茶叶咖啡碱含量近红外光谱定量分析模型优化

摘要

为了提高茶叶近红外光谱咖啡碱预测模型的精度,利用净分析物预处理法(NAP)对茶叶近红外光谱进行了预处理,将原始光谱矩阵中待测组分的净分析物信号(NAS)提取出来。并用区间偏最小二乘法(iPLS)与遗传算法(GA)相结合的PLS建模波长筛选方法iPLS-GA建立了咖啡碱的预测模型:首先利用iPLS,将整个光谱划分为40个子区间,选择交互验证均方根误差RMSECV值低于全光谱区间的第26和35子区间的组合为信息区间,共166个波数点,然后用GA对这166个波数点进行全局优化组合,最终共有17个波数点用于建立茶叶咖啡碱模型。结果表明,用NAP和iPLS-GA后所建立的茶叶咖啡碱模型的预测相关系数Rp和预测均方根误差RMSEP分别为0.978 7和0.220。该结果均好于其它模型。建模所用数据量从3 320个减少到17个,使模型的建立得到简化。