排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
为建立薰衣草精油品种品质的快速辨别分析模型,采用衰减全反射红外光谱法测定三个品种共96个薰衣草精油样品,对原始光谱数据求二阶导数,通过方差计算,确定1 750～900 cm-1波长段为判别分析用数据。分析结果表明,主成分分析(PCA)基本能实现精油品种区分,前三个主成分主要代表着酯、醇和萜类物质。使用68个样品的校正集建立正交偏最小二乘判别分析(OPLS-DA)模型,三个品种薰衣草精油的回归曲线测定系数分别为0.959 2, 0.976 4, 0.958 8,验证集中三个品种精油预测均方根误差(RMSEP)分别为0.142 9, 0.127 3, 0.124 9,OPLS-DA法建立的模型对校正集和验证集的判别率和预测率都达到100%,模型对薰衣草精油品种品质有很好的识别能力。为薰衣草精油品种品质提供一个快速、直观的方法。 相似文献
2.
近红外光谱法快速测定新疆薰衣草精油主要组分 总被引：1，自引：0，他引：1
为建立快速测定新疆薰衣草精油中芳樟醇(linalool)、乙酸芳樟酯(linalyl acetate)含量的定量分析模型,采用近红外吸收光谱法(NIR)测定了165个精油样品,通过对近红外光谱吸收峰分析,在7 100～4 500 cm-1波数范围内化学信息量比较丰富且噪音低,可选择此波数段为分析区间。剔除8个异常样本后,通过聚类方法划分为105个校正集样本和52个验证集样本,结合气相色谱质谱(GC-MS)法测定的薰衣草精油linalool和linalyl acetate的含量,建立原始数据矩阵。对比不同的预处理方法对原始近红外光谱的过滤作用,其中正交信号变换(OSC)方法效果明显,对两种化合物的预测均方根误差(RMSEP) 分别为0.226和0.558,再用向前间隔偏最小二乘法(FiPLS)剔除与待测成分无关或呈非线性关系的波长点,最终得到8个间隔区间共160个波长点的数据子集。使用OSC-FiPLS优化处理的数据子集结合偏最小二乘法(PLS)建立新疆薰衣草精油中linalool和linalyl acetate的快速定量分析模型,在模型中二成分的隐变量数都为8。交互验证均方根误差(RMSECV)分别为0.170和0.416;预测均方根误差(RMSEP)分别为0.188和0.364。结果表明,经OSC和FiPLS预处理建立的PLS-NIR定量分析模型稳健性好,测定精度高,能快速测定薰衣草精油中linalool和linalyl acetate含量,并且具有良好的预测能力。可为新疆薰衣草精油主要成分的快速定量分析提供一种新的有效方法。 相似文献
1