Um den Versorgungsdruck mit Zellstoff in unserem Land zu verringern und den praktischen Bedarf an Mischrohstoffen für die Zellstoffherstellung zu erfüllen, wurde in dieser Arbeit eine Studie zur schnellen Analyse von Mischrohstoffen mittels Nahinfrarotspektroskopie durchgeführt. Es wurden 145 Mischproben aus Schwanz-Eukalyptus und Acacia mazan mit manuell kontrolliertem Schwanz-Eukalyptus-Gehalt gesammelt, und der Gesamttellulose-, Pentosangehalt sowie der Klason-Ligningehalt wurden mit herkömmlichen Methoden bestimmt. Nach der Vorverarbeitung der Originalspektren mittels erster Ableitung und Standardnormalvariablen wurde jeweils ein Analysemodell für Schwanz-Eukalyptus, Gesamttellulose, Pentosan und Klason-Lignin unter Verwendung der partiellen Kleinsten Quadrate, Support Vector Machine, künstlichen neuronalen Netze und LASSO-Algorithmus aufgebaut. Die Analysemodelle für Schwanz-Eukalyptus und Gesamttellulose, die mit der LASSO-Methode erstellt wurden, waren optimal, mit Vorhersageroot-Mean-Square-Fehlern (RMSEP) von 1,80 % bzw. 0,60 %; die absoluten Abweichungen (AD) lagen jeweils zwischen -3,03 % und 3,17 % bzw. -1,03 % und 0,98 %, und die Modellleistung war ausreichend für eine relativ präzise Schnellanalyse. Das Analysemodell für den Pentosangehalt, das mit der partiellen Kleinsten-Quadrate-Methode erstellt wurde, war optimal mit einem RMSEP von 0,75 % und einem AD von -1,26 % bis 1,33 %; das Analysemodell für den Klason-Ligningehalt, das mit der Support Vector Machine-Methode erstellt wurde, war optimal mit einem RMSEP von 0,48 % und einem AD von -0,82 % bis 0,86 %, beide Modelle sind für ungenaue Analysen geeignet. Diese Studie bietet die Möglichkeit einer schnellen Analyse von Mischrohstoffen für die Zellstoffherstellung und bestätigt auch die Anwendbarkeit des LASSO-Algorithmus.

grüner Tee; Nahinfrarotspektroskopietechnik; Spektralvorverarbeitung; Hauptkomponentenanalyse; lineare Diskriminanzanalyse