КОЛИЧЕСТВЕННЫЙ АНАЛИЗ СОДЕРЖАНИЯ АЗОТА В МОНОАММОНИЙФОСФАТНОМ УДОБРЕНИИ С ИСПОЛЬЗОВАНИЕМ ВИДИМОЙ И БЛИЖНЕЙ ИК СПЕКТРОСКОПИИ И МЕТОДА ОПОРНЫХ ВЕКТОРОВ И НАИМЕНЬШИХ КВАДРАТОВ
Аннотация
Предложен метод количественного определения содержания азота в моноаммонийфосфатных (MAP) удобрениях с использованием спектроскопии видимого-ближнего ИК диапазона (Vis-NIR) и методa опорных векторов и наименьших квадратов (LS-SVM). Для выделения калибровочного набора использовано разделение выборки по расстоянию между осями x-y (SPXY). Для обработки спектральных данных взяты 14 методов, в том числе сглаживание Савицкого-Голея (SG), нахождение первой (D1) и второй производных (D2) со сглаживанием SG, коррекция мультипликативного рассеяния (MSC), стандартная нормальная переменнуя (SNV), вейвлет-преобразование, а также и их комбинация. Разработана модель LS-SVM с радиальной базисной функцией, отвечающей наилучшему методу предварительной обработки. Ее производительность сравнивалась с моделью частичных наименьших квадратов (PLS). Калибровка LS-SVM с дискретным вейвлет-преобразованием показала наилучший прогноз для содержания азота в MAP-удобрении с R2 = 0.91, среднеквадратичной ошибкой прогноза RMSEP = 0.101 и отношением производительности к отклонению RPD = 3.34.
Ключевые слова
спектроскопия видимой–ближней ИК области,
моноаммонийфосфатное удобрение,
содержание азота,
предварительная обработка,
метод наименьших квадратов и опорных векторов
При поддержке: This work was supported by the Science and Technology Service Network of the Chinese Academy of Sciences (No. KFJ-SW-STS-144), the Key R & D project in the Ningxia Hui Autonomous Region (No. XD-XMBW-2016001), and the National Natural Science Foundation of China (No. 31671586).
Об авторах
L. S. Wang
Институт интеллектуальных машин Китайской АН
Китай
Хэфэй, 230031
Китай
Хэфэй, 230031
R. J. Wang
Институт интеллектуальных машин Китайской АН
Китай
Хэфэй, 230031
Китай
Хэфэй, 230031
C. P. Lu
Институт интеллектуальных машин Китайской АН
Китай
Хэфэй, 230031
Китай
Хэфэй, 230031
J. Wang
Институт интеллектуальных машин Китайской АН
Китай
Хэфэй, 230031
Китай
Хэфэй, 230031
W. Huang
Институт интеллектуальных машин Китайской АН
Китай
Хэфэй, 230031
Китай
Хэфэй, 230031
Q. Jian
Институт интеллектуальных машин Китайской АН
Китай
Хэфэй, 230031
Китай
Хэфэй, 230031
Y. B. Wang
Институт интеллектуальных машин Китайской АН
Китай
Хэфэй, 230031
Китай
Хэфэй, 230031
L. Z. Lin
Институт электроники
Китай
Хэфэй 230037
Китай
Хэфэй 230037
L. T. Song
Институт интеллектуальных машин Китайской АН
Китай
Хэфэй, 230031
Китай
Хэфэй, 230031
Список литературы
1. American Association of Cereal Chemists, Eds. P. C. Williams, K. H. Norris, St. Paul, Minnesota (2001).
2. J. U. Porep, D. R. Kammerer, R. Carle, Trends Food Sci. Technol., 46, 211–230 (2015).
3. W. I. Friesen, Appl. Spectrosc., 50, 1535–1540 (1996).
4. Y. Roggo, P. Chalus, L. Maurer, C. Lema-Martinez, A. Edmond, N. Jent, J. Pharm. Biomed. Anal., 44, 683–700 (2007).
5. H. Faraji, T. Crowe, R. Besant, S. Sokhansanj, H. Wood, Can. Biosys. Eng., 46, 45–48 (2004).
6. Z. Guo, H. F. Yuan, X. Zhang, C. F. Song, X. Y. Li, J. C. Xie, Spectrosc. Spectr. Anal., 31, 1521–1523 (2011).
7. L. Song, H. Zhang, X. Y. Ni, L. Wu, B. M. Liu, L. X. Yu, Q. Wang, Y. J. Wu, Spectrosc. Spectr. Anal., 34, 73–77 (2014).
