论文部分内容阅读
本研究以白酒的酒精度为检测对象,运用传统拉曼光谱强度分析法研究了单组分定量检测和采用几种常用化学计量学法多组分拉曼光谱分析中的定量检测方法。同时采用了多种信息提取方法,从原始拉曼光谱中提取有效化学成分信息,进行了拉曼光谱的波长优选和建模方法等关键的技术的研究。
研究共收集42个白酒样品,对白酒酒精度进行了化学方法检测和拉曼光谱检测。采用主成分分析法去处了1个异常值样品(20号样品),在余下的41个样品中,利用28个样品作为定标样品,13个样品作为预测样品。
对原始光谱、采用GA波数选择光谱的数据,运用传统的拉曼光谱强度分析法、全谱PLS和GA-PLS分析法分别建立了定标方程,并用定标方程计算预测集样品。以相关系数、平均误差和标准差为指标对校正模型进行了预测精度分析,得到的结果为:拉曼光谱强度分析方法:校正集相关系数0.8449、平均误差1.8907、误差标准差2.2815,预测集0.9143、2.0646、1.3237;原始光谱的PLS分析法:校正集0.9842、0.7892,0.5789,预测集0.9314、2.0507、1.8464;GA-PLS分析法:校正集0.9778、0.8664、0.7743,预测集0.8844,2.4431,1.6003。
论文中还运用了人工神经网络中的BP网络,分析结果:校正集相关系数为0.9709,平均误差为0.8592,标准差为1.0261;预测集相关系数为0.9607,平均误差为1.3661,标准差为1.5297。
通过比较分析表明:神经网络回归得到的分析结果和PLS分析结果比较好;传统分析方法偶然因素太多,并不适合用于多组分混合物的定量分析,回归效果也是最差。GA-PLS在光谱的信息提取中,可能产生有用信息的损失,效果不是很良好。通过以上研究,为拉曼光谱分析技术在多组分混合物中的应用提供了理论依据,同时也为拉曼光谱在白酒质量检测、控制中的实际应用提供了借鉴。