MC‐UVE波长选择法在近红外光谱鉴别茯苓产地中的应用研究

编号 zgly0001568120

文献类型 期刊论文

文献题名 MC‐UVE波长选择法在近红外光谱鉴别茯苓产地中的应用研究

作者 赵艳丽  张霁  王元忠 

作者单位 云南省农业科学院药用植物研究所 

母体文献 菌物学报 

年卷期 2017年01期

年份 2017 

分类号 S567.32 

关键词 产地鉴别  光谱标准偏差法  偏最小二乘判别分析法  Fisher判别方程 

文摘内容 利用近红外光谱鉴别云南不同产区药用真菌茯苓。采用光谱标准偏差法（SSD）和蒙特卡罗无信息变量消除法（MC-UVE）逐步筛选光谱信息,利用K-S算法将白茯苓和茯苓皮划分训练集和验证集,并结合偏最小二乘判别分析法（PLS-DA）分别构建不同产区白茯苓和茯苓皮的分类模型,进一步建立不同产区茯苓的Fisher判别方程。结果表明:（1）通过主成分-马氏距离（PCA-MD）分析,白茯苓和茯苓皮的近红外光谱在主成分得分空间内呈现出较大差异,构建不同产区茯苓鉴别模型应将白茯苓及茯苓皮分开。（2）最优主成分数为5时,采用SSD筛选的886个变量(7 501.74–4 088.35cm-1)构建的白茯苓和茯苓皮的分类模型,其R2、RMSECV和RMSEP分别为0.986、0.988;0.320、0.283;0.425、0.395;采用MC-UVE法分别筛选出白茯苓和茯苓皮光谱信息（34个、22个变量）建立的分类模型,其R2、RMSECV和RMSEP分别为0.993、0.991;0.224、0.255;0.298、0.355。采用MC-UVE结合PLS-DA法建立的分类模型,有效降低了冗余信息,白茯苓和茯苓皮的R2均有所提升,RMSECV和RMSEP均有所降低,预测正确率分别由85.71%和83.33%,提高至100%。（3）进一步采用逐步判别分析法筛选出白茯苓（6个）和茯苓皮（4个）光谱变量,建立Fisher判别方程,回代验证正确率均大于85.7%,交叉验证正确率均大于66.7%,表明所建立的Fisher判别方程能较好地鉴别不同产区的茯苓。