摘要
为能够快速、无损检测专用煎炸油的极性组分含量,采集不同煎炸时间下煎炸油样本的拉曼光谱图.为建立稳定性高、误差小、精度高的模型,研究不同预处理方法对模型效果的影响,建立相应的偏最小二乘回归模型以选择最优的光谱预处理方法.结果 表明:标准正态变换处理后的偏最小二乘模型最优,预测均方根误差(root mean square error of prediction,RMSEP)为1.18,决定系数R2为0.9404.其次,将标准正态变换处理后的光谱数据分别建立误差反向传播(error back propagation,BP)算法和径向基函数算法神经网络模型,通过比较稳定性以及误差大小,得出采集到的拉曼光谱经过标准正态变换处理后采用BP神经网络建立的模型效果最好,RMSEP为0.0326,R2为0.972.该方法可以用作专用煎炸油极性组分的快速分析.
国家科技期刊平台
NSTL
维普
万方数据