基于太赫兹光谱和机器学习算法的二元及三元混合物定量分析

利用太赫兹时域光谱系统测量了苯甲酸、山梨酸、木糖醇3种常用食品添加剂及其混合物的太赫兹吸收光谱，并选取了偏最小二乘回归（PLS）、最小二乘支持向量机（LS-SVM）及反向传播神经网络（BPNN）3种机器学习算法，对食品添加剂二元及三元混合物进行了定量分析。研究发现，在多元混合物的定量分析中，非线性模型LS-SVM及BPNN较线性模型PLS更具优势，且随着混合物成分的增加，非线性模型的优势愈趋明显；两种非线性模型中，LS-SVM较BPNN建模步骤固定，无需进行复杂的参数讨论与优化，可高效地实现多元混合物的定量分析；此外，观察分析物光谱特征发现，除算法适用性讨论外，分析物的光谱特征也会在一定程度上影响定量检测的精度。