神经网络在大米蛋白质含量预测模型中的应用

大米蛋白质含量是影响大米营养及食味特性的一个重要指标．借助主成分分析，确立了用于近红外光谱分析的BP神经网络的输入输出模式对；并用BP神经网络方法建立了不同类型、不同粒度的大米样品蛋白质含量预测模型；考察了模型的预测能力，其预测值与用标准方法取得的化学分析值间具有良好线性关系，相关系数达0．90以上，用BP神经网络可降低样品粒度的不同对预测结果造成的差异．     

基于NIR的模式识别技术在地理标志产品响水大米鉴别中的应用

分别利用多元线性回归判别分析和BP人工神经网络分析建立了近红外光谱(NIR)快速鉴别地理标志产品响水大米的新方法.大米的近红外光谱数据经过一阶导数和平滑处理后,利用主成分分析对数据进行了降维处理,并确定了相关性最大的特征波段(7 700~6 700cm-1与5 700~4 300cm-1).利用特征波段的主成分数据建立了多元线性回归判别分析和BP人工神经网络鉴别模型.2种模型对于地理标志产品响水大米的鉴别正确率均为100%,适用于地理标志产品的快速无损鉴别.     

近红外光谱法测定汽油中的芳烃含量

研究了采用近红外光谱测定汽油中芳烃含量的方法，通过汽油单体分析法获得汽油中芳烃的基础数据。在1000—2000nm波长范围内，应用傅立叶变换近红外光谱仪，交互检验偏最小二乘法对使用的近红外光谱数据进行优化，所得校正模型对训练集样品预测的相对平均误差为0．42％，相关系数为0．9696。对未知样品将近红外预测结果与GC的测定结果进行比较，相对平均误差为0．45％。作为一种快速分析技术，近红外光谱测定汽油中芳烃含量是简便可靠的方法。     

傅里叶变换近红外光谱分析技术在物检中的应用

应用傅里叶变换近红外光谱分析技术（FT—NIR），测定了934个具有代表性的卷烟纸和成型纸样品的近红外透射光谱数据．同时采用行业标准方法测定了卷烟纸和成型纸定量、厚度、透气度、水分、灰分、抗张强度（伸长率、拉力）的物理指标数据．利用偏最小二乘法（PLS）结合傅里叶变换近红外透射光谱，分别建立了卷烟纸定量、厚度、透气度、水分、灰分的数学模型；并在显著性水平大干0．05的条件下，将模型的预测值与行业标准方法测定的结果相对比，两者无显著性差异．该分析方法用于对卷烟纸物理指标的测定，具备同时、快速、准确、操作简单、无污染等特点．     

时域加窗在降低OFDM系统频偏敏感性中的应用

讨论了0FDM(正交频分复用)系统对频偏的敏感性，对利用循环扩展和时域加窗技术降低OFDM的频偏敏感性的方法进行了理论分析；并对现有的几种循环扩展和时域加窗方法进行了计算机仿真和性能比较．     

基于近红外光谱技术快速检测青金桔果粉中微生物菌数

应用近红外光谱测定及细菌培养平板计数的方法建立水分活度为0.1的青金桔原粉中大肠杆菌、酵母、霉菌总数的快速检测模型。通过考察温度0℃、27℃、35℃的不同保存条件下青金桔粉中霉菌、酵母、大肠杆菌的近红外光谱以及微生物菌数变化,建立青金桔粉中菌落数的近红外模型。结果表明:霉菌总数的校正和预测模型的有效决定系数分别为0.9811和0.9823,酵母菌总数的校正和预测模型有效决定系数分别为0.8794和0.8264,大肠杆菌总数的校正和预测模型的有效决定系数分别为0.9420和0.9904,实验研究的模型对青金桔粉中大肠杆菌和霉菌总数的检测准确性较高,可用于快速、无损检测。     

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．     

乙醇水溶液体积分数和温度的近红外激光拉曼光谱研究

为了研究乙醇水溶液近红外激光拉曼光谱随体积分数和温度的变化,首先通过便携式近红外激光拉曼光谱仪测得0~100%乙醇水溶液在10~30℃的拉曼光谱,然后将温度和拉曼光谱值一起用于建立体积分数预测模型,以提高其预测精度.结果表明:带有温度值的PLS模型相关系数(Rc)为0.997 6,校正均方根误差(RMSEC)为1.94,预测模型相关系数(Rp)均达到0.995 0以上,建立的乙醇水溶液联合模型性能较稳定,能够满足不同温度下乙醇水溶液体积分数的测定,满足实际在线检测的需要.进一步研究温度与乙醇水溶液的近红外拉曼光谱的关系,在体积分数0~100%每隔10%建立一个近红外拉曼光谱的温度PLS模型,得到11个模型的相关系数,R值在0.734 4和0.954 7之间,并且随着乙醇体积分数变大,R值越来越大.     

