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     

可见/近红外光谱结合变量选择方法检测牛肉挥发性盐基氮

为实现生鲜牛肉整个储存期内(4℃环境)挥发性盐基氮(TVB-N)的快速无损检测,提高检测精度,搭建了可见/近红外光谱(VIS/NIR)检测系统,采集储藏在4℃下1～17 d生鲜牛肉400～1 700 nm波段范围的反射光谱.对比多元散射校正(MSC)、Savitzky-Golay(SG)平滑、一阶导数(FD)预处理方法,结合无信息变量消除(UVE)和连续投影算法(SPA)提取有效光谱变量,建立TVB-N的最佳LS-SVM预测模型.结果表明:SG为最佳预处理方法,UVE和SPA方法使LS-SVM建模变量减少了99.5%,预测相关系数和标准差分别为0.925,4.615 mg.(100 g)-1.     

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.     

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.     

基于偏最小二乘回归的粮食产量模型分析

利用偏最小二乘回归方法对我国的粮食产量建立模型.在此基础上通过构造符合F分布的统计量,绘制T2椭圆图检测样本点中是否存在的异常点;通过构造变量投影指标反映每个自变量对因变量的影响程度,以此来提出提高因变量产量.     

基于近红外特征变量筛选对火麻油掺杂的快速检测

利用近红外光谱技术对掺杂了大豆油、花生油、葵花籽油和玉米油的火麻油进行鉴定,结合偏最小二乘法(PLS)和最小二乘支持向量机(LS-SVM)模型建立定量分析,并利用连续投影算法(SPA)和竞争自适应重加权采样算法(CARS)提取特征变量.结果表明:LS-SVM回归模型的准确度优于PLS模型,其预测相关系数R_p~2分别达到0.950 4、0.905 8、0.857 4和0.767 3;SPA和CARS是两种有效的特征变量选择算法,能够提高模型的准确性,并且CARS效果优于SPA;其中,LS-SVM-CARS模型的R_p~2分别达到0.982 1、0.907 5、0.958 7和0.924 9.因此,在油脂掺杂快速检测中,LS-SVM-CARS是一个准确度高、变量数少、传递性较强的定量分析模型.     

利用地面光谱数据反演悬浮泥沙质量浓度

为研究用高光谱数据反演悬浮泥沙质量浓度的方法,以近海悬浮泥沙为实验材料,配制了不同质量浓度悬浮泥沙样品,利用2种方法对样品进行建模:一种是将可见光和近红外光谱进行小波变换并将小波低频系数以偏最小二乘回归建模,另一种为波段组合法.利用交叉检验方法,分析了交叉检验结果,并将2种方法建立的模型进行了比较.研究表明:波段组合法中,TM4与TM1波段反射率比值的指数模型效果最好;在预测能力上,小波偏最小二乘模型总体上比波段组合模型精度高并且稳定性好,适用于悬浮泥沙光谱定量分析.     

协变量区间删失时线性变系数模型的参数估计

研究了当协变量为区间数据时的变系数一维线性结构关系模型,通过构造区间数据变量的条件均值,它与区间数据变量具有相同的均值,然后利用加权最小二乘法得到了变系数一维线性结构关系模型中的参数估计,当协变量的分布已知时,证明了估计的弱相合性和强相合性.     

基于区间模糊数的模糊线性回归模型及其应用

以区间模糊数为研究对象建立了模糊线性回归模型,以模糊集之间的测度贴近度为理论依据引入了一种模糊数之间距离的概念,并通过最小二乘原理给出了该模型的参数估计方法,最后结合沈阳市温度变化情况的实际例子给出该模型的应用。     

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.     

基于改进的偏最小二乘回归的酸雨pH值预测

酸雨pH值受到酸性离子[SO4^2-]、[NO3^-]和碱性离子[Ca^2＋]、[NH4^＋]等的影响。这些影响因素之间存在多重相关性。用一般最小二乘回归分析预测pH值,参数估计存在很大的误差且物理意义明显不足。应用偏最小二乘回归技术建立pH值预测模型,克服了自变量之间多重相关性的问题,因而更具有先进性,计算结果更为可靠,而改进的偏最小二乘回归则从预测角度对偏最小二乘回归模型进行了改进。以我国17个城市pH值预测为例,说明了改进的偏最小二乘回归法比普通偏最小二乘回归法效果好。     

缺失数据下区间自回归模型的参数估计

研究了当数据存在缺失时区间值自回归模型的参数估计问题.利用均值补充法、条件均值补充法对缺失数据进行补充,在此基础上进一步利用条件最小二乘估计方法对模型参数进行了估计,并通过随机模拟说明了上述估计方法的合理性.     

