.075%。由此表明,模型優(yōu)化非常必要,CARS能有效篩選TFA相關(guān)的重要變量,極大減少建模變量數(shù),從而簡化預(yù)測模型,并較大提高預(yù)測模型的精度和穩(wěn)定性。
[Abstract]:The content of trans fatty acid (Trans fatty acidsof) in edible vegetable oil was determined by near infrared spectroscopy (NIR). The method of band selection and pretreatment was used to determine the content of Trans fatty acidsm. The method of variable screening and modeling was used to optimize the prediction model of TFA content. The near infrared transmission spectra of 98 edible vegetable oil samples were collected by Antaris 鈪，

本文編號：1592725