傅立叶近红外漫反射光谱的偏最小二乘法应用研究

对小麦粉的傅立叶近红外漫反射光谱和成分浓度数据进行了偏最小二乘法处理,对小麦粉的水分、蛋白质干基以及湿面筋干基同时进行了定标和预测.结果证明:偏最小二乘法充分利用了样品的光谱信息和化学组分浓度信息,对于成分复杂以及光谱重叠现象严重的光谱仍然给出了优良的定标和预测结果.     

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．     

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.     

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.     

烃类气体的智能识别

使用十一个不同型号的金属氧化物半导体气体传感器组成传感器阵列，分别用主成份分析法（ＰＣＡ）和偏最小二乘回归方法（ＰＬＳ）处理传感器阵列对一定浓度范围（约７００×１０－６～１４０００×１０－６）的甲烷、乙烷、丙烷、丙烯４种气体的响应．主成份分析法的结果可用来识别未知的烃类气体，偏最小二乘回归得到的较正模型具有较强的预报能力，可用来预报未知烃类气体的类型．     

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.     

在线富集近红外光谱法测定痕量重金属铅

选择螯合树脂D401对水中的重金属铅进行在线富集,使铅离子络合在有机吸附材料上,实现能被近红外光谱检测的目的。利用特殊设计的富集检测装置,富集后的铅离子不经洗脱而直接在线进行漫反射近红外光谱的测量。采用多元散射校正(MSC)对光谱进行校正后,利用偏最小二乘方法(PLS)建立铅浓度与近红外光谱之间的线性模型。经MSC校正后,铅浓度与近红外光谱有很好的线性关系,单个波长吸光度与浓度之间的线性相关系数最高可达0.958 8,用偏最小二乘方法建模的结果是,当隐变量数目为2时,预测误差达到最小,为0.869 7μg/mL,预测相关系数为0.958 4。     

PLS-近红外漫反射光谱法非破坏分析安乃近

比较了偏最小二乘（PLS）法在常规和一阶导数近红外漫反射光谱法分析安乃近的定量预测能力；讨论了校正集样品数和波长间隔对PLS预测的影响．在常规光谱法中，校正样品和预测样品的预测结果的相对标准误差分别为0．9891％和1.4630％．而在一阶导数光谱法中，校正样品和预测样品的预测结果的相对标准误差分别为0.1102％和1.0429％．     

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．     

基于灰色关联度的粒子群优化BP在辛烷值预测中的应用

提出了基于改进的灰色关联度的粒子群优化BP神经网络的方法,将其应用到辛烷值预测研究;通过实例分析,并与传统的BP神经网络进行对比,说明该模型的预测精度高、算法稳定、泛化性能好,更适合于生产控制的需要.     

基于近红外光谱的棉纤维素纤维降解机理研究

近红外光谱技术已经有效应用于表征原材料和经过后整理的纺织产品．基于相对简单的近红外光易识别的化学基团（如：C—H，O—H和N—H），该技术已发展成为聚合物产品最重要的表征方法之一．通过近红外光谱分析定量化表征历史纺织品“Curtain Dress”中的棉纤维素纤维降解程度，研究同一棉纺织产品中引起诸如颜色等不同外观变化的纤维结构形态和大分子结构变化机理．利用Brimrose Luminar 5030近红外分析仪测试获得了“Curtain Dress”包括上身和裙子的8处不同程度褪色区域的近红外光谱，根据近红外光谱吸收峰识别了棉纤维素纤维的典型官能团C—H、C—O和0一H等．并通过主元分析法（PCA,Principle component analysis）分析了不同褪色区域的功能基团振动变化．研究发现第一和第二主成分的因子综合得分F很好地解释了分子中各组成键原子高达99．09％的振动变化程度，有效地反映了在褪色过程中纤维结构与形态变化机理．     

可见-短波近红外光谱用于血红蛋白分析及其稳定性

基于随机性、相似性和稳定性,通过定标集、预测集、检验集的建模过程,采用可见-近红外(NIR)光谱结合偏最小二乘(PLS)方法建立人类溶血液样品的血红蛋白(Hb)的分析模型。将全谱扫描区(400—249 8 nm)分成可见区(400—780nm)、短波近红外区(780—110 0 nm)、长波近红外区(1100—249 8 nm)、可见-短波近红外区(400-1100 nm)、全近红外区(780—249 8 nm)。经过比较、检验,结果表明,可见-短波近红外区达到了最好的模型效果和稳定性,最优PLS因子数为7,检验的预测均方根误差(V-SEP)和预测相关系数(V-RP)分别为4.42 g.L-1、0.967,达到了高的预测精度和稳定性。     

