利用净分析物预处理法简化苹果糖度预测模型

为了简化苹果糖度预测模型,利用净分析物预处理法(NAP)对苹果近红外光谱进行了预处理,并重建了糖度的偏最小二乘(PLS)预测模型．结果表明,随着预处理过程中所用NAP因子的逐个增加,糖度PLS模型的最佳因子数逐渐减少,甚至可减少至1．研究中,当采用5个NAP因子时,PLS糖度模型可以达到最佳性能,此时模型的最佳因子数为7,校正时的相关系数r^2和标准偏差SEC分别为0．92773和0．40658,用于预测时的相关系数r^2和标准偏差SEP分别为0．90426和0．44221．与NAP法预处理前的PLS模型相比,其精度虽没有大幅提高,但模型显得更加简洁．     

便携式光谱仪对樱桃糖度检测的研究

利用600~1 100 nm波段的便携式可见-近红外光谱仪,以烟台大樱桃为研究对象,进行了樱桃糖度可见-近红外光谱的特征提取的实验研究.利用小波滤波对樱桃可见-近红外光谱进行预处理,运用偏最小二乘回归法建立了樱桃糖度的定量分析模型,并对模型进行了验证.实验结果显示:樱桃中糖度的可见-近红外光谱校正样本集的相关系数(R)为0.939 6,校正均方根误差为0.138 2;预测样本集的相关系数(R)为0.907 4,预测均方根误差为0.149 2.结果表明:利用便携式可见-近红外光谱技术在600~1 100 nm范围内检测樱桃糖度是可行、可靠的,为樱桃内部品质的野外在线检测提供了理论依据.     

应用便携式近红外光谱仪研究苹果糖度的快速分析模型

为了利用便携式近红外光谱仪实现苹果糖度快速无损的现场检测。利用K-S算法划分样本集,偏最小二乘法和间隔最小二乘法算法优选苹果糖度的最佳波长区间,对比分析9种预处理组合,建立苹果糖度的近红外预测模型。结果表明:使用偏最小二乘法选出优化糖度区间为1198~670cm-1,使用一阶求导、S-G卷积平滑和标准归一化处理后的模型预测性较好,校正集的相关系数和均方根系数分别为0.9223和0.423,预测集的相关系数和均方根系数分别为0.9189和0.237。研究表明,利用精度较低的便携式光谱仪器可以快速、无损地现场检测出苹果糖度。     

偏最小二乘法-可见/近红外光谱测定南丰蜜桔糖度的研究

研究了南丰蜜桔糖度的快速测定方法,选择漫反射原始光谱采用偏最小二乘法(PLS)建立了南丰蜜桔糖度的校正模型,并对模型的预测性能进行了验证.在糖度预测模型中,预测集的相关系数为0.9133,预测均方根误差为0.5577,平均预测偏差为-0.0656.结果表明:可见/近红外漫反射光谱结合PLS方法对南丰蜜桔糖度的快速测定是有效的.     

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     

基于近红外漫反射光谱的煤灰分快速检测方法

基于偏最小二乘回归算法,研究了基于近红外漫反射光谱的煤质灰分快速检测方法,建立了煤质灰分与近红外漫反射光谱之间的数学回归模型,同时探讨了平滑滤波、多元散射校正、求导等不同的光谱预处理方法对模型预测效果的影响,针对精煤的灰分,采用实际煤炭样本开展了实验研究,取得了较好的效果,该方法达到了一定的分析精度并且模型较为稳定,有着很好的应用前景.     

不同焙火温度对红茶中茶红素的影响及近红外预测模型的建立

试验通过设定不同温度对红茶进行烘焙处理,研究其茶红素的变化.运用标准正态变量变换(SNV),SG平滑求导,多元散射校正(MSC),均值中心化对所得近红外光谱进行预处理,运用偏最小二乘法(PLS)进行建模,所得模型的相关系数达到0.993,说明建模效果较好.     

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.     

近红外光谱分析磷酸缓冲溶液中的血糖含量

测定了溶解于磷酸缓冲溶液中血糖在8000～5000cm^-1波数范围的近红外光谱,用偏最小二乘法建立了测定血糖含量的模型,根据数据特点,提出了按浓度大小选择预测集样本的方法。用来进行最佳模型隐变量个数的选择,结果显示,利用近红外光谱并结合化学计量学方法能够成功地进行血糖的定量分析,方法的测定误差为0.197g／L。     

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.     

