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。     

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...     

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.     

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.     

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     

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。     

小麦赤霉病神经网络和偏最小二乘预测模型

选取2004-2014年间发病期的气象因素为自变量,小麦赤霉病病穗率为因变量,借助神经网络的函数映射能力,采用Fletcher-Reeves算法的变梯度反向传播算法,建立了小麦赤霉病的气象预报模型.由于神经网络无法提供直观的函数来反映病穗率与气象因子之间的关系,为了进一步分析气象因子间的相关性,采用主成分分析法提取主成分,并利用回归分析得到线性函数关系,建立了偏最小二乘模型.神经网络预测模型平均预报精度达到99%,但只提供病穗率和气象因子之间的拓扑关系;偏最小二乘预测模型可以得到病穗率和气象因子之间直观的函数关系,模型平均预报精度达到97%.2种模型均具有较高的预报精度,对小麦赤霉病的预防工作具有一定的参考价值.     

基于小波分析的近红外光谱数据预处理

近红外光谱中常常包含一些与待测样品性质无关联的干扰信息,为了使建立的定性或定量分析模型更加稳健、可靠,常常需要对测定的光谱数据进行预处理.结合大豆油脂酸价的近红外光谱分析方法,对由瑞典波通公司的DA7200型近红外光谱仪记录的36组大豆油脂样品光谱数据,采用小波变换的阈值去噪方法进行预处理,对比常用的窗口移动平滑预处理,说明了小波变换是一种有效实用的光谱预处理方法.     

基于Matlab 与 C++Builder偏最小二乘分析的编程实现

针对工程测量和科研活动,根据回归性分析中较为先进的偏最小二乘法原理,以Matlab为平台,设计了实用的C Builder回归性分析程序.利用该程序,得到大米近红外光谱和其对应蛋白质含量的模型,模型预测结果和观测值的相关系数为0.993 2,模型的显著性检验F值为1.009 3.     

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．     

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.     

OSC-PLS算法在近红外光谱定量分析中应用的研究

提出一种新的光谱预处理方法--正交信号校正,并将正交信号校正与偏最小二乘法相结合的OSC-PLS方法应用于固体含能材料中挥发份的定量分析.利用正交信号校正,对光谱数据进行预处理,剔除光谱矩阵中所含的各种噪声信号,将去噪后的光谱矩阵作为新的自变量矩阵,再利用偏最小二乘方法建立校正模型.结果表明:用OSC-PLS方法建立模型与用传统偏最小二乘法所建模型相比精度明显提高,这对近红外光谱分析在该领域的应用具有重要的理论意义和实际推广价值.     

基于多变量相空间重构的地下水动态神经网络预测模型

从多元变量时间序列出发,以相空间重构理论为基础,结合偏最小二乘回归与神经网络方法,提出了基于多变量相空间重构地下水动态预测的神经网络模型.通过分别确定各个时间序列的时间延迟和嵌入维数的方法对地下水动态的多变量时间序列进行相空间重构,采用偏最小二乘回归法提取对系统解释最强的成分作为网络输入,利用神经网络模型进行各成分之间的非线性拟合.将基于多变量相空间重构地下水动态预测的神经网络模型应用于黑龙洞泉域地下水位预测,并通过分析与比较验证了该方法的有效性.     

傅立叶变换近红外光谱技术分析完整油菜籽含油量数学模型的建立

利用傅立叶近红外技术和大量具有代表性油菜籽样品建立含油量测定模型,内部交叉法和外部检验集样品对模型检验结果：含油量模型内部交叉验证均方差为O．755,最佳主成分维数为9,采用一阶导数＋矢量归一化方法预处理,谱区为7502．2—6098．2cm^-1、4601．6～4246．7cm^-1时,所建模型对油菜籽含油量测定结果与标准方法测定结果基本一致。说明建立的近红外分析模型能够满足油菜育种中对初级世代材料含油量的快速测定筛选要求。