OSC-PLS方法用于渣油裂解装置的软测量建模

渣油裂解反应中,影响沥青产率的因素多,反应机理十分复杂,难以建立准确的机理模型。采用基于正交投影的正交信号校正(OSC)算法对输入变量测量数据进行预处理,剔除数据中所含的与待测变量如浓度、收率等无关的噪声信息;再实施OSC与偏最小二乘(PLS)回归相结合的OSC-PLS方法,建立渣油裂解装置沥青产率的软测量校正模型。结果显示:模型精度和稳定性较非线性方法均有显著提高,而且模型所需PLS成分数减少,模型更简洁。     

近红外光谱在快速检测棉制品中含棉量的应用

以两组棉制品为研究对象，利用遗传算法提取有效近红外光谱信息，采用偏最小二乘法（partial least squares，简称PLS）建立了棉制品中舍棉量的近红外定量的校正模型，讨论了遗传算法提取有用信息的具体应用方法．结果表明：棉制样品的近红外光谱经过遗传算法提取有用信息（波长优选）后，通过一定数据预处理方法，运用PLS建立的定量校正模型，可以大大降低数据运算量，为近红外光谱分析技术应用于棉制品中舍棉量的预测，提供了理论依据和实用方法．     

不同预处理方法对PLS模型检测鲜长枣糖度的影响

为寻找适合近红外光谱无损检测鲜长枣糖度含量的最佳光谱预处理方法,进行鲜长枣样品近红外光谱数据的预处理方法比较研究.探讨了15种光谱预处理方法对偏最小二乘法建模精度的影响.结果表明,小波变换和多元散射校正相结合是近红外光谱偏最小二乘模型无损检测鲜长枣糖度的有效预处理方法,其相关系数和内部交叉验证均方差分别为0.741 1...     

近红外光谱技术在农药残留量检测中的研究

介绍了近红外光谱技术的发展及原理,基于近红外光谱分析技术对蔬菜中农药残留的检测方法进行了定性和定量实验研究.选取菠菜作为叶菜代表,用偏最小二乘建立校正模型,并对模型的通用性进行验证.实验表明,校正模型的预测结果比较理想,但模型的通用性还需要改善,同时还讨论了基于多信息融合技术在农药残留量检测中的研究前景.     

榆树木材基本密度近红外模型优化的研究

 为探究近红外光谱技术野外测量木材基本密度的可行性,用圆盘模拟伐倒木锯面,采集光谱信号,结合偏最小二乘法（PLS）建立榆树木材基本密度预测模型.其校正模型和验证模型决定系数R²分别为0.8456和0.8011,均方根误差RMSE分别为0.0231和0.0266,标准误差SE分别为0.0232和0.0268.为进一步提高模型预测精度,利用卷积平滑、小波变换等6种方法对光谱信号进行预处理.结果表明,基于小波变换去噪的模型精度最好,校正模型和验证模型决定系数分别为0.8996和0.8662,RMSE和SE的值均达到最小.研究表明,近红外光谱技术可用于木材基本密度的野外测量.     

短波近红外光谱-偏最小二乘法对食醋中总酸含量的无损定量分析

将短波近红外光谱技术与偏最小二乘法（PLS）结合,对食醋中的总酸含量进行快速、无损定量分析,建立了最佳数学校正模型．讨论了光谱预处理方法和主成分数对PLS模型预报精度的影响．研究表明,采用一阶导数预处理光谱建立的数学校正模型能够得到最佳的预报结果,在对预测集8个样本中总酸的含量进行预报时,所得的集相对标准偏差为1．386％．实验结果表明,该方法方便快捷,并且具有较高的预报精度,可以用于食醋中总酸含量的测定．     

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     

基于多维度光谱特征波长提取大豆冠层SPAD值估算模型

应用多种光谱特征波长段提取技术,研究了全生育期大豆冠层的近红外光谱曲线特性,提出了基于多维度光谱特征波长提取的大豆冠层叶绿素相对含量(SPAD值)估算模型.在大豆冠层原始近红外光谱曲线中,优选多元散射校正预处理和偏最小二乘回归法建模.经多元散射校正预处理后,应用竞争性自适应重加权采样算法(CARS)、主成分分析法(PCA)和连续投影算法(SPA),提取大豆冠层的光谱特征波长数量分别为22,51和12个.以此特征波长为基础,利用偏最小二乘回归法和多元线性回归法(MLR),分别建立大豆冠层SPAD值估算模型.结果表明CARS-MLR模型试验效果较好,该模型校正样本和预测样本SPAD值的均方根误差分别为5.67和5.94,平均值约为5.81.     

基于近红外光谱的大鲵黏液粉掺伪的定性定量研究

采用近红外光谱扫描不同掺伪样品,用偏最小二乘线性判别法分别建立掺伪大鲵黏液粉的2分类(纯大鲵黏液粉和掺伪样品)和5分类(纯大鲵黏液粉、掺入土豆淀粉、大鲵肉粉、大鲵蛋白粉和大鲵皮粉)定性判别模型;用偏最小二乘回归分别建立4类掺伪大鲵黏液粉的定量校正模型。结果表明,原始光谱经一阶导数+标准变量变换预处理后,所建2分类和5分类小二乘线性判别定性模型的校正集和预测集均无误判数;大鲵黏液粉掺入土豆淀粉、大鲵肉粉、大鲵蛋白粉和大鲵皮粉的定量预测模型能够较好地验证黏液掺伪成分。     

