关键词：近红外光谱；FS+PLS；VS+PLS；GA+PLS；校正模型；精度；烟草；淀粉
摘 要：为提高校正模型的预测精度,以烟草中淀粉近红外光谱(NIR)校正模型为研究对象,分别利用全光谱波段(FS)、方差光谱(VS)筛选光谱变量和遗传算法(GA)筛选光谱波长,结合偏最小二乘法建立校正模型(FS+PLS、VS+PLS和GA+PLS),并对100个初烤烟叶样品进行了预测。结果显示:1FS+PLS(变量数1 557个)、VS+PLS(变量数781个)和GA+PLS(变量数72个)3种校正模型的决定系数Rc2、交互验证均方根误差(RMSECV)分别为0.976 4、0.433,0.987 1、0.332和0.988 5、0.314。2与FS+PLS和VS+PLS模型相比,GA+PLS模型的光谱变量数分别减少为FS和VS变量数的4.62%和9.22%,主因子数由15降至12,Rc2明显提高,RMSECV显著降低。3FS+PLS、VS+PLS和GA+PLS模型对100个初烤烟叶样品的预测结果显示,Rp2、预测均方根误差(RMSEP)分别为0.965 2、0.780,0.984 3、0.501和0.985 3、0.496,预测值与其对应的化学检测值之间通过配对T检验,显著性Sig.值、T值和平均相对误差(%)分别为0.271、1.107、17.48%,0.973、0.034、13.13%和0.722、0.357、13.12%,3种方法所建立校正模型的预测值与检测值之间均无显著性差异,模型预测精度(RSD)分别为10.34%、6.98%和4.76%。基于逐步优化光谱信息法建立的GA+PLS校正模型的预测精度优于FS+PLS和VS+PLS模型,该方法对于提高复杂化学体系模型的精度有参考意义。