杉木是针叶材结构用材树种,是一种天然高分子有机物,主要化学成分为纤维素、半纤维素、木质素。在制浆造纸中,木质素是影响制浆性能和纸浆质量的重要因素。微纤丝角是木材性质中重要物理量之一,对木材弹性模量和异向收缩性有直接影响。因此利用反向传递神经网络法(BP-NN)结合近红外光谱技术,分析近红外光谱数据和杉木中综纤维素、木质素、密度、微纤丝角含量的相关性,这对近红外光谱技术在我国造纸领域与木材科学中的应用具有一定的实用意义。奶粉生产中常常需要检查蛋白质含量,常常使用一种叫做“凯氏定氮法(Kjeldahl Method)”的方法,但是这一方法不能有效地辨别食品中的其他含氮物质。三聚氰胺含氮量高达66%,一旦被搀杂进奶粉中,就可以提高仪器“读出”的蛋白质含量。但常规实验室测定方法检测时间长,繁琐,且破坏样品。因此采用一种新的、快速、准确、无损的方法测定奶粉中三聚氰胺含量,这对奶粉中蛋白质的检测有重大意义。针对上述问题,本文研究采用适合定量分析要求的近红外光谱技术,结合化学计量学方法如反向传递神经网络(BP-NN),径向基函数神经网路(RBF-NN)、支持向量机(SVM)、和偏最小二乘法(PLS)等化学计量学方法建立杉木成分的定量预测和奶粉品质的快速检测方法,为两种物质的定量预测提供了研究思路。本文研究内容包括以下四个方面:1.利用近红外光谱(NIR)技术结合反向传递神经网络法(BPNN)定量预测了杉木中的综纤维素、木质素、密度和微纤丝角。首先对杉木的原始近红外光谱进行卷积(Savitzky-Golay)平滑和二阶导数处理,再利用小波变换压缩,将由171个数据点组成的近红外光谱压缩为86个数据点。最后用BP神经网络建模,采用Leave-n-out交叉验证法对模型进行验证,并讨论了隐含层神经元个数、学习速率、动量因子和学习次数对所建BP网络的影响。所建网络模型对预测集中杉木样本的综纤维素、木质素、密度、微纤丝角进行了预测,预测的相关系数R值分别为:0.91、0.90、0.78、0.87,预测标准误差SEP分别为:0.86%、0.33%、2.29%、4.99%。结果表明该方法快速,无损,基本能满足定量分析的要求。2.利用RBF神经网络结合近红外光谱(NIR)技术预测杉木中密度、微纤丝角。对原始光谱进行平滑和二阶导数处理,用RBF神经网络法建模,采用Leave-one-out交叉验证法对模型进行验证,并对参数的影响进行了讨论。杉木密度、微纤丝角预测模型的相关系数R值分别为0.81、0.87,预测均方根误差RMSEP分别为:0.03、0.04。结果表明该方法基本能满足定量分析的要求。3.利用支持向量机(SVM)结合近红外光谱(NIR)技术预测杉木中密度。首先选择平滑、二阶导数、范围归一化作为杉木密度近红外光谱的数据预处理方法。用支持向量机(SVM)建立模型,并对建模参数的影响作了系统的研究。在参数优化条件下,杉木密度预测模型的相关系数R值为0.93,预测均方根误差RMSEP值为:0.017。并与径向基-人工神经网络(RBF-NN)比较结,果表明,该方法快速、无损且可靠,可作为杉木密度测定的快速手段。4.本工作采用近红外光谱技术(NIRS)结合偏最小二乘法(PLS)建立了奶粉中三聚氰胺含量的定量分析模型。实验结果表明,平滑、一阶和二阶微分光谱建立的模型均不如原始光谱建立的模型好,采用原始光谱建立模型测定奶粉中三聚氰胺含量时,最有效的波长范围为4000.63~6803.63 cm-1和6800~9700 cm-1,最优模型测定奶粉中三聚氰胺含量的交互验证均方根误差(RMSECV)为0.000498,相关系数R为0.99990,模型对预测集样品中的三聚氰胺含量预测,预测均方根误差(RMSEP)为0.000221,预测相关系数R达到0.92839,研究表明近红外光谱检测技术可用于奶粉中三聚氰胺的定量分析。