PA和PDS算法在遥感FTIR光谱模型传递中的应用

采用普鲁克分析(PA)算法和分段直接校正(PDS)算法,解决化学计量学多元校正中的模型传递问题.选择红外谱图严重混叠的4种大气有机毒物--丙酮、苯、三氯甲烷和甲醇作为分析对象,文中的光谱数据来自2部分:美国环境保护署(EPA)数据库和实验室的实测遥感傅里叶变换红外(RS-FTIR)光谱数据.研究PA算法、PDS算法中主因子数及传递样品数对传递结果的影响,分别计算2种算法对该4组分体系的预测均方根误差(RMSEP)并进行比较.预测结果表明:2种算法均取得了较好的模型传递效果,其中PDS算法丙酮的RMSEP为0.145,PA算法丙酮的RMSEP为0.122,PA算法优于PDS算法.     

近红外光谱结合蚁群算法检测花茶花青素含量

花青素是花茶中的主要质量指标,为了快速准确的检测花茶中花青素的含量,提出一种基于蚁群算法(ACO)结合区间偏最小二乘法(iPLS)的近红外光谱检测方法.原始近红外光谱经过预处理采用ACO-iPLS优选花青素含量对应的特征子区间.当全光谱划分为12个子区间时,ACO-iPLS优选出第1,9,10共3个子区间,在此基础上建立的近红外光谱模型最佳.模型对校正集和预测集相关系数分别为0.901 3和0.864 2;交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.160 0 mg·g-1和0.202 0 mg·g-1.研究结果表明:与常规的iPLS相比,ACO-iPLS不但可以有效选择近红外光谱特征谱区,而且建立的模型具有更高的精度和鲁棒性.     

基于近红外与拉曼光谱的甲醇汽油定量分析

利用近红外和拉曼光谱法定量分析了甲醇汽油中甲醇的含量,采用偏最小二乘法(partial least squares,PLS)建立甲醇的定量模型.近红外光谱法测定甲醇定量模型的预测集相关系数RP为0.998,预测均方根误差(RMSEP)为0.289%;拉曼光谱法测定甲醇定量模型的预测集相关系数RP为0.982,预测均方根误差(RMSEP)为1.141%.实验表明,近红外与拉曼光谱技术均可用于甲醇汽油中甲醇含量的快速检测.     

基于AIRF-CARS波段选择算法的橡胶树叶片氮含量定量研究

以橡胶树叶片的近红外光谱信息为分析对象,运用由粗放到细致的多分辨率特征提取思想,提出了一种融合自适应间隔随机蛙与竞争自适应重加权采样(AIRF-CARS)的算法提取橡胶树叶片的光谱特征信息,从而实现了橡胶树叶片氮含量的定量分析.实验结果表明,AIRF-CARS算法有效的压缩了光谱特征的数量,通过算法选择的特征波长为22个,使得定量分析模型的预测均方根误差(RMSEP)和决定系数(R~2)分别为0.136 4%和0.959 6.因此,本文算法可以有效地提取信息量较大的波长特征,应用于近红外光谱检测的定量分析中,并为便携式田间多波段光谱仪的研发提供理论支撑.     

近红外光谱定量预测奶粉中三聚氰胺的含量

近红外光谱技术(NIRS)结合偏最小二乘算法(PLS)建立了奶粉中三聚氰胺含量的定量分析模型.采用二阶导数光谱建立模型,最有效的波长范围为4000.63~6803.63 cm-1和6800~9700 cm-1,最优模型的定标模型的相关系数(R)为0.9999,定标标准分析误差(SEC)为1.43%,预测相关系数(R)达到0.9284,预测标准分析误差(SEP)为1.03%,模型具有较好的预测效果.研究表明近红外光谱检测技术可用于奶粉中三聚氰胺的定量分析.     

基于BP-Adaboost的近红外光谱检测固态发酵过程pH值

为了实现固态发酵过程参数pH值的快速检测,提出基于近红外光谱技术的固态发酵过程参数pH值检测新方法.首先获取140个固态发酵过程产物样本在10 000 ～4 000 cm-1范围内的近红外光谱;然后利用酸度计测得近红外光谱预测模型的参考测量值;最后运用Adaboost(AdaptiveBoosting)算法来构建由10个弱预测器(BP神经网络)组成的BP-Adaboost强预测模型.试验结果显示:该模型的预测均方根误差(RMSEP)和预测集相关系数(R)分别为0.072 6和0.981 1;与BP模型结果相比,该模型具有较好的预测精度.     