近红外光谱分析技术在监测L-异亮氨酸发酵过程中的应用

以L-异亮氨酸发酵过程的发酵液为样品, 用偏最小二乘法考察2种光谱采集方式、 7种光谱预处理方法及不同光谱波段选择对建立5种氨基酸光谱预测模型精度的影响. 通过建立L-异亮氨酸发酵过程中主副产物最佳光谱预测模型, 确定最佳光谱信息采集方式、 光谱预处理方法、 光谱波长范围及模型因子数. 结果表明: 反射扫描优于透射扫描获取光谱所建最佳预测模型; 反射光谱采集L- 异亮氨酸、 L-丙氨酸、 L-谷氨酸、 L-亮氨酸和L-苏氨酸5种氨基酸最佳校正模型相关系数均大于0.96, 其交互验证均方差分别为1.760,0.462,0.430,0.259,0.199, 相对分析误差分别为7.8,6.8,6.3,5.0,6.4, 表明所提出的近红外光谱分析法快速检测氨基酸发酵液中各成分稳定可行.     

近红外光谱法用于含能材料快速分析的研究

发射药生产过程中挥发份的实时检测对发射药的性能至关重要,是实现发射药柔性化生产的一项关键技术.用近红外漫反射光谱分析法快速分析柔性生产线中产品的挥发份,测得样品的光谱,采用简化的PLS算法建立数学模型,并用该模型预测样品挥发份的含量.该方法检测精度高、无破损、无须预处理即能达到实时快速检测的目的.     

独立成分分析支持向量机回归模型及其在近红外光谱分析中的应用

首先采用独立成分分析(ICA)提取近红外光谱数据矩阵的独立成分和相应的混合矩阵,然后用支持向量机回归(SVR)对混合矩阵和实测浓度矩阵进行建模,建立了独立成分分析-支持向量机回归(ICA SVR)的近红外分析建模方法.结果表明,ICA SVR模型的预测结果明显优于SVR和偏最小二乘法(PLS)方法,方法用于肉样品中水分、脂肪和蛋白质的同时测定,获得了满意的结果.     

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.     

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.     

Near-infrared spectroscopy-based quantification of substrate and aqueous products in wastewater anaerobic fermentation processes

In this study, a Fourier transform near-infrared （FT-NIR） technique was used for process monitoring of anaerobic fermentation. Orthogonal signal correction （OSC） method was used as NIR spectral pre- processing options. Calibration models were established and the validation of the method was per- formed with the sucrose, ethanol and volatile fatty acids （VFAs） contents determined by the anthrone and gas chromatography methods, respectively. Spectral range and the number of internal latent variables were optimized for the best correlation coefficient. Test set validation of sucrose resulted in excellent measurement of prediction performance and the correlation coefficient of determination is 0.930. Similar prediction statistics for individual VFA and total VFA contents were obtained. These re- sults proved that the NIR spectroscopy technology is able to quantify the contents of both volatile fatty acids and sucrose in wastewater anaerobic fermentation process.     

A New Sample-Selection and Modeling Method Based on Near-Infrared Spectroscopy and Its Industrial Application

Near-infrared （NIR） spectroscopy has been widely employed as a process analytical tool （PAT） in various fields; the most important reason for the use of this method is its ability to record spectra in real time to capture process properties. In quantitative online applications, the robustness of the established NIR model is often deteriorated by process condition variations, nonlinear of the properties or the high-dimensional of the NIR data set. To cope with such situation, a novel method based on principal component analysis （PCA） and artificial neural network （ANN） is proposed and a new sample-selection method is mentioned. The advantage of the presented approach is that it can select proper calibration samples and establish robust model effectively. The performance of the method was tested on a spectroscopic data set from a refinery process. Compared with traditional partial leastsquares （PLS） , principal component regression （PCR） and several other modeling methods, the proposed approach was found to achieve good accuracy in the prediction of gasoline properties. An application of the proposed method is also reported.     

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．     

一种新的手写体字符识别算法

研究模式识别的核心问题——特征抽取．基于偏最小二乘（Partial Least Squares,简称PLS）回归和特征融合的思想,提出了一种组合特征抽取的新方法并将之用于手写体字符识别中．在PLS建模阶段,为了提高PLS成分（特征）的抽取速度,提出了一种非迭代PLS算法．在特征融合阶段,用所抽取的PLS成分特征组成模式的相关特征矩阵,并依此相关特征矩阵进行分类．在Concordia University CENPARMI手写体阿拉伯数字数据库上的试验结果证实了该方法的有效性和鲁棒性,其分类结果优于基于单一特征的FSLDA方法的分类结果．另外,与已有的迭代PLS算法相比,所提出的非迭代PLS算法的复杂度和特征抽取的速度均占有优势．     

基于偏最小二乘法回归的工序质量建模

针对制造工序质量控制问题,应用多元统计分析中的偏最小二乘回归法建立了质量模型.利用该模型可以定量分析加工工序与最终成品率之间的关系,进而通过将大量的工序影响因子约简得到主要影响因子子集.根据在线生产的相关质量数据,采用非线性迭代偏最小二乘法获得影响因子的权重.得到偏最小二乘因子权重可以在线预测成品质量变化,避免离线测试.在半导体制造实例研究中,以工序质量水平为自变量,成品质量水平为因变量,建立了质量水平传递模型,应用该方法可实现多工序质量异常的在线诊断和预测,为质量控制提供了定量依据.