烟草近红外校正模型和预测过程中的误差研究

摘要

近红外光谱分析技术的关键是利用化学计量学方法建立稳健的数学模型，从而实现对未知样品的快速、精准分析。但在烟草近红外校正和预测过程中，仪器的稳定性、样品的采集条件、样品粒度的均匀性、算法的选择等各种因素都会对近红外光谱和所建模型的质量产生一定影响，引起预测结果的误差。因此，研究烟草近红外校正和预测过程中的各种影响因素对模型预测结果的影响，是保证近红外分析准确性的关键。论文参照GB/T-29858 2013《分子光谱多元校正定量分析通则》中四大类十九项误差源，并结合近几十年国内外的研究现状，主要从水分、模型选择和仪器差异三个方面对烟草近红外校正和预测过程中的误差进行了详细研究，主要研究结果如下： 1、通过对水分含量在卷烟近红外的定性、定量误差研究发现：水分含量在近红外谱图的主要吸收区间位于6944cm-1和5155cm-1，随着水分含量的不断升高，相应区间的吸收强度也越大，通过一阶求导等预处理方法不能有效的消除水分含量带来的差异；水分含量同时也影响样品主成分空间的分布，随着卷烟样品水分差异的不断增大，样品的主成分分布差异也越来越大；通过固定样品位置降低了微波炉加热过程中的加热不均匀对实验结果的干扰，并与传统的烘箱干燥法做了对比分析发现，采用微波干燥1、2min后样品的预测准确度要优于烘箱40℃干燥2h的结果，微波干燥法不仅可以提高样品的干燥效率，同时对提高样品预测准确度起到一定的效果。 2、根据样品的不同产地、不同等级选择了20个标准样品（省内样品10个、省外样品10个），用于复烤片烟常规化学成分局部分模型和总模型的预测误差分析，并采用平均相对偏差（ARD）和预测标准偏差（SEP）对各模型对不同样品的预测结果进行评价、分析，得到如下结论：Ⅰ-Ⅱ区模型在预测Ⅰ-Ⅱ区内样品时，预测结果准确性整体优于Ⅲ-Ⅷ区模型和总模型，Ⅲ-Ⅷ区省外模型在预测Ⅲ-Ⅷ内样品时整体优于Ⅰ-Ⅱ区模型和总模型，总模型在预测混合样品时的预测准确度较Ⅰ-Ⅱ区模型和Ⅲ-Ⅷ区模型好；考虑到Ⅰ-Ⅱ区、Ⅲ-Ⅷ区分模型的预测结果对总模型的优势并不明显，采用总模型对样品进行预测时，不仅避免了模型选择和重复建模的问题，而且可以有效提高模型的使用效率，所以在实际应用过程中也存在一定的优势。 3、利用KS算法选择了60个标准样品（40个为校正集、20个为验证集样品），首先基于光谱、主成分（PCA）和马氏距离（MD）实现了对不同仪器间误差大小的判定；然后采用bias校正、SBC和SST三种模型转移方法对不同品牌的傅里叶变换近红外仪器的预测结果进行了转移校正，发现：bias校正、SBC的模型转移方法简单、方便，基本可满足模型转移的要求，但校正转移能力有限。SST的转移结果最优，转移后的SEP和ARD整体小于bias校正、SBC的转移结果，可以实现不同品牌傅里叶变换近红外仪器模型转移要求，具有较高的应用价值和推广价值。 4、提出了一种新的基于预测结果校正的模型转移算法，可有效降低SBC算法的运算量，并将该算法的转移结果与bias校正、SBC和SST三种算法做了对比分析，发现该算法的模型转移结果和SBC较为接近。

目录

第一个书签之前

摘 要

Abstract

第1章 绪论

1.1前言

1.2 近红外光谱分析技术

1.2.1 近红外光谱技术简介

1.2.2 近红外光谱法的技术特点

③ 需不断对模型进行更新、维护。

1.3 近红外光谱分析中的化学计量学方法

1.3.1光谱预处理

1.3.2 定量分析

1.3.3 定性分析

1.4.1 光谱误差研究现状

1.4.2 样品误差研究现状

1.4.3 校正误差研究现状

1.4.4 预测误差研究现状

1.5 课题的研究意义和主要研究内容

1.5.1 课题来源

1.5.2 研究意义

1.5.3 主要研究内容

第2章 水分含量的烟草近红外误差研究

2.1问题的提出

2.2材料与方法

2.2.1 材料、仪器及软件

2.2.2 卷烟样品的制备

2.2.3 光谱采集和化学成分检测

2.3 微波烘箱干燥效率分析

2.3.1微波和烘箱参数的选择

2.3.2 微波场均匀性探究

2.3.3 微波和烘箱干燥效率探究

2.4 水分含量对卷烟近红外烟丝、烟末近红外谱图和主成分的影响

2.4.1 水分含量对卷烟近红外谱图的影响

2.4.2 水分含量对卷烟主成分的影响

2.5 微波、烘箱干燥后的近红外预测误差分析

2.5.1 卷烟烟丝、烟末模型的建立

2.5.2 微波、烘箱干燥后的近红外预测结果分析

2.6本章小结

第3章 不同生态-香型风格产区模型的预测误差研究

3.1 问题的提出

3.2 样品制备和光谱采集

3.2.1 样品来源

西南高原生态区-清甜香型（Ⅰ区）

3.2.2 仪器和软件

3.2.3 样品制备

3.2.4 参考值检测

3.2.5 光谱采集

3.2.6 模型评价参数

3.3.2 预处理方法选择

3.3.3 主成分数确定

3.3.4 不同产地模型和总模型的建立

3.4 分产区模型和总模型的性能指标对比

3.5 不同产区模型预测误差分析

3.5.1 独立验证集样品选择

3.5.2 误差评价参数

3.5.3 外部独立验证集预测误差

3.6 本章小结

第4章 仪器误差分析及模型转移研究

4.1 问题的提出

4.2 模型转移算法介绍

4.2.4其他算法

4.3材料与方法.

4.3.1 仪器与材料

4.3.2样品制备、光谱采集和化学成分检测

4.3.3标准样品的选取

4.3.4传递结果评价

4.4 仪器间定性误差分析

4.4.1 Discriminant analysis定性判定

4.4.2 近红外光谱分析

4.4.3 主成分分析

4.4.4 主成分-马氏距离的判别分析

4.5 模型的建立与可行性分析

4.5.1 主机模型的建立

4.5.2 模型精密度检验

4.6转移结果分析

4.6.1 模型转移必要性判定

4.6.2 模型转移结果分析

4.6.3 新算法研究

4.7本章小结

第5章 论文总结与展望

5.1 论文总结

5.2创新点

致 谢

参考文献

附录2 主要程序源代码