基于人工蜂群波长优选和残差增广的近红外光谱定量模型研究

提出一种基于人工蜂群(artificial bee colony,ABC)算法的光谱波长优选和残差数据增广回归算法的近红外光谱定量模型.以勾兑果汁中苹果汁原汁含量的近红外光谱数据为基础,对原始光谱数据进行预处理,通过人工蜂群算法优选光谱波长变量,采用优选出的波长变量建立近红外光谱浓度残差增广的最小二乘回归(concentration residual augmented classical least squares,CRACLS)模型.将ABC波长优选后建立的CRACLS模型与全光谱建立的CRACLS模型,遗传算法(genetic algorithm,GA)波长优选后建立的CRACLS,ABC波长优选后建立的PLS模型,全光谱建立的PLS模型,GA波长优选后建立的PLS模型进行比较.实验结果表明,ABC-CRACLS模型的校正集的Rc值为0.999 8,RMSEC值为0.000 9,预测集的Rp值为0.999 1,RMSEP值为0.012 1,均优于其它几个模型.因此提出的人工蜂群算法能够有效地处理好波长变量的优选问题,并且CRACLS模型取得良好的预测结果.     

基于近红外光谱技术的季戊四醇生产过程中产品及副产物含量在线监测

为了对季戊四醇的生产过程进行在线实时监控,利用近红外光谱分析技术建立了季戊四醇生产过程中产品及副产物含量的定量分析模型。首先采用高效液相色谱法(HPLC)测定产品季戊四醇、副产物甲酸钠和双季戊四醇的含量,然后对近红外光谱仪采集的光谱图进行预处理,结合偏最小二乘法(PLS)建立了3种化合物含量的定量分析模型。季戊四醇、甲酸钠、双季戊四醇这3种化合物的定量分析模型的校正均方根误差(RMSEC)分别为0.563、0.964、0.591,相关系数(R_c)分别为0.980 6、0.990 7、0.919 2;预测均方根误差(RMSEP)分别为0.450、0.364、0.311,相关系数(R_p)分别为0.927 4、0.990 8、0.963 6。将本文方法与HPLC法进行了对比验证,结果显示本文方法的准确度高,重复性好。以上结果表明,所建立的3种定量分析模型稳定可靠,具有较好的预测能力,能够应用于季戊四醇产品及副产物的含量检测,实现季戊四醇生产过程的在线监控。     

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.     

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.     

基于校正分布差异的标定迁移方法研究

针对近红外光谱数据的维度高、特征之间存在严重的多重共线性的特点,提出了无迁移标准的通过校正分布差异的标定迁移方法(calibration transfer via correcting distributions difference,CT-CDD).CT-CDD首先建立主仪器的偏最小二乘模型,然后通过偏最小二乘模型提取主仪器和从仪器的潜变量,并且分别对主仪器和从仪器的潜变量进行聚类.该方法基于这样的假设:聚类后的主仪器和从仪器的每一部分特征光谱均服从单高斯分布.最后,找到2个仪器的最接近的子分布,通过校正均值和方差来校正数据分布的差异.实验结果表明CT-CDD通常更加鲁棒并且还可以实现最低的均方根预测误差.     

迁移学习在食用油光谱模型转移中的应用

由不同光谱仪器采集的光谱数据建立的模型在共享使用时,会出现模型失效问题,使得模型的利用率低,不利于光谱行业的发展需要。尝试采用迁移学习方法探究在食用油酸值和过氧化值2个指标上的模型转移。实验样本为大豆油、花生油、芝麻油和玉米油共50个食用油样本;实验仪器为VERTEX70傅里叶红外光谱仪和AntarisⅡ傅里叶近红外光谱仪(包含光纤探头和透射探头)。以不同的仪器组合设计了3组实验,采用偏最小二乘法建立近红外光谱定量分析模型,进行了模型转移研究。以第一组实验为例,经过迁移学习后建立的酸值和过氧化值模型的相关系数,由0.068419和-0.371980上升至0.730980和0.819040;校正均方根误差系数由0.358180和0.090110下降至0.192480和0.032720。实验表明,迁移学习可以有效地缓解模型失效问题,提高了模型的泛化能力。该研究可为光谱分析模型的广泛应用提供新的思路。     

污水化学需氧量近红外光谱分析的波段选择

采用近红外透射光谱和移动窗口偏最小二乘(MWPLS)方法,建立污水化学需氧量(COD)近红外光谱分析的优化模型最优模型的对应波段为820-850nm,采用波长点个数为16,PLS因子数、RMSEP、Rp分别为13,25.5mg/L,0.968,预测相关很高,其预测效果明显优于全谱模型,并且采用的波长点个数远远优于全谱波...     