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．     

采用近红外漫反射光谱法分析牛奶成分

为提高牛奶成分化学分析的效率，研究了近红外漫反射光谱在牛奶主要成分分析中的应用；讨论了光在牛奶中的传播方式和相关测量方法的选择；采用偏最小二乘(PLS)建立校正模型，比较了各种预处理方法和不同谱区的建模效果，其中脂肪的相关系数为0．99，标准偏差为0．048 g/dL，蛋白质的相关系数为0．92，标准偏差为0．102g/dL结果表明，近红外漫反射光谱测量可以满足牛奶主要成分的测量要求。     

一种适用于横向外推的精细相干扫描方法

为提高地震约束反演及相干去噪时相邻道间相关分析的精度,首次提出了一种新的相干扫描分析方法。在扫描时使用变化的时窗长度和时窗端点,通过加权求和扫描寻优,实现了包括反射波组平移、伸缩、增减等多种变化情形在内的复杂道间关系的描述。该方法为约束反演时,通过横向外推获得无井地震道的约束条件提供了更加精确的方法。对模型数据和实际资料的处理结果都证明了该方法的正确性和实用性。     

基于二型模糊逻辑的交通流量预测

提出了一种改进的模糊c均值聚类算法,该算法将模糊聚类的对象从单值扩展到区间,在构造二型模糊系统时,通过对历史数据的学习提取二型模糊规则,克服了专家方法不能对未知领域提取规则的不足.在此基础上,针对智能交通系统,提出一种新的基于二型模糊逻辑的交通流量预测方法.该方法应用区间型二型模糊集具有上下限隶属度函数的性质构造预测区间,适合于处理具有复杂不确定性的情况.通过隶属度函数可以反映出该区间中预测值的可靠性,从而克服了其他预测方法仅给出单值且稳定性不高的缺点.仿真结果表明,基于二型模糊逻辑的流量预测区间具有较高的准确度,其平均相对误差低于6%.     

基于自适应自回归模型的非线性流量负荷预测

针对新一代移动数据业务(MMS,KJAV,WAP)具有复杂的非线性特性和不平稳特性,采用鲁棒Kalman滤波算法,提出了一种自适应自回归滑动平均模型(AARMA),并将其应用于移动数据业务负荷预测中。实际预测结果表明,即使是对变动大且不稳定的移动业务流量,自适应ARMA模型稳定,预测精度高,且预测误差的白噪声特性明显。     

基于误差修正模型的河川年径流量预测研究

对河川径流量预测进行了研究.考虑到年平均水位与年径流量关系密切,误差序列一般不是白噪声序列等因素,用传统的预测模型预测效果不佳.误差修正模型不需要假定误差序列是白噪声序列,只要变量间存在协整关系.利用年平均水位与年径流量的协整关系建立误差修正模型,并加以分析,得到了更好的预测模型.     

灰色GM（1，1）模型的一种优化组合方法

针对GM(1,1)预测模型的不足之处,首先基于X(0)序列的相对误差平方和最小的思路,提出了一种新的优化时间响应函数即确定指数函数exp(-at)系数C的方法;第1步采用优化背景值方法确定a,b后,第2步用本文方法确定系数C,得到了一个优化组合的新GM(1,1)预测模型.经大量的数据模拟发现,此优化组合新模型无论对高增长系数,还是对低增长系数都具有极高的模拟与预测精度.     

基于时间序列对电力系统短期负荷的预测

针对电力系统短期负荷的预测,建立了多元回归和时间序列预测模型,分析了最高温度、最低温度、平均温度、相对湿度、降雨量分别对日最高负荷、日最低负荷、日平均负荷的影响程度,以及预测出短期负荷,应用MATLAB、SPSS进行求解,研究得出:最高温度对日最高负荷、日最低负荷、日平均负荷的影响程度最大,且预测值与实际值的相对误差在允许误差范围内,模型可靠性较高。     

双重改进灰色马尔可夫模型的物流园区物流量预测

为科学预测物流园区的物流量,对灰色马尔可夫预测模型进行双重改进,利用灰色波动多项式替代灰色模型中的指数型曲线,采用滑动转移概率矩阵改进传统的马尔可夫链.利用某物流园区物流量的调研数据对最大相对误差、平均相对误差、残差平方和等因素进行分析.结果表明,双重改进的灰色马尔可夫模型能够更好地预测物流园区的物流量.     

流量预测精度对控制效果的影响

为说明流量预测算法对交通控制的实际影响,进而提出交通控制对预测算法的精度要求,根据青岛市江西路实地流量数据,分析线性预测算法的预测精度,研究预测精度对交叉口流量比、周期的影响,进一步获得预测精度对交叉口平均延误和通行能力的影响。研究过程发现数据前期的平滑处理可提高流量预测精度,从而减少预测数据对配时参数以及控制效果的干扰。通过数据分析及研究,结果显示线性流量预测算法预测误差大约为10%,这对周期造成2%左右的误差,使绿灯时间误差在2s以内,而对延误及通行能力的误差干扰都在5%以内。说明线性预测算法在实际信号配时方案中具有可行性,从而简化系统的复杂性,提高运行效率。     

基于神经网络内模控制的近红外光谱定量分析方法

以近红外光谱法为基础测定方法,结合内模控制,论述了采用自适应神经网络建立校正模型测定石油化工产品组成的可行性.基于dSPACE硬件平台,实验以直馏柴油、加氢精制柴油和催化裂化柴油为校正模型的训练样本,对自适应神经网络校正模型进行了检验,实验结果表明:该方法响应快、误差小、鲁棒性强,在近红外长波区内,校正样品和验证样品的均方误差小于10-6.     

通风机房噪声模型的建立及分析

应用系统控制理论,建立通风机房噪声控制模型.在扩散声场假设条件下,采用系统学、统计学等方法来处理室内声场,避免了繁杂的数学推导.经布点监测验证,利用该模型计算通风机房噪声,预测值和实验值比较吻合,误差(ψ)在0.10～1.92 dB,平均误差为1.04 dB,模型在通风机房噪声控制是适用的.