基于使用一致和稳定的信号算法选的纸木全纤维素模型转移
Wang Honghong1, Li Penghui1, Xiong Zhixin2
1College of Light Industry and Food Engineering, Nanjing Forestry University, Nanjing, 210037, China.
概括
自动缩放预处理与SWCSS算法相结合,有效地在仪器之间传输近红外全纤维素分析模型. 这种方法显著提高了使用NIRS的纸性质的准确性和效率.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
背景情况:
- 近红外光谱 (NIRS) 对于分析纸性质至关重要.
- 在不同的仪器中共享NIRS模型是具有挑战性的,因为光谱的变化.
研究的目的:
- 评估数据预处理方法,用于在类似的光谱仪器之间传输全纤维素NIRS模型.
- 为了确定SWCSS算法的最佳预处理技术.
主要方法:
- 研究了10种预处理方法 (例如,自动缩放,SNV,MSC) 在84个纸样本的全纤维素NIRS数据上.
- 应用了SWCSS算法来选择稳定的波长.
- 使用预测准确度和AIC值评估模型可转移性.
主要成果:
- 自动缩放预处理与SWCSS相结合,产生了最佳的模型传输性能.
- 预测的根平均平方误差 (RMSEP) 显著下降,从~2.4降至~1.2.
- AIC值从3209.83下降到942.82,表明模型效率有所提高.
结论:
- 自动缩放和SWCSS有效地提高了NIRS模型的可转移性,用于全纤维素分析.
- 这种方法可以提高快速测定纸性质的准确性和效率.
- 为在工业NIRS应用中应用SWCSS提供了一个可行的策略.
更多相关视频
11:26Towards Biomimicking Wood: Fabricated Free-standing Films of Nanocellulose, Lignin, and a Synthetic Polycation
Published on: June 17, 2014
16.5K
11:31High-throughput Screening of Recalcitrance Variations in Lignocellulosic Biomass: Total Lignin, Lignin Monomers, and Enzymatic Sugar Release
Published on: September 15, 2015
10.0K
