来源：期刊VIP网 时间：
作者：石婷;许诗咏;王茹;张明锦;
单位：青海师范大学化学化工学院;
摘要：本研究旨在开发一种快速、准确的判别方法，以实现对“互助”青稞酒的鉴别，为青稞酒的质量控制与真伪鉴别提供可靠的技术支持。首先利用紫外光谱（Ultraviolet Spectrum,UV）和近红外光谱（Near-Infrared Spectroscopy,NIR）研究了“互助”青稞酒（CHQL）、其它品牌青稞酒（OBQL）和非青稞原料白酒（NQBL）的光谱特性。然后基于UV、NIR单光谱和UV-NIR融合光谱建立偏最小二乘判别分析（Partial Least SquareDiscriminant Analysis,PLS-DA）、支持向量机（Support Vector Machine,SVM）和随机森林（Random Forest,RF）三种分类模型。并通过间隔偏最小二乘法（Interval Partial Least Squares,i PLS）、变量投影重要性（Variable Importance of Projection,VIP）、竞争自适应重加权采样（Competitive Adaptive Reweighted Sampling,CARS）等算法选择特征变量。结果表明：融合光谱能够利用两种光谱的互补信息，提高模型判别能力；此外，特征变量筛选方法进一步优化了模型性能，降低模型复杂度，其中采用VIP方法筛选的78个最优波长建立的RF模型的分类和预测效果最佳，在训练集和测试集上的准确率都达到100%。综上所述，数据融合策略与化学计量学方法相结合能够有效增强模型性能，实现“互助”青稞酒的快速判别。
关键词：数据融合;;特征筛选;;青稞酒;;偏最小二乘判别分析;;支持向量机;;随机森林
基金资助：国家自然科学基金(22363010);; 青海省应用基础研究项目(2022-ZJ-769)
