近红外光谱结合优化波长选择与偏最小二乘回归实现沼气浆中挥发性脂肪酸的快速检测

为解决传统气相色谱法检测挥发性脂肪酸(VFA)耗时昂贵的问题，研究人员开展基于近红外光谱(NIRS)结合竞争性自适应重加权采样(CARS)和贝叶斯优化的快速检测研究。通过多步优化策略，模型将全光谱波长减少85%–90%，预测误差降低18%–40%，为厌氧发酵过程优化提供高效监测手段。

　　

厌氧发酵技术是农业废弃物资源化利用的核心手段，但其效率与稳定性高度依赖挥发性脂肪酸(VFA)的动态变化。传统气相色谱(GC)检测方法存在耗时长、成本高的瓶颈，难以满足实时监测需求。近红外光谱(NIRS)虽具备快速无损优势，但高维度、噪声和冗余特征限制了其预测精度。针对这一难题，中国东北农业大学的研究团队创新性地提出多步优化策略，开发出基于NIRS的VFA快速检测模型，研究成果发表于《Results in Chemistry》。

研究采用玉米秸秆和畜禽粪便为底物，采集150份沼气浆样本，通过竞争性自适应重加权采样(CARS)结合层次聚类筛选特征波长，并应用贝叶斯优化同步调谐波长变量和偏最小二乘回归(PLSR)潜变量。关键技术包括：1) 基于贝叶斯优化的光谱预处理组合自动筛选；2) CARS迭代结合层次聚类的特征波长提取；3) 基于树结构Parzen估计器(TPE)的联合参数优化。

3.1 数据获取与分析
通过气相色谱测定样本中乙酸、丙酸及总酸浓度，统计显示乙酸呈右偏分布，丙酸符合正态分布。剔除4933.02–5295.57 cm^?1噪声区间后，采用SPXY算法划分校准集与验证集，确保模型泛化能力。

3.2 CARS结合层次聚类的波长选择
对比全光谱、单次CARS和30次CARS(CARS30)结果发现，层次聚类阈值设为15–20时，模型将波长减少85%–90%，乙酸预测均方根误差(RMSEP)降低16%，残差预测偏差(RPD)提升至6.56，显著优于遗传算法(GA)和模拟退火(SA)。

3.3 贝叶斯联合优化
通过概率驱动动态搜索，特征波长进一步减少46%–50%，乙酸、丙酸和总酸的预测决定系数(R_p²)分别提升1.0%、1.9%和1.6%，其中总酸模型潜变量从9增至10，更适配复杂组分建模需求。TPE优化器在特征筛选和参数调优中展现出超越GA和粒子群(PSO)的效能。

该研究通过"共识筛选-聚类优化-动态迭代"的三阶策略，突破传统分步优化的局限性。创新性地将CARS的稳定性增强与贝叶斯优化的自适应搜索相结合，为高维光谱数据建模提供新范式。实际应用中，该方法可将VFA检测时间从气相色谱的数小时缩短至分钟级，误差控制在0.12–0.55 g/L，为厌氧发酵工艺调控提供实时数据支撑。未来研究可探索自适应阈值设计，以进一步提升对复杂组分(如异丁酸)的检测灵敏度。