优化FTIR-PLS模型用于检测芝麻油中的改:对遗传算法,粒子群优化和混合GA-PSO方法进行比较研究

科学领域:

• 分析化学 分析化学
• 化学测量 化学测量 化学测量
• 食品科学 食品科学 食品科学

背景情况:

• 福里埃变换红外光谱 (FTIR) 与部分最小平方 (PLS) 回归相结合,对于食用油改检测是有效的.
• 在FTIR数据中,高维度和光谱冗余性可能会限制PLS模型的准确性和通用性.
• 优化技术对于提高FTIR-PLS模型在食品认证中的性能至关重要.

研究的目的:

• 评估和比较三个元启发式优化算法:遗传算法 (GA),粒子群优化 (PSO) 和一种新的混合GA-PSO方法.
• 增强FTIR-PLS模型,以准确检测芝麻油与甘油,玉米和向日油的改.
• 通过优化光谱方法建立食品认证的优质框架.

主要方法:

• 基因算法 (GA),粒子群优化 (PSO) 和混合GA-PSO算法的应用,用于优化FTIR-PLS模型.
• 使用富里埃变换红外光谱 (FTIR) 分析食用油的光谱分析.
• 开发和验证部分最小平方回归 (PLSR) 模型,用于预测伪造水平.

主要成果:

• 混合GA-PSO算法显著优于独立GA和PSO,在各种伪造油中实现了高预测准确性 (R2p>0.985) 和低误差 (RMSEP <5.62%).
• 基线 (非优化的) PLSR模型显示出更高的预测误差 (RMSEP>6%).
• 该GA-PSO方法有效地减少了过,提高了模型的稳定性,在检测芝麻油改方面表现出卓越的性能.

结论:

• 混合元启发优化的FTIR-PLSR模型为食品认证提供了一个高度准确和可靠的框架.
• GA的全球搜索和PSO在GA-PSO算法中的快速融合的协同组合是其增强性能的关键.
• 这种优化的方法为食用油行业的工业质量控制提供了巨大的潜力.