换一批基于两类误差检测理论金银花提取过程的MEMS-NIR在线分析建模方法研究
Research on modeling method to analyze Lonicerae Japonicae Flos extraction process with online MEMS-NIR based on two types of error detection theory
摘要采用新型微机电近红外(MEMS-NIR)光谱技术,在线监测金银花提取过程中绿原酸成分的含量.以高效液相色谱法为参考方法,采用Kennard-Stone法(KS)划分样本集,运用偏最小二乘(PLS)法建立其含量与NIR光谱之间的多元分析模型.通过组合间隔偏最小二乘法(SiPLS)对建模波段进行筛选,建立PLS模型.运用相对预测偏差(RPD)来评价模型的预测能力,并基于两类误差检测理论计算模型的多变量检测限(MDL),以MDL值进一步科学表达金银花提取过程的在线分析建模方法.结果表明应用MSC预处理方法所建模型最好,其交叉验证均方根误差(RMSECV)、校正均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为1.707,1.487,2.362,校正集决定系数Rca12为0.998 5,预测集决定系数Rp.2为0.988 1,且其RPD值为9.468,表明模型具有良好的预测性能.经SiPLS法筛选的多变量检测限MDL(0.042 15 g·L-1)小于未经变量筛选的MDL值,表明经SiPLS筛选有利于提高模型的预测性能.该研究从两类误差检测理论更加准确表达模型的预测能力,进一步说明MEMS-NIR光谱技术可用于金银花提取过程的在线监测.
更多相关知识
关键词
金银花在线近红外组合间隔偏最小二乘法多变量检测限两类误差检测理论Lonicerae Japonicae Flosonline NIRsynergy interval partial least squares (SiPLS)multivariate detection limitstwo types of error detection theory
栏目名称
DOI
10.4268/cjcmm20161911
发布时间
2016-11-22（万方平台首次上网日期，不代表论文的发表时间）
- 浏览108
- 被引11
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