耦合高光谱数据估算土壤含水率的方法

在田间利用高光谱技术监测土壤含水率(Soil Moisture Content,SMC)成为精准农业研究的热点之一,但农田原状光谱受到土壤表层属性如表面粗糙度、质地、微聚体和其它环境因素的影响,且小尺度区域SMC空间差异较小,增加了SMC光谱信息的提取难度,导致SMC的估算精度较低;基于实验室内经过筛制备的土壤样品的光谱数据建模,虽然模型精度较高,但人为改变土壤结构和紧实度的预处理方式无法表征农田SMC的实际状况.因此,该文尝试提出一种耦合土样原状光谱数据和标准光谱数据估算农田SMC的新方法.通过获取江汉平原潮土土样的原状光谱反射率(R_und)和烘干光谱反射率(R_dry);基于R_dry确定研究区同一土壤类型在烘干状态下(SMC为0)的标准光谱(Std­R);采用差值、比值、归一化的方法耦合R_und和Std­R,得到耦合光谱(Cpl­R_S、Cpl­R_D、Cpl­R_N);提取耦合光谱中水分敏感波段的光谱(Moe­R_S、Moe­R_D、Moe­R_N),基于偏最小二乘回归方法(PLSR)建立SMC的估算模型.结果表明,标准光谱具有良好的代表性,能够为光谱耦合提供统一且稳定的背景值;耦合土样的原状光谱和标准光谱可以有效地削减土壤水分以外其它因素对土壤高光谱观测的影响;利用耦合光谱的水分敏感波段建立的SMC估算模型相较基于R_und建立的模型,有效降低了模型的复杂度,精度有较大程度地提升,建模集Rc(2)从0.46最高上升至0.61,验证集Rp(2)从0.49最高上升至0.71,RPD值从1.39最高上升至1.72,模型的稳定性、拟合度和预测能力都得到提升.该方法简单、易推广,为快速准确评估农田墒情提供了新途径.     

基于近红外光谱无损快速检测面粉品质的研究

提出一种基于近红外光谱技术结合偏最小二乘法对面粉品质进行无损快速检测的方法.配制含滑石粉的面粉样品30个,采集样品在12 500~4 000 cm-1范围内的近红外漫反射光谱,选择最优的光谱预处理方法和光谱范围,采用偏最小二乘法(PLS)建立定量分析模型.结果表明所建定量分析模型的相关性能比较高,预测相关系数和预测均方根误差均符合要求.研究发现,近红外光谱技术用于快速无损检测面粉掺假是可行的.     

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.     

基于区间估计的最小二乘法在卡尔曼滤波中的应用研究

卡尔曼滤波是以最小均方误差为估计的最佳准则来寻求一套递推估计的算法。最小二乘估计是最常用的估计理论,它能保证每个偏差都较小,而区间估计反映误差范围使用起来把握大,但它无法估计单点的误差。针对滤波精确度问题,为使估计值误差达到最小,滤波精确度提高,提出了采用区间估计与最小二乘法估计2种策略结合的新方法,充分利用二者优势,求得观测点与估计点的距离的平方和最小值,对目标函数多次拟合。仿真实验结果表明,区间估计最小二乘卡尔曼算法大大提高滤波精确度,与区间卡尔曼滤波相比,它有较小的误差,滤波性能也得到很好的提升,极大的降低了噪声在滤波过程中干扰,在以后实际工作中将得到很大应用。     

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.     

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．     

基于粗糙集的偏最小二乘回归方法

针对变量之间多重相关性导致最小二乘估计失效的问题,提出基于粗糙集改进偏最小二乘回归建模方法.首先,利用粗糙集对数据进行一般约简,去除冗余信息,再进行偏最小二乘回归分析,建立回归模型.通过实例计算,并与PLSR、PCR进行比较分析.结果表明：用粗糙集改进的PLSR建模精度为3.65%,分别高于PLSR(4.07%)和PCR(4.45%),从而验证了所提出方法的通用性及实用价值.