

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、伴隨著我國經(jīng)濟的快速增長,葡萄酒產(chǎn)業(yè)開始迅速發(fā)展。然而,我國葡萄酒市場競爭環(huán)境混亂,質量問題層出不窮,嚴重阻礙了葡萄酒產(chǎn)業(yè)的長足發(fā)展,因此,迫切需要一種快速、高效、準確的分析技術來提高葡萄酒釀造企業(yè)的質量控制水平。本文采用近紅外光譜分析技術結合化學計量學方法,研究了釀酒葡萄、葡萄酒發(fā)酵液及葡萄酒生產(chǎn)過程的關鍵成分指標快速定量檢測方法,旨在為葡萄酒產(chǎn)品質量的提升提供理論指導。主要研究內容如下:
(1)對釀酒葡萄的總糖、總酸、酒石
2、酸、蘋果酸快速定量檢測方法進行研究。通過一階導數(shù)(FD)、二階導數(shù)(SD)、標準正態(tài)變換(SNV)和多元散射校正(MSC)四種預處理方法、提取最佳主成分數(shù)進行數(shù)據(jù)優(yōu)化處理,并采用偏最小二乘法建立回歸模型。結果顯示總糖指標采用標準正態(tài)變換(SNV)預處理方法,主成分數(shù)為7時模型效果最好,驗證決定系數(shù)R2、驗證標準偏差RMSEP、相對分析誤差RPD分別達到0.919、2.528、3.21??偹帷⒕剖?、蘋果酸指標采用多元散射校正(MSC)預
3、處理方法,且主成分數(shù)分別為6、7、5時模型效果最好,驗證決定系數(shù)R2分別為0.921、0.902、0.906,驗證標準偏差RMSEP分別為0.486、0.475、0.305,相對分析誤差RPD分別達到3.05、3.04、3.08。研究表明近紅外光譜分析技術對于釀酒葡萄主要指標含量的測定是可行有效的。
(2)研究了葡萄酒發(fā)酵液總糖、酒精度指標含量的快速定量檢測方法。采用組合間隔偏最小二乘法(SiPLS)、移動窗口偏最小二乘法(M
4、WPLS)結合遺傳算法(GA)來篩選波段,減少變量數(shù),并結合一階導數(shù)(FD)、二階導數(shù)(SD)、標準正態(tài)變換(SNV)和多元散射校正(MSC)四種預處理方法對模型進行優(yōu)化。其中,在采用標準正態(tài)變換(SNV)預處理方法的基礎上,SiPLS-GA篩選變量的偏最小二乘模型效果更為理想,R2分別達到0.944和0.957,RMSEP為0.266和0.162,RPD為4.36和5.12,最佳主成分數(shù)為6和5。結果表明,變量篩選方法可降低建模復雜性
5、,提高模型的準確度和穩(wěn)定性。
(3)研究了葡萄酒中總糖、總酸、干浸出物、揮發(fā)酸指標含量的快速定量檢測方法,采用CARS提取的特征變量作為徑向基(RBF)神經(jīng)網(wǎng)絡的輸入變量,先后建立葡萄酒中總糖、總酸、干浸出物、揮發(fā)酸的近紅外定量模型,并與偏最小二乘回歸模型結果進行比較,確定最佳建模方法。結果表明,與PLS模型相比,總糖、總酸、干浸出物、揮發(fā)酸四個指標的徑向基(RBF)神經(jīng)網(wǎng)絡定量模型的結果更佳,R2、RMSEP以及RPD值更優(yōu)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
評論
0/150
提交評論