领学术科研之先，创食品科技之新
—— 中国食品杂志社
基于近红外光谱（NIR）及定量建模技术,建立一种快速无损的浓香型白酒原酒酒精度预测方法。通过采集129个浓香型白酒原酒样品的红外光谱数据,对比6种光谱预处理方法（均值中心化、卷积平滑、一阶导数、二阶导数、标准正态变换、多元散射校正）,并分别采用多元线性回归（MLR）、主成分回归（PCR）、偏最小二乘回归（PLSR）、支持向量机回归（SVR）、反向传播人工神经网络（BP-ANN）5种建模方法构建酒精度预测模型。结果表明,标准正态变换结合MLR模型,训练集的决定系数R2 t为0.983 1,验证集的决定系数R2v为0.967 3,残差预测偏差（RPD）为5.602 1,表现出较好的预测能力;此外,一阶导数结合SVR模型也显示出较高的预测精度,训练集的决定系数R2t为0.971 2,验证集的决定系数R2v为0.980 5,残差预测偏差（RPD）为7.257 3。综上,基于近红外光谱与机器学习结合的方法能够有效预测浓香型白酒原酒的酒精度,具有较好的应用潜力,可为白酒原酒酒精度分析提供新的快速无损检测手段。
电话: 010-87293157
地址: 北京市丰台区洋桥70号
版权所有 @ 2023 中国食品杂志社 京公网安备11010602060050号 京ICP备14033398号-2
