近红外光谱在印刷品颜色检测中的应用

为了对印刷品颜色进行快速、准确检测,应用近红外光谱技术(NIR)并结合偏最小二乘法(PLS)建立印刷品颜色检测模型.对近红外光谱获取的144个样本光谱曲线,应用主成分分析方法进行降维,维数为5.选取的主成分作为光谱优化特征子集以替代原来复杂的光谱数据.随后,将144个样本数据随机分为定标集和预测集,利用偏最小二乘法在103个定标集样本数据基础上建立印刷品颜色预测模型,应用此模型对41个预测集样本颜色进行预测.研究结果表明:利用PLS模型得到样本的实测值和预测值之间的预测决定系数(R~2)为99.74%,预测平均相对误差为0.636%,表明利用近红外光谱技术检测印刷品颜色是可行的.     

基于支持向量回归的驴肉脂肪和蛋白质近红外检测模型优化

驴肉的脂肪含量低、蛋白质含量高,是一种营养价值较高的食用肉类.选择了40个不同个体和不同部位的驴肉鲜肉样品,采集了样品在4 000～12 500 cm~(-1)光谱的近红外漫反射光谱,并使用索氏提取法和凯氏定氮法分别检测了样品的脂肪和蛋白质参考数据.分别使用主成分分析和偏最小二乘回归对肉块和肉糜2种类型的样品光谱数据进行了压缩,结合支持向量回归算法分别建立了驴肉脂肪和蛋白质的定量模型,并与偏最小二乘回归模型进行了性能比较,发现肉糜光谱使用主成分分析降维结合支持向量回归算法所建立的驴肉脂肪模型,以及肉块光谱使用偏最小二乘回归降维结合支持向量回归算法所建立的驴肉蛋白质模型定量结果最优,其交叉验证均方根误差和相对预测误差分别达到了0.058%、14.69以及0.111%、14.39.结果表明,近红外光谱结合主成分分析或偏最小二乘回归降维以及支持向量回归算法所建立的模型预测精度较高,可对驴肉的脂肪和蛋白质含量进行可靠的检测.     

近红外光谱定量检测丙烷和异丁烷

近红外光谱分析技术结合偏最小二乘法（PLS）对多成分挥发性有机物（VOCs）进行连续的在线监测具有重要意义．用傅里叶变换红外光谱仪（FTIR）分析了丙烷和异丁烷2种挥发性有机物的近红外光谱特征．采用线性回归建模方法——偏最小二乘法在丙烷和异丁烷混合气体的近红外光谱范围（5600～6200cm^-1）内建立了预测模型．基于该模型预测了验证集样品中2种气体的含量,并对模型进行了评价．结果表明,对2种气体浓度的预测比较准确,相对误差基本在5％以内．     

基于近红外光谱的小麦粉湿面筋含量检测

本文应用近红外光谱法测定小麦粉中湿面筋含量.对小麦粉的近红外光谱图进行消除常数偏移量、多元散射校正、减去一条直线三种预处理方法,用偏最小二乘法建立小麦粉的近红外光谱图与湿面筋含量之间的关系模型,并预测小麦粉中湿面筋含量.实验结果显示减去一条直线预处理后的模型评价指标最优,模型的相关系数R2为934,模型交互验证后的均方差为051,预测结果的均方根误差为0456.实验结果表明,近红外光谱法能够用于小麦粉湿面筋含量的测定     

Matlab-NNTool在旋光实验中的应用

旋光实验中,采用BP神经网络模型进行蔗糖浓度定标.在Matlab6.5环境下,借助NNTool完成训练、测试.对未知浓度蔗糖溶液进行预测,将预测结果与最小二乘法拟合值作比较,并讨论了隐含层神经元个数对BP神经网络预测精度的影响.     

