APP下载

基于FT-NIR的葡萄酒发酵过程中挥发酸的定量分析

2016-12-03贾柳君王健张海红李子文李宗朋熊雅婷

中国酿造 2016年10期
关键词:模型

贾柳君,王健,张海红*,李子文,李宗朋,熊雅婷

(1.宁夏大学农学院,宁夏银川750021;2.中国食品发酵工业研究院,北京100015)

基于FT-NIR的葡萄酒发酵过程中挥发酸的定量分析

贾柳君1,2,王健2,张海红1*,李子文1,2,李宗朋2,熊雅婷2

(1.宁夏大学农学院,宁夏银川750021;2.中国食品发酵工业研究院,北京100015)

利用近红外光谱技术对葡萄酒发酵过程中挥发酸含量进行定量分析,通过偏最小二乘法建立葡萄酒发酵过程中挥发酸定量分析模型,同时采用间隔偏最小二乘法(iPLS)、后向间隔偏最小二乘法(BiPLS)、组合间隔偏最小二乘法(SiPLS)、竞争性自适应重加权算法(CARS)对整个谱区进行光谱特征变量筛选。以决定系数(R2)、校正标准偏差(RMSEC)、预测标准偏差(RMSEP)、相对分析误差(RPD)以及最佳主因子数为模型质量的评价指标。结果表明:进行变量筛选可对模型起到优化作用,提高识别精度,降低模型解析难度。其中CARS对模型的优化效果最佳,优化模型的决定系数R2达到0.868,RMSEC为0.033,RMSEP为0.032,RPD为5.31,有效简化了模型复杂程度,提高了模型稳定性和预测能力。

葡萄酒;挥发酸;近红外光谱技术;定量分析;波段筛选

葡萄酒以其丰富的营养成分,独特浓郁的香味闻名于世界,深受消费者的喜爱[1]。如今随着葡萄酒市场的发展,消费者对葡萄酒的质量有了更高的要求,而葡萄酒发酵过程中各项指标的变化对葡萄酒品质有着极为重要的影响,因此,酿酒企业对于葡萄酒发酵过程中各参数的实时监测尤为重视[2]。其中,葡萄酒发酵过程中挥发酸含量的变化,会……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用