您好,欢迎访问三七文档
当前位置:首页 > 行业资料 > 国内外标准规范 > TCBJ 2203-2019 白酒年份酒的荧光光谱测定方法
书书书犐犆犛67.160.10犡61团 体 标 准犜/犆犅犑2203—2019白酒年份酒的荧光光谱测定方法犇犲狋犲狉犿犻狀犪狋犻狅狀狅犳狋犺犲犪犵犲犱犅犪犻犼犻狌犫狔犳犾狌狅狉犲狊犮犲狀犮犲狊狆犲犮狋狉狅犿犲狋狉狔20190918发布20191115实施中国酒业协会发布书书书目 次前言Ⅲ…………………………………………………………………………………………………………1 范围1………………………………………………………………………………………………………2 规范性引用文件1…………………………………………………………………………………………3 缩略语1……………………………………………………………………………………………………4 原理1………………………………………………………………………………………………………5 试剂和材料1………………………………………………………………………………………………6 仪器和设备1………………………………………………………………………………………………7 分析步骤2…………………………………………………………………………………………………8 检测精度2…………………………………………………………………………………………………附录A(规范性附录) 白酒年份酒荧光光谱数据测定及处理的参考方法4……………………………Ⅰ犜/犆犅犑2203—2019前 言 本标准按照GB/T1.1—2009给出的规则起草。本标准由中国酒业协会提出。本标准由中国酒业协会团体标准审查委员会归口。本标准起草单位:中国酒业协会、江南大学。本标准主要起草人:宋书玉、徐岩、陈国庆、马超群、吴亚敏、朱拓、葛向阳、朱焯炜、朱纯、辜姣、李磊、高辉、吴慧。Ⅲ犜/犆犅犑2203—2019白酒年份酒的荧光光谱测定方法1 范围本标准规定了应用荧光光谱法测定白酒年份酒的年份的方法。本标准适用于白酒年份酒的年份测定。2 规范性引用文件下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件,仅注日期的版本适用于本文件。凡是不注日期的引用文件,其最新版本(包括所有的修改单)适用于本文件。GB/T29858—2013 分子光谱多元校正定量分析通则3 缩略语下列缩略语适用于本文件。BPNN:反向传播神经网络(BackPropagationNeuralNetwork)PARAFAC:平行因子法(ParallelFactor)EEM:激发发射数据矩阵(ExcitationEmissionMatrix)4 原理使用荧光光谱仪测量白酒年份酒样品的三维荧光光谱,获得荧光EEM。运用PARAFAC对EEM进行三线性分解,将得到的得分矩阵用于训练人工神经网络,建立白酒年份酒的年份测定模型。将待测酒样的得分矩阵输入模型,获得待测酒样的年份值。5 试剂和材料直接以白酒年份酒作为试样。6 仪器和设备6.1 荧光光谱仪:配有大功率氙灯光源、高分辨率的激发单色仪和发射单色仪、恒温样品室和高灵敏光电倍增管。6.2 石英比色皿:带塞的石英比色皿,尺寸为10mm×10mm×50mm。6.3 移液枪(5mL)。6.4 安装有Matlab软件的计算机。1犜/犆犅犑2203—20197 分析步骤7.1 试样的制备样品无需前处理,直接使用移液枪移取酒样置于比色皿中待测量。7.2 仪器参考参数仪器参数设定如下:———酒样测量温度:25℃;———激发波长范围:200nm~600nm,步长:5nm;———发射波长范围:200nm~600nm,步长:1nm;———激发、发射单色仪狭缝宽度:5nm;———设置避开瑞利散射:λem>λex+5nm。7.3 样品测定调整荧光光谱仪工作状态,根据已设定的仪器参数(7.2)进行测试。7.4 犈犈犕三线性分解将多个待测样本的三维荧光光谱叠加组合成三维矩阵,使用PARAFAC分析,根据组分得分和大于0.98的标准,确定模型的组分数。使用PARAFAC分析对三维矩阵进行三线性分解,分别得到激发矩阵、发射矩阵、得分矩阵和残差矩阵。7.5 建立年份酒的检测模型选用三层结构的BPNN建立年份酒的检测模型。神经网络的输入层节点数设置为犖,输出节点数设置为1,目标误差设置为0.01;训练迭代次数设置为1000次。BPNN的传递函数、训练函数可根据具体情况进行选取。