近红外光谱-偏最小二乘法非破坏分析酱油的主要成分

将近红外光谱技术与偏最小二乘法（PLS）相结合建立 数学校正模型, 对酱油中的氨基酸态氮、 总酸以及食盐进行快速、 无损定量分析, 并对酱油的色度进行预测, 同时讨论了光谱预处理方法和主成分数对PLS模型预测精度的影响. 结果表明, 采用一阶导数预处理光谱建立的数学校正模型能得到最佳的预测效果, 在对预测集18个样本中的氨基酸态氮、 总酸、 食盐的含量和色度进行预测时, 所得的预测集相对标准 偏差分别为1516%, 1811%, 1798%, 1893%. 实验结果具有较高的预测精度, 可以用于酱油中主要 成分含量的测定.     

基于部分线性回归的红外光谱多元校正方法

对于红外光谱数据而言,光谱-浓度关系常表现为一种复杂的混合线性关系.本文中提出一种部分线性回归算法,将复杂的光谱-浓度目标回归函数分解为线性和非线性决策函数之和.具体地,采用一序列的线性和非线性核函数来构建回归模型,分别用于逼近目标函数中的线性和非线性成分.本文中所提出的的方法与偏最小二乘回归算法和正则化最小二乘回归算法在3个实例数据集上进行实验对比.实验结果表明,本文中提出的算法具有更高的预测精度.     

基于偏最小二乘回归模型的带钢热镀锌质量监控方法

提出了基于偏最小二乘回归模型的带钢热镀锌质量监控方法. 以带钢热镀锌生产中带钢力学性能和锌层质量的质量监控为研究对象,用偏最小二乘方法建立了生产过程参数与质量结果之间的回归模型,对生产过程控制能力进行了分析,并给出了产品质量的预测方法. 用鞍钢股份有限公司带钢热镀锌的实际生产数据进行验证. 结果表明,偏最小二乘法比传统的多元线性回归方法具有更好的预测精度,基于偏最小二乘回归的锌层质量预测模型,其相对预测误差可达到5.93%.     

近红外光谱分析中人工神经网络法的应用

设计了实用的人工神经网络模型进行定标并预测. 用误差反向传播算法, 构造了三层的神经网络结构, 用于解决光谱分析中谱峰重叠严重、 噪声较大等问题. 在定标样本数量较大的情况下, 应用人工神经网络方法对玉米的蛋白质含量和近红外吸收光谱进行了分析和讨论. 实验结果表明, 人工神经网络方法优于线形回归法和偏最小二乘方法.     

近红外光谱结合偏最小二乘法测定福多斯坦成分含量

采用近红外漫反射光谱分析技术和偏最小二乘法对福多斯坦药物的有效成分进行定量分析测定,采集48个不同比例的福多斯坦样品近红外漫反射光谱,用一阶导数的光谱预处理方法,结合偏最小二乘法建立福多斯坦的定量分析模型.结果显示:交互验证均方根误差为0.003 57,相关系数R为0.994 77,预测均方根误差为0.003 89,平均回收率为99.63%(n=8),结果表明,用近红外光谱分析技术联合偏最小二乘法对福多斯坦进行定量分析结果准确可靠,方法简便快速.     

混和稀土光谱解析方法的研究

采用偏最小二乘法及导数偏最小二乘法对一含有三种稀土与间乙酰偶氮氯磷的混和体系光谱进行剖析,结果表明偏最小二乘法及导数偏最小二乘法均适合多组份分析。在本体系中,因含有基体干扰,导数偏最小二乘法其定量、定性分析略优于偏最小二乘法。     

利用PLS-VIP方法筛选差异表达基因

提出一种基于变量权重寻找差异表达基因的新方法。该方法的最终目的是从微阵列数据中抽取出核心变量（基因）。将该种方法抽取出的差异表达基因判别样本的能力和普通的PLS方法以及判别最小二乘方法进行比较,结果表明该方法的错误率明显低于其他两种传统方法。因此,PLS-VIP方法是一种较为合适的抽取差异表达基因并判别样本的方法。     

