Um eine schnelle, zerstörungsfreie und genaue Bestimmung des Gehalts an Vulkanisationsbeschleunigern in Gummiprodukten zu erreichen, verwendet diese Studie Terahertz-Zeitbereichsspektroskopie in Kombination mit Datenerweiterung und chemometrischen Methoden für die quantitative Analyse von Vulkanisationsbeschleunigern in mehrkomponentigen Gummimischungen. Um Probleme wie starke Spektrenüberlappung in Gummimischungen, kleine Stichprobengröße, die zu Überanpassung und schlechter Generalisierungsfähigkeit führen kann, zu adressieren, wird eine Datenerweiterungsstrategie basierend auf Datenfusion und der kleinsten Quadrate Gauß'schen Anpassungsmethode (LSGF) vorgeschlagen, und ein genetisch optimiertes Support-Vektor-Regression (GA-SVR) Quantifizierungsmodell erstellt. Zur Reduzierung der Datenabmessung und Verbesserung der Modellierungseffizienz wird der Variable Space Iterative Shrinkage Algorithmus (VISSA) zur Merkmalsextraktion aus den ursprünglichen und erweiterten Spektren verwendet. Die Ergebnisse zeigen, dass die Datenerweiterung die Vorhersageleistung des Modells signifikant verbessert, wobei die LSGF-Methode die beste Wirkung erzielt; nach der Merkmalsextraktion mittels VISSA verbessert sich die Modellgenauigkeit weiter, wobei der Korrelationskoeffizient Rp auf dem Vorhersage-Datensatz 0,9826 erreicht und der RMSEP auf 0,0023 sinkt. Diese Methode kann eine technische Referenz für die Optimierung von Gummirezepturen und die grüne nachhaltige Entwicklung der Industrie bieten.

Terahertz-Spektroskopie;Datenerweiterung;Kleinste-Quadrate-Gauß-Anpassung;Datenfusion;Quantitative Analyse