以训练样本的得分矩阵作为输入,年份酒的年份作为输出,对BPNN进行训练,建立年份酒的检测方法。以待测样本的得分矩阵作为输入,输出值即为对应样本的预测年份。8 检测精度8.1 精密度精密度数据按照GB/T29858—2013中第13章的规定确定。8.2 绝对误差检测模型的绝对误差犲按式(1)进行计算:犲=狔′-狔……………………(1) 式中:狔′———检测模型对酒样的年份预测值,单位为年;狔———酒样的年份参考值,单位为年。检测模型的年份预测的绝对误差需要满足犲<0.5年。2犜/犆犅犑2203—20198.3 标准误差检测模型的标准误差SEC按式(2)进行计算:SEC=∑狀犻=1狔′犻-狔犻()2犱槡……………………(2) 式中:狀 ———预测样本的酒样个数;狔′犻———第犻个预测样本的年份预测值,单位为年;狔犻———第犻个预测样本对应的年份参考值,单位为年;犱———训练样本的酒样个数。预测的标准误差需要满足SEC<0.1。8.4 决定系数决定系数犚2是评价检测模型偏离程度的一项指标,按式(3)进行计算:犚2=犛SSR犛SST=犛SST-犛SSR犛SST=∑狀犻=1狔′犻-珔狔()2∑狀犻=1狔犻-珔狔()2=1-∑狀犻=1狔′犻-狔犻()2∑狀犻=1狔犻-珔狔()2……………………(3) 式中:犛SSR———回归平方和,即检测模型可解释的变异平方和;犛SST———总离平方和,即参考值狔犻的总变异平方和;狔′犻———检测模型得到的年份预测值,单位为年;珔狔———预测均值,单位为年;狔犻———对应的参考值,单位为年。决定系数需要满足犚2>0.95。3犜/犆犅犑2203—2019附 录 犃(规范性附录)白酒年份酒荧光光谱数据测定及处理的参考方法犃.1 原理白酒年份酒是荧光物质,在紫外光和短波长可见光激励下可发出荧光,不同白酒试样的荧光光谱特性不同。将待测酒样置于荧光光谱仪中,在已设定参数条件下,分别使用不同波长的光激励待测酒样,通过扫描发射波长,并记录对应的荧光强度,得到待测酒样的荧光光谱EEM。将多个样本的EEM叠加组合成三维矩阵,运用PARAFAC分析三维矩阵数据,求各组分的得分和,以组分的总得分和大于0.98为标准,确定模型的组分数。再对三维数据矩阵进行三线性分解,分别得到激发矩阵、发射矩阵、得分矩阵和残差矩阵。犃.2 试剂和材料直接以白酒年份酒作为试样。犃.3 仪器和设备犃.3.1 荧光光谱仪:配有大功率氙灯光源、高分辨率的激发单色仪和发射单色仪、恒温样品室和高灵敏光电倍增管。犃.3.2 石英比色皿:带塞的石英比色皿,尺寸为10mm×10mm×50mm。犃.3.3 移液枪(5mL)。犃.3.4 安装有Matlab软件的计算机。犃.4 分析步骤犃.4.1 试样的制备样品无需前处理,直接使用移液枪移取酒样置于比色皿中待测量。犃.4.2 测定犃.4.2.1 仪器准备调整荧光光谱仪工作状态,根据已设定的仪器参数(7.2)进行测试。犃.4.2.2 样品的荧光光谱测量根据已设定的荧光光谱仪参数,测量待测酒样的三维荧光光谱。在不同波长的光激励下,记录不同发射波长处的荧光强度,并将缺失值置零,得到EEM。犃.5 计算矩阵的三线性分解过程分为两步:4犜/犆犅犑2203—2019a) 将犓个样品的荧光激发发射矩阵叠加组合成三维矩阵,见式(A.1):犡(犐×犑×犓)……………………(A.1) 式中:犐———激发波长扫描个数;犑———发射波长扫描个数;犓———样品个数。使用PARAFAC对三维矩阵进行分析,求各组分的得分和,设定当各组分的得分和大于0.98,此时的组分数犖确定为模型的组分数。b) 使用平行因子分析对三维矩阵X进行三线性分解,分解模型可表示为式(A.2):狓犻犼犽=∑犖犳=1犪犻犳犫犳犼犮犽犳+犲犻犼犽(犻=1,…,犐;犼=1,…,犑;犽=1,…,犓;)……………………(A.2) 式中:狓犻犼犽 ———三维矩阵犡中的元素;犪犻犳———激发矩阵中的元素,表示第犳个成分在第犻个激发波长处的荧光强度;犫犳犼———发射矩阵中的元素,表示第犳个成分在第犼个发射波长处的荧光强度;犮犽犳———得分矩阵中的元素,表示第犽个样本中第犳个成分的相对得分;犲犻犼犽———残差矩阵中的元素,表示第犽个样本在第犻个激发波长、第犼个发射波长处的残差值。犜/犆犅犑2203—2019
本文标题:TCBJ 2203-2019 白酒年份酒的荧光光谱测定方法
链接地址:https://www.777doc.com/doc-10933043 .html