基于有理插值公式GM（1，1）模型的背景值构造新方法与应用

本文通过分析GM（1,1）模型中的背景值,提出了用有理插值和数值积分中的梯形公式及外推法重构背景值,进而有效地提高模型的预测精度和适用性,最后将此方法应用到我国人均能源消耗量预测建模中,理论分析和应用实例表明了文章所提方法的有效性。     

父亲的积极心理资本对高中生情绪智力的影响

采用积极心理资本问卷、父亲参与问卷、简式父母教养方式问卷和情绪智力量表,对整群随机抽取的贵阳市5所高中生(高一、高二)及其父亲进行问卷调查,用相关和结构方程模型等方法对数据进行分析。结果显示:父亲的积极心理资本、教养方式、参与都和高中生的情绪智力呈著的正相关,其中教养方式的拒绝维度与其呈显著的负相关,而过度保护维度与其相关不显著;父亲的积极心理资本、教养方式、参与对高中生情绪智力的中介作用模型拟合较好;用潜变量的调节效应分析法,分析参与在积极心理资本对高中生情绪智力的调节作用,发现2检验结果是统计显著的(p0.01)。     

Application of NIR spectroscopy for firmness evaluation of peaches

The use of near infrared （NIR） spectroscopy was proved to be a useful tool for quality analysis of fruits. A bifurcated fiber type NIR spectrometer, with a detection range of 800-2500 nm by InGaAs detector, was used to evaluate the firmness of peaches. Anisotropy of NIR spectra and firmness of peaches in relation to detecting positions of different parts （including three latitudes and three longitudes） were investigated. Both spectra absorbency and firmness of peach were influenced by longitudes （i, ii, iii） and latitudes （A, B, C）. For modeling, two thirds of the samples were used as the calibration set and the remaining one third were used as the validation or prediction set. Partial least square regression （PLSR） models for different longitude and latitude spectra and for the whole fruit show that collecting several NIR spectra from different longitudes and latitudes of a fruit for NIR calibration modeling can improve the modeling performance. In addition, proper spectra pretreatments like scattering correction or derivative also can enhance the modeling performance. The best results obtained in this study were from the holistic model with multiplicative scattering correction （MSC） pretreatment, with correlation coefficient of cross-validation γcv=0.864, root mean square error of cross-validation RMSECV=6.71 N, correlation coefficient of calibration r=0.948, root mean square error of calibration RMSEC=4.21 N and root mean square error of prediction RMSEP=5.42 N. The results of this study are useful for further research and application that when applying NIR spectroscopy for objectives with anisotropic differences, spectra and quality indices are necessarily measured from several parts of each object to improve the modeling performance.     

最小二乘支持向量机在API预测中的应用

传统的空气污染指数预测模型大多是以影响空气污染指数的重要气象因子作为输入,使用BP神经网络进行建模,模型的预测精度低且收敛速度慢.针对空气污染指数时间序列的非线性及多分辨率特性,提出了一种空气污染指数的最小二乘支持向量机预测模型.首先利用小波变换对原始的空气污染指数时间序列进行多尺度分解,以各尺度上的小波单支重构序列和重要的气象因子作为输入,然后使用该模型对兰州地区的空气污染指数进行了预测,最后讨论了模型参数的优化方法并使用网格法对两个参数进行了优化.仿真结果表明,与传统的BP神经网络预测模型相比,该模型具有更高的预测精度、更快的收敛速度及更好的稳定性.     

花椒挥发油作为天然经皮促透剂的细胞毒性及促透活性

研究目的：创新要点：研究方法：重要结论：研究花椒挥发油作为天然经皮促透剂的促透活性及其促透机制,同时评价其皮肤细胞毒性。首次评价了花椒挥发油的皮肤细胞毒性、经皮促透活性及其作用机制。利用表皮角质形成细胞（HaCaT）和真皮成纤维细胞（CCC-ESF-1）评价花椒挥发油的细胞毒性;采用亲水性及亲脂性模型药测定挥发油促透活性的基础上研宄其促透作用机制。花椒挥发油具有良好促透活性并具有较低皮肤细胞毒性。     

互信息和核熵成分分析的油中溶解气体浓度建模

针对变压器油中溶解气体浓度的预测问题,提出了一种基于互信息和核熵成分分析(KECA)的油中溶解气体浓度预测建模方法。首先,用标准互信息变量选择方法确定模型的输入变量并对选取的输入变量进行相重构;然后,利用Renyi熵信息测度确定KECA核参数并采用KECA对相空间进行特征提取;最后,以核熵成分作为机器学习极限学习机(ELM)的输入,建立变压器油中溶解气体浓度的预测模型。实验结果表明,与灰色模型、支持向量机、BP神经网络建模方法相比,本文提出的方法能够充分利用油中溶解气体浓度信息,因而具有较优的预测精度和泛化能力。     

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.