使用近红外光谱学 (NIRS) 和多变量统计学快速测量可溶性西洛聚合物:校准模型开发和模型优化实践方法
Zofia Tillman1, Kevin Gray1, Edward Wolfrum2
1National Renewable Energy Laboratory, Golden, USA.
Biotechnology for biofuels and bioproducts
|August 14, 2024
概括
近红外 (NIR) 光谱能够快速监测生物质转化过程. 根据位置分离样品并减少光谱范围,可以提高诸如西-寡糖类 (XOS) 等关键化合物的多变量模型性能.
科学领域:
- 生物技术是生物技术.
- 分析化学 分析化学
- 工艺工程的过程工程.
背景情况:
- 近红外 (NIR) 光谱为生物质转化监测的染色学等传统方法提供了快速,经济高效的替代方案.
- 传统的方法是劳动力,资源和能源密集型的,需要样本准备和外部实验室分析.
研究的目的:
- 评估实时生物质转换监测的可行性,使用NIR光谱和多变量统计建模.
- 通过过程位置和光谱范围的减少来评估样本子集对模型性能的影响.
主要方法:
- 开发多变量校准模型,用于可溶性氧化糖,单质氧化糖和总固体.
- 在多个过程位置中比较单个模型与每个位置的单独模型.
- 使用缩小光谱范围与全光谱范围对模型性能的分析.
主要成果:
- 一个单一的多变量模型证明了监测关键化合物的可接受性能.
- 将校准样本按工艺位置分开,显著提高了模型性能.
- 使用缩小光谱范围的模型实现了与全范围模型相提并论的性能.
结论:
- 在生物质转化过程中,可以使用NIR光谱和多变量统计数据实时监测XOS,和总固体.
- 根据工艺位置对样本进行分组,可以提高预测模型的准确性.
- 探索性数据分析以确定相关的光谱区域对于开发高效,高性能模型至关重要.