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．     

烟草化学成分AOTF一近红外在线模型转移研究

AOTF．近红外光谱仪采用全密封固化设计,没有任何可移动部件,不受温度、湿度、灰尘等外界环境的影响,其设计特点适合在线检测．建立的近红外光谱模型可以在多台近红外光谱仪之间转移,研究工作中采用直接矫正法来修正原模型光谱信息,提高信号的信噪比和复杂背景的校正,进行模型转移．转移后的烟草化学成分总糖、烟碱、氯在线检测模型的决定系数分别为0．9336、0．8961、0．9310．随机采集17个样品,用转移后的模型预测,总糖、烟碱、氯的平均相对标准偏差分别为3．19％、3．76％、5．00％,完全能够满足烟草工业在线检测需要．     

数据区间优化对SSVEP算法性能的影响

稳态视觉诱发电位(steady-state visual evoked potential, SSVEP)响应的个体差异性较大,不同环境下各被试者脑电信号的质量有差别.针对这个问题,研究了SSVEP中数据区间的优化对CCA(典型相关分析)和ECCA(扩展典型相关分析)方法分类结果的影响.首先通过网格搜索方法找到脑电信号的最优数据区间,然后使用CCA和ECCA方法对该区间数据进行特征识别,使得识别效果得到提升.实验结果表明,同时对数据区间起始点和终点进行优化能够有效提升信息传输率(ITR),数据区间优化后的CCA和ECCA分类平均ITRs为(61.18±27.20)bit/min和(71.37±32.24)bit/min,比使用传统的仅优化数据区间终点的方法提高了29.89%和8.3%,证明了通过数据区间优化能够提升SSVEP算法的性能.     

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.     

FT-NIR光谱应用于柚子皮果胶定量分析的波段优选

基于傅里叶变换近红外(FT-NIR)漫反射光谱分析技术,采用分段多元散射校正(PMSC)预处理与移动窗口偏最小二乘(MWPLS)方法为柚子皮果胶的定量分析优选波段。基于全谱进行PMSC预处理,在此基础上结合留一交叉检验技术优选21个分段窗口大小,以此设定为MWPLS方法波段优选的窗口宽度。详细讨论先后采用或不采用MSC预处理的MWPLS模型的预测效果,并从中优选定标预测模型。最优的方案为先MWPLS选择波段,后MSC预处理再建立PLS模型,其优选波段为8 540—7 944(cm-1),窗口宽度为310,对应的最优PLS因子数为11,相应的预测均方根偏差(RMSEP)和预测相关系数(RP)分别为0.520 7(%)、0.871 1。该模型明显优于先对全谱做MSC预处理再建立MWPLS模型,且大幅度优于基于原光谱数据直接建立的MWPLS模型。结果表明,采用PMSC预处理为MWPLS方法搜索窗口宽度预设值,大大降低了MWPLS模型的运算量,有利于波段优选光谱。MWPLS模型结合MSC预处理方法可以有效地应用于柚子皮果胶成分的FT-NIR定量分析。     

近红外光谱技术对液态奶制品中乳糖、脂肪及蛋白质的定量检测

用InfraXact多功能近红外分析仪和正交实验设计,研究了不同预处理和校正方法对建模效果的影响,建立了液态奶制嘉中脂肪、乳糖和蛋白质质量含量的定标模型。利用目标函数法对模型进行评定,并对选出的最优模型的适用性进行验证．结果表明,最优模型对糖、脂肪和蛋白质的相对标准偏差分别为4．12％,7．04％,9．61％,相对误差分别为2．82,6．28,2．72．正交实验方法能综合考虑不同预处理方法和校正方法对模型建立的影响．近红外光谱分析法能够实现对牛奶中脂肪、乳糖和蛋白质质量含量进行快速、无损的定量检测．     

双旋弹丸弹道修正组件控制响应模型研究

为提高靶场试验中修正组件的打击精度,获得更好的滚转控制效果,评估滚转控制算法和弹道修正策略的性能,建立具有实际指导意义的双旋弹丸弹道修正弹修正组件控制响应模型,提出了一种数值仿真与试验测试相结合的执行机构建模方法.该方法通过获取双旋执行机构在阶跃冲击下的时域响应特性,结合拉氏变换计算传递函数,建立电磁控制力矩动态响应模型;通过飞行试验进一步获得准确的气动力矩和隔转阻尼力矩模型,建立了双旋弹道修正组件固定鸭舵滚转控制响应模型.风洞环境下的控制试验结果表明:双旋弹丸弹道修正组件控制响应模型能够以较高的精度评估组件动态控制响应特性,误差小于1.5%.试验验证了建模方法的可行性,也为后续弹道修正策略和控制算法研究提供了精确可靠的分析模型.