8. J. A. Janse Van Vuuren, C. A. Groenewald, Commun. Soil Sci. Plant Anal., 44, 120–135 (2013).
9. M. Daszykowski, B. Walczak, D. L. Massart, Anal. Chim. Acta, 468, 91–103 (2002).
10. W. Wu, B. Walczak, D. L. Massart, S. Heuerding, F. Erni, I. R. Last, K. A. Prebble, Chemom. Intell. Lab. Syst., 33, 35–46 (1996).
11. R. K. Galvão, M. C. Araujo, G. E. José, M. J. Pontes, Talanta, 67, 736–740 (2005).
12. K. R. Kanduc, J. Zupan, N. Majcen, Chemom. Intell. Lab. Syst., 65, 221–229 (2003).
13. A. Savitzky, M. J. E Golay, Anal. Chem., 36, 1627–1639 (1964).
14. P. Geladi, B. R. Kowalski, Anal. Chim. Acta, 185, 1–17 (1986).
15. R. J. Barnes, M. S. Dhanoa, S. J. Lister, Appl. Spectrosc., 43, 772–777 (1989).
16. G. A. Blackburn, J. G. Ferwerda, Remote Sens. Environ., 112, 1614–1632 (2008).
17. H. Cen, Y. He, Trends Food Sci. Technol., 18, 72–83 (2007).
18. H. Swierenga, A. P. De Weijer, R. J. Van Wijk, L. M. C. Buydens, Chemom. Intell. Lab. Syst., 49, 1–17 (1999).
19. J. A. K. Suykens, T. Van Gestel, J. De Brabanter, B. De Moor, J. Vandewalle, Least Squares Support Vector Machines, World Scientific Publishing Co., Pte, Ltd., Singapore (2002).
20. J. De Brabanter, K. Karsmakers, P. Ojeda, F. Alzate, C. De Brabanter, J. Pelckmans, ESAT-SISTA Technical Report, 10–146 (2011).
21. A. M. Mouazen, J. D. Baerdemaeker, H. Ramon, J. Near Infrared Spectrosc., 14, 189–199 (2006).
22. M. E. Lafargue, M. Feinberg, J. J. Daudin, D. N. Rutledge, J. Near Infrared Spectrosc., 11, 109–122 (2003).
Рецензия
Для цитирования:
Wang L.S., Wang R.J., Lu C.P., Wang J., Huang W., Jian Q., Wang Y.B., Lin L.Z., Song L.T. КОЛИЧЕСТВЕННЫЙ АНАЛИЗ СОДЕРЖАНИЯ АЗОТА В МОНОАММОНИЙФОСФАТНОМ УДОБРЕНИИ С ИСПОЛЬЗОВАНИЕМ ВИДИМОЙ И БЛИЖНЕЙ ИК СПЕКТРОСКОПИИ И МЕТОДА ОПОРНЫХ ВЕКТОРОВ И НАИМЕНЬШИХ КВАДРАТОВ. Журнал прикладной спектроскопии. 2019;86(3):433-437.
For citation:
Wang L.S., Wang R.J., Lu C.P., Wang J., Huang W., Jian Q., Wang Y.B., Lin L.Z., Song L.T. QUANTITATIVE ANALYSIS OF TOTAL NITROGEN CONTENT IN MONOAMMONIUM PHOSPHATE FERTILIZER USING VISIBLE-NEAR INFRARED SPECTROSCOPY AND LEAST SQUARES SUPPORT VECTOR MACHINE. Zhurnal Prikladnoii Spektroskopii. 2019;86(3):433-437.
Просмотров: 291
Послать статью по эл. почте 