离散余弦变换结合BP网络用于白酒近红外光谱定量分析

采用近红外光谱的离散余弦变换和BP神经网络相结合．建立了白酒近红外光谱与其酒精度之间的数学关系模型，为快速检测白酒的酒精度提供了一种新的方法。结果表明．经离散余弦变换后建立的模型比全光谱偏最小二乘建立的模型具有更精确的预测效果。模型的相关系数由原来的0．9611提高到0．9744，预测标准偏差由原来的1．3891降低到0．9542。     

近红外拉曼光谱在检测白酒酒精含量的应用

本文初步探讨了运用近红外拉曼光谱技术检测白酒酒精度的可行性。给出了将全光谱数据利用BP人工神经网络所建模型和小波处理后的光谱数据利用偏最小二乘回归所建模型,并与拉曼传统方法-特征峰强比值法的预测结果进行了比较。结果表明,利用小波消噪后的数据建立的模型效果最好,预测相关系数R由传统方法的0.914 3提高到0.968 7,均方根误差由2.064 6降为1.585 9,说明对于含水较多且成分复杂的样品,拉曼光谱分析技术是可行的,并且比传统的建模方法效果好,利用小波预处理后全光谱建模效果更好。