来源：期刊VIP网 时间：
作者：陈丹;邓惠敏;龙杰;李长昱;李郸;孙浩巍;张轲;李明;王春琼;陈黎;
单位：云南省烟草质量监督检测站;北京大学材料科学与工程学院;国家烟草质量监督检验中心;云南瑞升烟草技术(集团)有限公司;中国烟草总公司郑州烟草研究院;
摘要：为提高电子烟烟液中烟碱含量傅里叶变换近红外（FT-NIR）预测模型的准确性，将光谱数据采用标准正态变量变换（SNV）算法预处理后，分别采用蒙特卡洛无信息变量消除法（MC-UVE）、遗传算法（GA）以及2种算法联用（MC-UVE-GA和GA-MC-UVE）选择波数变量，并基于筛选后的变量建立了偏最小二乘（PLS）回归模型。对比不同算法的预测效果，2种算法联用后所建模型的预测均方根误差（RMSEP）更低，且校正均方根误差（RMSEC）更接近于RMSEP，过拟合风险小，最优的GA和MC-UVE联用偏最小二乘（GA-MC-UVE-PLS）回归模型所用波数变量为50个，仅占全谱的3.2%，其交叉验证决定系数（R_(CV)~2）从全谱时的0.991提高到了0.994，交叉验证均方根误差（RMSECV）和RMSEP从全谱时的0.810和0.836分别降低至0.690和0.698。通过MC-UVE和GA算法的联用，能在初选变量基础上再精选出更少、更有效的变量，有效提高模型的预测精度和泛化能力。
关键词：近红外光谱;;蒙特卡洛无信息变量消除法;;遗传算法;;电子烟烟液;;烟碱
基金资助：中国烟草总公司云南省公司科技计划项目(2023530000241029);; 云南省烟草质量监督检测站一般项目(20220001)资助