近红外光谱-偏最小二乘法无损定量分析异烟肼片

应用近红外漫反射光谱结合偏最小二乘法, 对异烟肼片中异烟肼的含量进行分析, 建立了近红外光谱数学校正定量分析模型, 其对校正集样品的交互验证均方根误差(RMSECV)为0.00632. 对预测集样品的预测均方根误差(RMSEP)为0.00603; 回归系数为0.99456;加样平均回收率为99.772%. 重现性实验相对标准偏差(RSD)为0.526%. 结果表明, 该方法预测精度高, 且具有方便快捷、 非破坏、 无污染、 可在线检测和重现性好等优点.     

近红外光谱-偏最小二乘法测定三元混合物中甲醇和乙醇的含量

应用偏最小二乘法建立了甲醇、 乙醇和水三元混合体系近红外光谱的校正模 型, 采用交互验证方式对模型精度进行检验. 通过选取波长, 使所建模型中甲醇测定相关 系数r达到0.999　91, 交互验证均方根误差(RMSECV)为0.431, 乙醇的r 达到0.999 98, RMSECV为0.193.　用所建模型测定样品, 与气相色谱法 分析结果相近, 相对误差小于3.505％.     

偏最小二乘法用于近红外漫反射光谱测定异福片

应用近红外漫反射光谱结合偏最小二乘法(NIR PLS)对异福片中利福平和异烟肼的含量进行定量分析, 所建立的定量分析模型对校正集样品中利福平和异烟肼的含量预测回归系数分别为0.992　77,0.989　01,交互验证均方根误差(RMSECV)分别 为0.006　65,0.004　23.对预测集样品利福平、 异烟肼的含量预测均方根误差(RMSEP)分别为0.005　73,0.003　79;加样平均回收率分别为99.376%和98.243%;重现性实验相对标准偏差(RSD)分别为0.679　3%和0.639　8%.结果表明, 该方法预测精度高, 且具有方便快捷、 非破坏、 无污染、 可在线检测、 重现性好等优点, 可作为异福片原位质量检测和在线质量监控的方法予 以推广.     

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.     

用近红外光谱法实时监测蛹虫草发酵中胞内多糖的质量浓度

应用近红外光谱(NIR)结合偏最小二乘法(PLS)建立一种实时监测蛹虫草发酵中胞内多糖质量浓度的新方法.对39个批次的蛹虫草在3个不同条件的5L发酵罐中进行蛹虫草深层发酵,发酵过程中间隔一定时间取样,采集样品的近红外光谱,并按常规方法测定样品中胞内多糖质量浓度,再采用PLS法建立样品的近红外光谱与胞内多糖质量浓度间的模型,所建模型经过选择最适光谱预处理方法和最适隐变量数进行优化,其留一交互验证预测值与化学测定参考值间的相关系数R=0.8750,交互验证均方根误差RMSECV=0.3052.采用最优PLS模型对样品中胞内多糖质量浓度进行预测,校正集预测均方根误差RMSEC=0.1670,预测集预测均方根误差RMSEP=0.3650,表明模型的稳健性和预测性能较好。     

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．     

不同产地中药材的近红外光谱初步研究

运用基线校正和方差技术处理了不同产地的相同种类中药材的近红外光谱，基线校正有效地扣除了基线漂移对近红外光谱信号的影响，方差技术确定了近红外光谱的富信息区域与贫泛信息区域，通过方差的变化率可以初步确定富信息区域中的强信息区间。     

近红外光谱奇异样本剔除方法研究

采用近红外光谱分析技术建立面粉校正模型,对面粉中灰分含量进行定量分析,并对异常样本进行剔除.试验中采用马氏距离法和蒙特卡洛采样法分别对异常样本进行了剔除,结果表明：用马氏距离法剔除异常样本,当权重系数为1.5,剔除样本数为3时,得到最好结果,相关系数（R2）为92.67,交互验证均方差RMSECV为0.048 5;MCCV法剔除异常样本,剔除样本数为3,得到最好结果,相关系数（R2）为94.64,交互验证均方差RMSECV为0.041 1.故马氏距离法剔除异常样本能在一定程度上提高校正模型的精度和预测精度,但MCCV法剔除异常样本后模型精度和预测精度优于马氏距离法.