[发明专利]厌氧共发酵原料生化甲烷势近红外光谱快速检测方法

权利要求书

1.厌氧共发酵原料生化甲烷势近红外光谱快速检测方法，所述方法是通过下列步骤实现的：

（1）样品采集与制备

采集农作物秸秆和畜禽粪便样品，将其烘干、粉碎过40目筛后装密封袋备用；将秸秆与粪便按干物质固定比例混合制备玉米秸秆和猪粪、牛粪、羊粪、鸡粪混合物样品，制备水稻秸秆和猪粪、牛粪、羊粪、鸡粪混合物样品；再按随机比例制备玉米秸秆与猪粪、牛粪、羊粪、鸡粪混合物样品，按随机比例制备水稻秸秆与猪粪、牛粪、羊粪、鸡粪混合物样品；

（2）近红外光谱采集

采用德国Bruker TANGO型近红外光谱仪对采集与制备的秸秆粪便混合物厌氧共发酵原料样品进行积分球漫反射光谱扫描，光谱采集范围3946～11542 cm^-1，分辨率为8 cm^-1，样品扫描32次，装样方式为50 mm样品杯，装样高度为10 mm，采用旋转台进行旋转扫描，背景每小时扫描一次；在保持室内温湿度基本稳定的情况下，每个样品装样3次，取3～5次扫描平均值作为样品的原始光谱；

（3）生化甲烷势测定

对采集与制备的秸秆粪便混合物厌氧共发酵原料样品进行常规生化甲烷势测试实验，取常年驯化正常产气的牛粪厌氧发酵液为接种物，按接种比1:1调节发酵原料与接种物比例，使发酵系统的起始干物质浓度为6%，采用中温批式厌氧发酵实验完成厌氧共发酵原料生化甲烷势的测定；

（4）样品集划分及光谱数据预处理

以按固定比例混合的秸秆粪便混合物样品和单一秸秆、粪便样品作为校正集，以随机混合的秸秆粪便混合物样品作为验证集，采用光谱平滑、多元散射校正、标准正则变换、导数处理及其多种方法相结合的方式对光谱数据进行预处理，建立不同预处理方法下的全谱偏最小二乘回归模型，并基于校正集的交叉验证均方根误差最小确定采用的光谱预处理方法；

其特征在于：

（5）基于竞争自适应重加权采样算法联合遗传模拟退火算法进行生化甲烷势特征波长优选

a：基于竞争自适应重加权采样算法的近红外光谱特征波长初步优选：

竞争自适应重加权采样算法特征波长迭代搜索过程中引入蒙特卡洛采样和自适应加权采样两个随机因素，通过多次执行该算法，并选取多次重复选中的特征波长点作为优选结果的方式，能够进一步提高回归模型的性能；执行竞争自适应重加权采样算法多个轮次，并选定校正集交叉验证均方根误差最小时对应的重复选中波长点作为竞争自适应重加权采样算法得到的特征波长初步优选结果；

b：基于遗传模拟退火算法的近红外光谱特征波长二次优选：

采用遗传模拟退火算法对初步优选结果进行特征波长二次优选，遗传模拟退火算法以多次竞争自适应重加权采样算法优选的特征波长点数为码长，进行二进制编码和种群初始化，以校正集的交叉验证均方根误差为目标函数，适应度函数，其中为当前代种群的最小目标函数值，为温度参数；在确定初始温度、降温操作，计算适应度函数值后，执行多个轮次的选择、交叉、变异和Metropolis选择复制进化操作，完成1次近红外光谱特征波长的优选；针对遗传模拟退火算法优化结果的随机性问题，执行多个轮次基于遗传模拟退火算法的特征波长二次优选，并基于验证集的预测均方根误差最小选取重复选中的波长点作为特征波长建立偏最小二乘回归模型，能够得到较高的回归模型性能；

（6）检测模型建立

将校正集光谱数据按竞争自适应重加权采样算法联合遗传模拟退火算法优选的生化甲烷势特征波长建立偏最小二乘回归模型，并使用验证集对回归模型的精度进行评测；当建立的偏最小二乘回归模型检测精度满足需求时，输出相应模型，完成厌氧共发酵原料生化甲烷势近红外光谱快速检测模型的构建；

（7）厌氧共发酵原料生化甲烷势的检测

对需要检测生化甲烷势的玉米秸秆、水稻秸秆与猪粪、牛粪、羊粪、鸡粪按任意比例混合制备的厌氧共发酵原料，经烘干、粉碎处理后，进行积分球漫反射近红外光谱扫描，对光谱数据进行预处理后再按优选的特征波长输入检测模型，既可完成厌氧共发酵原料生化甲烷势的快速检测。