无信息变量消除法变量筛选优化烟草中总氮和总糖的定量模型.pdfVIP

第41卷 分析化学(FENXIHUAXUE)研究报告 第6期 ChineseJournalof 917～92l 2013年6月 AnalyticalChemistry 无信息变量消除法变量筛选优化烟草中 总氮和总糖的定量模型 李倩倩1 田旷达1 李祖红2 郑波2 赖衍清1 唐果1 宋相中1 闵顺耕“ (中国农业大学理学院应用化学系，北京100193)2(云南省烟草公司曲靖市公司，曲靖655000) 摘要应用近红外光谱技术对烟草常规化学成分中总氮和总糖进行了测定。无信息变量消除(UVE)剔除 光谱矩阵中没有有效信息的数据点，并用偏最小二乘方法(PLS)建立总氮和总糖的定量分析模型，外部检验 对模型效果进行了评价。总氮定量模型校正集的决定系数R2为93．35％，标准偏差SEC为0．10；外部检验集 的决定系数只2为94．09％，标准偏差SEP为0，1l，相对标准偏差RSD为6．12％；总糖的定量模型校正集的决 0．78，相对标准偏差RSD为2．93％。结果表明：采用UVE建立的总氮与总糖的模型优于用全谱建立的模型， UVE提高了PLS模型的预测能力。 关键词近红外；烟草；无信息变量消除；偏最小二乘法 1 引 言 外光谱(约780～2500 频与倍频吸收都在近红外区，近红外技术适用于含有这些基团的烟草中总氮、总糖的测定；总氮、总糖的 含量是烟草的重要品质指标，对于烟草的生产和加工具有重要意义¨。。 近红外光谱(NIR)采用漫反射方式对固体样品进行分析，无需前处理，简单方便拉。J。但是由于近 红外区基团的合频与倍频吸收比较弱，导致样品间的光谱差异很小，因此需要借助化学计量学。’方 法，从微小光谱变化中提取有用信息，建立可靠的定量分析模型。偏最小二乘法(PLS)旧J是最常用的方 法，建立模型，并实现对未知样本的预测和分析。 烟草近红外光谱峰重叠较严重，数据量很大，建立模型时对光谱进行特征选择，即可降低模型的复 杂性，也可提高模型的预测能力。本研究采用了一种能够剔除对模型没有贡献波长的波长选择算 法——无信息变量消除算法(UVE)。UVE是基于偏最小二乘回归系数建立的波长选择算法，用于消 除不提供信息的变量。作为一种变量筛选的方法，提取特征波长作为PLS模型的输入变量，从而提高 PLS的运算速度，改善PLS的定量模型预测能力∽’m 中总氮和总糖含量的模型。经过UVE处理的数据可以将校正模型中不相关的变量剔除，使用UVE方 法进行变量筛选时分别得到总氮和总糖不同的筛选变量，即总氮和总糖所选择不同光谱区域，从而得到 最优的预测结果。本研究为测定总氮和总糖的含量提供了建立模型的新方法。 2 实验部分 2．1仪器与样品 204型分析天平(瑞士Mettler 7．0．4．365release (MATLAB 14，servicepack2)。 2012—10—12收稿；2013-01-08接受 本文系中国烟草公司项目(No．2010YN65)资助 }E—mail：minsg@263．net 万方数据 918 分析化学 第41卷 分别来自于云南省曲靖市的马龙县、陆良县、沾益县、会泽县、麒麟区的烟草样品共163个。按照烟 草行业标准YC／T 31—1996制备成粉末，每个样品称取烟末100g，用压锤将烟末表面压制平实。 2．2实验过程 2．2．1烟草样品化学值的检测方法采用连续流动分析方法测定烟草中的总糖含量；采用凯氏定氮法 测定测定烟草中的总氮的含量。 2．2．2仪器参数与光谱数据处理光谱采集范围：10000～4000cm～，光谱分辨率：8cm～，扫描次数： 64次。每隔4个样品重新校正背景，在温度20一21℃测定烟样的近红外光谱图。为了保证校正集和 检验集的代表性