目的建立近红外漫反射光谱法(near infrared reflectance spectroscopy,NIRS)快速检测胶原肽粉核心功效成分低聚肽含量的分析方法。方法基于径向基神经网络(radial basis function neural network,RBFNN)的方法,分析比较了多元散射校正(...目的建立近红外漫反射光谱法(near infrared reflectance spectroscopy,NIRS)快速检测胶原肽粉核心功效成分低聚肽含量的分析方法。方法基于径向基神经网络(radial basis function neural network,RBFNN)的方法,分析比较了多元散射校正(multiple scatter calibration,MSC)、标准正态变换(standard normal variation,SNV)的光谱预处理方法,分别结合了主成分分析(principal componentanalysis,PCA)、独立成分分析(independent component analysis,ICA)的方法提取特征信息,优化输入变量、扩展系数等参数,建立了低聚肽含量的检测模型,同时为了比较方法优劣,也建立了相应的偏最小二乘方法(partial least squares,PLS)模型。结果非线性建模方法RBFNN比线性PLS方法模型效果更好,与常用的PCA-RBFNN模型相比,本研究采用的ICA-RBFNN模型结果更准确,模型独立验证集的相关系数R是0.87,预测标准偏差(root mean square error of predicition,RMSEP)是1.71%。结论所建立的模型准确度高,适用于胶原肽粉低聚肽含量的快速高效分析。展开更多
文摘目的建立近红外漫反射光谱法(near infrared reflectance spectroscopy,NIRS)快速检测胶原肽粉核心功效成分低聚肽含量的分析方法。方法基于径向基神经网络(radial basis function neural network,RBFNN)的方法,分析比较了多元散射校正(multiple scatter calibration,MSC)、标准正态变换(standard normal variation,SNV)的光谱预处理方法,分别结合了主成分分析(principal componentanalysis,PCA)、独立成分分析(independent component analysis,ICA)的方法提取特征信息,优化输入变量、扩展系数等参数,建立了低聚肽含量的检测模型,同时为了比较方法优劣,也建立了相应的偏最小二乘方法(partial least squares,PLS)模型。结果非线性建模方法RBFNN比线性PLS方法模型效果更好,与常用的PCA-RBFNN模型相比,本研究采用的ICA-RBFNN模型结果更准确,模型独立验证集的相关系数R是0.87,预测标准偏差(root mean square error of predicition,RMSEP)是1.71%。结论所建立的模型准确度高,适用于胶原肽粉低聚肽含量的快速高效分析。
