Abstract The use of mid-infrared spectrometry with horizontal attenuated total reflectance and Fourier transform, along with methods of variable selection by intervals, that is, interval partial least-squares (iPLS), backward interval partial least-squares (biPLS), and synergy interval partial least-squares (siPLS), were evaluated in order to quantify the Jatropha methyl biodiesel content in mixtures with diesel in the range from 0.25 to 30.00% (v/v). The spectral data were obtained in quintuplicate and corrected using the baseline technique. The constructed variable selection models were compared with the global partial least-squares (PLS) model by applying the F test to the root mean square error of prediction (RMSEP) value. The model with the best predictive capacity was iPLS24 (i.e., dividing the full spectrum into 24 equidistant intervals) constructed in the region from 650 to 750 cm−1 with 101 variables. The parameters obtained were the root mean square error of calibration (RMSEC) of 0.22%, the root mean square error of cross-validation (RMSECV) of 0.25%, RMSEP of 0.24%, limit of detection (LD) of 0.40% (v/v) and limit of quantification (LQ) of 0.13% (v/v). Therefore, the interval variable selection method was efficient in obtaining a spectral region that provided better predictive capacity than the global PLS model. In addition, with the selection of a smaller number of variables, it is possible to build portable equipment at a lower cost for use by fuel quality control agencies.

中文翻译：

---

使用中红外光谱法和区间变量选择方法对混合柴油中的麻风树甲基生物柴油进行定量

摘要 使用具有水平衰减全反射和傅立叶变换的中红外光谱，以及按区间选择变量的方法，即区间偏最小二乘法 (iPLS)、后向区间偏最小二乘法 (biPLS) 和协同法。评估区间偏最小二乘法 (siPLS) 以量化混合柴油中麻风树甲基生物柴油的含量，范围为 0.25% 至 30.00% (v/v)。光谱数据一式五份获得并使用基线技术校正。通过将 F 检验应用于预测均方根误差 (RMSEP) 值，将构建的变量选择模型与全局偏最小二乘 (PLS) 模型进行比较。具有最佳预测能力的模型是 iPLS24（即 将全光谱分成 24 个等距间隔）在 650 到 750 cm-1 的区域中构建，具有 101 个变量。获得的参数是校准的均方根误差 (RMSEC) 为 0.22%，交叉验证的均方根误差 (RMSECV) 为 0.25%，RMSEP 为 0.24%，检测限 (LD) 为 0.40% (v /v) 和 0.13% (v/v) 的定量限 (LQ)。因此，区间变量选择方法在获得比全局 PLS 模型提供更好预测能力的光谱区域方面是有效的。此外，通过选择较少数量的变量，可以以较低的成本构建供燃料质量控制机构使用的便携式设备。获得的参数是校准的均方根误差 (RMSEC) 为 0.22%，交叉验证的均方根误差 (RMSECV) 为 0.25%，RMSEP 为 0.24%，检测限 (LD) 为 0.40% (v /v) 和 0.13% (v/v) 的定量限 (LQ)。因此，区间变量选择方法在获得比全局 PLS 模型提供更好预测能力的光谱区域方面是有效的。此外，通过选择较少数量的变量，可以以较低的成本构建供燃料质量控制机构使用的便携式设备。获得的参数是校准的均方根误差 (RMSEC) 为 0.22%，交叉验证的均方根误差 (RMSECV) 为 0.25%，RMSEP 为 0.24%，检测限 (LD) 为 0.40% (v /v) 和 0.13% (v/v) 的定量限 (LQ)。因此，区间变量选择方法在获得比全局 PLS 模型提供更好预测能力的光谱区域方面是有效的。此外，通过选择较少数量的变量，可以以较低的成本构建供燃料质量控制机构使用的便携式设备。区间变量选择方法在获得比全局 PLS 模型提供更好预测能力的光谱区域方面是有效的。此外，通过选择较少数量的变量，可以以较低的成本构建供燃料质量控制机构使用的便携式设备。区间变量选择方法在获得比全局 PLS 模型提供更好预测能力的光谱区域方面是有效的。此外，通过选择较少数量的变量，可以以较低的成本构建供燃料质量控制机构使用的便携式设备。