近红外漫反射光谱法对蛇床子SFE萃取产物的质量监控

采用近红外漫反射光谱法对中药蛇床子SFE萃取过程中主要成分蛇床子素和欧前胡素进行快速、 无损检测. 以HPLC分析值作参比值， 采用偏最小二乘法（PLS）建立近红外光谱信息与各组分含量间的定量校正模型. 讨论了波长范围的选择和主成分数对PLS定量预测蛇床子萃取物中蛇床子素和欧前胡素含量能力的影响， 并对预测集样品含量进行预测， 结果令人满意.     

基于PLS的湖北省经济增长水平分析

采用新型的多元统计分析方法—偏最小二乘回归(PLS)分析方法,利用1988～2004年的统计数据对湖北省经济增长情况进行了科学的分析.分析结果表明:人口增长因素对湖北省的经济增长有阻碍作用;湖北省的进出口水平不平衡,对经济增长有很大的影响.还有一些其他因素分别对经济增长有不同程度的积极作用.     

二元系过渡金属贮氢合金材料的形成规律

利用模式识别的偏最小二乘法对过渡金属二元合金氢化物的形成和贮氢性能进行分析，结果表明：利用化学健参数－模式识别方法可以建立过渡金属二元合金贮氢材料形成的数学模型，是贮氢材料设计的一种用方法。     

傅里叶变换近红外光谱法测定榨菜酱油成分

基于傅里叶变换近红外光谱技术,通过主成分分析(PCA),可较好地区分不同品牌的榨菜酱油样本.利用偏最小二乘法(PLS)建立了测定榨菜酱油成分的定量分析模型,校正集样本中总酸、氨基酸态氮和食盐的分析模型决定系数(R2)分别为98.44,98.74和98.48,交叉验证均方差(RMSECV)分别为0.001 3,0.008 44和0.355.预测集样本中总酸、氨基酸态氮和食盐的外部验证决定系数(R2)分别为96.04,95.90,96.27,预测集标准偏差(RMSEP)分别为0.017 4,0.012 9,0.48.实验结果具有较高的预测精度,可以用于测定榨菜酱油主要成分的质量浓度.     

偏最小二乘-紫外可见分光光度法测定黑加仑色素的含量

将偏最小二乘（ Ｐ Ｌ Ｓ）法同紫外可见分光光度法结合, 快速分析黑加仑色素的含量． 讨论主成分数对 Ｐ Ｌ Ｓ定量预测能力的影响, 并对校正集样品和预测集样品中黑加仑色素含量进行定量预测．     

混合稀土对AB5贮氢合金织构生长特性影响的PLS研究

利用偏最小二乘法（PLS）研究混合稀土组成对贮氢合金的织构生长特性的综合影响,并提出了合金织构择优取向的判据。对于平行于柱状晶织构,择优取向（101） (201)晶面受Nd的影响最为敏感,Ce的影响最小,同时Ce对择优取向的作用与La,Pr,Nd的作用相反;对于垂直柱状晶织构,择优取向（200） (110)晶面受Pr的影响最为敏感,而受Nd的影响最小。     

近红外光谱-系统聚类法快速测定煤炭品质

采用偏最小二乘法对95个煤炭样品的近红外光谱数据进行处理,并提取主成分.将提取的主成分与煤炭的发热量、灰分、挥发份、含硫量和全水分共同作为变量,进行系统聚类分析.将样品数据聚类为4组,同时剔除异常样本.对聚类后的各组数据采用多元散射校正、二阶导数、诺里斯导数平滑进行预处理,建立偏最小二乘定量分析模型.采用逐步筛选法,求得以发热量为变量的Bayes判别函数,交互验证结果表明判别函数稳定性良好.对未知样品发热量、灰分、挥发份、含硫量和全水分预测的决定系数分别达到0.992、0.927、0.938、0.778、0.978,说明模型预测性能良好.