近红外光谱法在红曲菌固态发酵过程参数检测中的应用-论文.pdf

近红外光谱法在红曲菌固态发酵过程参数检测中的应用-论文.pdf

ID:55607889

大小:515.50 KB

页数:8页

时间:2020-05-20

近红外光谱法在红曲菌固态发酵过程参数检测中的应用-论文.pdf_第1页
近红外光谱法在红曲菌固态发酵过程参数检测中的应用-论文.pdf_第2页
近红外光谱法在红曲菌固态发酵过程参数检测中的应用-论文.pdf_第3页
近红外光谱法在红曲菌固态发酵过程参数检测中的应用-论文.pdf_第4页
近红外光谱法在红曲菌固态发酵过程参数检测中的应用-论文.pdf_第5页
资源描述:

《近红外光谱法在红曲菌固态发酵过程参数检测中的应用-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第33卷第1期分析测试学报V0I.33No.12014年1月FENXICESHIXUEBAO(JournalofInstrumentalAnalysis)13~20doi:10.3969/j.issn.1004—4957.2014.O1.003近红外光谱法在红曲菌固态发酵过程参数检测中的应用黄常毅,范海滨,刘飞h,许赣荣,彭秀辉(1.江南大学轻工过程先进控制教育部重点实验室自动化研究所,江苏无锡214122;2.江南大学工业生物技术教育部重点实验室,江苏无锡214122)摘要:研究了近红外光谱技术快速检测红曲菌固态发酵过程参数水分含量和pH值的可行性。针对传统基于间隔策

2、略波长选择方法忽略非线性因素的缺点,采用一种基于最小二乘支持向量机(Leastsquaressuppo~vectormachines,LS—SVM)非线性模型的波长筛选算法:联合区间最小二乘支持向量机(Synergyintervalleastsquaressuppo~vectormachines,siLS—SVM),并将新算法与相关系数法、iPLS算法、siPLS算法对比。实验结果显示,联合siLS—SVM算法和LS—SVM模型取得了最好的预测效果,水分含量、pH值的预测集相关系数()分别为0.9621、0.9761,预测均方根误差(RMSEP)分别为0.0129、0.

3、1452,表明模型具有较好的拟合度和预测性能。应用近红外光谱法进行红曲菌固态发酵过程的水分含量和pH值的快速检测可行,该方法为进一步实现其过程参数的在线检测及发酵条件优化提供了技术基础。关键词:近红外光谱;联合间隔最小二乘支持向量机;最小二乘支持向量机;红曲菌;固态发酵;水分含量;pH值中图分类号:0657.3;Q914.83文献标识码:A文章编号:1004-4957(2014)01-0013—08ApplicationofNIRSpectroscopyinDetectionofProcessParametersforSolid.stateFermentationofM

4、onascusHUANGChang.yi,FANHai—bin,LIUFei,XUGan—rong,PENGXiu—hui(1.InstituteofAutomation,KeylaboratoryofAdvancedProcessControlforLightIndustryMinistryofEducation,JiangnanUniversity,Wuxi214122,China;2.TheKeyLaboratoryofIndustrialBiotechnology,MinistryofEducation,JiangnanUniversity,Wuxi214122

5、,China)Abstract:ThefeasibilityofrapiddetectionoftheprocessparameterssuchasmoisturecontentandpHvalueinsolid—statefermentationofMonascuswasstudiedbynearinfraredtechnique.Inviewofthetraditionalwavelengthselectionmethodsbasedonintervalstrategyignoringthedisadvantagesofthenonlinearfactors,thi

6、spaperadoptedanewwavelengthselectionalgorithmbasedonLS—SVMnonlinearmodelwhichwasnamedsynergyintervalleastsquaressupportvectormachines(siLS—SVM),andthenewalgorithmwascomparedwithcorrelationcoeficientmethod,iPLSalgorithmandsiPLSalgorithm.TheresultsshowedthatthecombinationofsiLS—SVMandLS—SV

7、Mmodela—chievedthebestpredictionresult.Thepredictioncorelationcoeficients(R。)ofmoisturecontentandpHvaluewere0.9621and0.9761,respectively.Therootmeansquareerorsforpredictionset(RMSEP)were0.0129and0.1452,respectively.Theobtainedresultsdemonstratedthatthefit—tingandthepredic

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。