基于iPLS原理最优化信息区间的桃糖度组合权重PLS模型研究

采用反向区间偏最小二乘法和组合区间偏最小二乘法优化桃糖度可见/近红外光谱的信息区间组合,在选择的信息区间基础上提出了建立一种线性组合权重PLS模型的方法。对近红外光谱进行二阶导数处理、卷积平滑校正后,在区间分割数为15时筛选结果最优,BiPLS所选择的信息区间为742~770nm和 862~920nm,SiPLS所选择的信息区间为742~770nm、832~860nm和892~920nm;直接组合信息区间BiPLS和SiPLS模型的RMSEP值分别为0.386和0.308;线性组合权重PLS模型的RMSEP值分别为0.351和0.364。结果说明在近红外定量分析中,建立线性组合权重模型具有克服复杂样品各信息区间对PLS建模贡献率不一样的问题。     

BiPLS结合模拟退火算法的近红外光谱特征波长选择研究

为了简化近红外光谱模型,提高对草莓可溶性固形物含量的预测精度,将反向偏最小二乘法(BiPLS)与模拟退火算法(Simulated annealing algorithm,SAA)相结合优选特征波长,建立了多元线性回归可溶性固形物光谱模型.原始光谱经过预处理后,用反向偏最小二乘法优选出4个特征子区间(分别为第8、13、1...     

基于iPLS和SiPLS算法的人体血清胆红素含量的可见-近红外光谱建模

为了建立血清胆红素(BR,bilirubin)样品总胆红素 (TBIL) 、直接胆红素(DBIL)和间接胆红素(IBIL)近红外(NIR)光谱分析最优模型,利 用可见-NIR透射光谱技术与间隔偏最小二乘法(iPLS)及协合区间偏最小二乘法(SiPLS)算法 相结合对建模区域进行优 选,实现血清光谱特征波段选择,建立光谱与血清BR成分之间的定量预测模型,以均方根误 差(RMSE)作为模型 评价标准。结果表明:SiPLS模型效果更佳,TBIL、DBIL和IBIL的最优 建模波长范围分别为400~536nm、1366~1502 nm和2324~2460nm,400~502nm、608~710nm和1644~1746nm,400~502nm和1746~1848nm; 3种BR最优预测模型的RMSE分别为0.598、0.207和0.386μm ol/L; 波段优选对提高预测结果的准确性有重要的意义;采用SiPLS建立TBIL、DBIL和IBIL定量分 析模 型,不仅可以提高模型的预测精度,而且克服了iPLS单一区间建模的缺点,优选出的特征谱 区还可为设计小型专用光谱分析仪器提供依据。     

基于联合区间偏最小二乘判别分析的猪肉近红外光谱定性建模分析

为解决偏最小二乘判别分析(PLSDA)建模时光谱区域中的噪声及冗余信息干扰问题,提出一种基于联合区间偏最小二乘判别分析(Si PLSDA)算法,并将该算法应用于猪肉近红外光谱的定性建模分析。Si PLSDA利用联合区间偏最小二乘回归(Si PLS)进行光谱特征区域筛选,在筛选出来的光谱区域内建立数据的定性预测模型。采用Antaris II快速傅里叶变换近红外光谱分析仪获取波数范围为10000~4000 cm-1的猪肉样本近红外光谱,采用标准正态变量变换(SNV)进行近红外光谱的预处理,用Si PLSDA建立猪肉近红外光谱的定性模型。实验结果表明,Si PLSDA建立的预测模型对猪肉储藏时间的识别率达到93.94%,高于基于全光谱区域建立的PLSDA预测模型的识别率。     

基于PCR和PLS的蔗糖浓度透反射测量方法研究

利用近红外透反射光谱技术,研究短波近红外光谱(780~1100nm)无损检测蔗糖溶液的可行性,并通过主成分回归(PCR)和偏最小二乘(PLS)方法建立了蔗糖溶液的近红外定量分析模型。采用Savitzky-Golay卷积平滑(5点)和多元散射校正(MSC)进行预处理,并且对预处理后的数据进行建模分析。PCR定量分析的结果:主成分数PC=7,交互验证相关系数RCV=0.957335,交互验证的校正标准偏差RMSECV=0.015859;PLS定量分析结果:主成分数PC=4,交互验证相关系数RCV=0.975789,交互验证的校正标准偏差RMSECV=0.012251。分别用PCR和PLS的校正模型对预测集样本进行预测,两种模型的预测标准偏差RMSEP分别为0.0127,0.0118。二者均对高浓度蔗糖溶液的预测结果比较理想,而且在PLS模型下,77%以上的样本相对误差在10%以下,较PCR模型的高。综合结果,PLS所建立的模型简单,而且精度很高,所以,基于短波近红外光谱的蔗糖浓度的快速无损检测是可行的。     

基于吸光度的波长筛选方法用于近红外光谱定量模型的优化

建立一种基于吸光度的波长筛选方法,以近红外光谱测定中成药制剂的多糖含量为例,对模型优化效果进行验证.考虑模型稳定性,在计算机平台上搭建一种新的样本集划分框架,基于吸光度筛选出最优波段为400~1882&2072~2364 nm,建立偏最小二乘(PLS)模型得到的SEPAve、RP,Ave分别为27.13 mg L-1、0.856,与全扫描谱区(400~2498 nm)的PLS模型预测效果做比较.结果表明,基于吸光度的波长筛选方法,可以优选出高信噪比波长,从而提高了近红外光谱定量模型的性能.     

用最小二乘支持向量机的可见-近红外光谱测定蜂花粉贮存时间

为了探索一种快速有效的蜂花粉新鲜程度检测方法,利用可见近红外光谱技术结合最小二乘支持向量机（LSSVM）对蜂花粉的贮存时间进行了检测.选择常温环境中贮存时间为4~50天（共计47天）的茶花蜂花粉作为研究对象,将全光谱数据作为输入变量建立了LSSVM模型.结果显示,该LSSVM模型预测效果较好,预测相关系数rp达到了0.996,预测标准误差（SEP）和预测均方根误差（RMSEP）的值分别为1.310和1.308,优于偏最小二乘法（PLS）和主成分回归（PCR）的预测结果,说明基于LSSVM的可见近红外光谱技术能够很好地对花粉贮存时间进行检测.同时对不同贮存时间段花粉的预测效果进行了比较,发现该LSSVM模型适用于对第11~50天范围的贮存时间进行检测.     

基于siPLS的强化生物除磷污泥胞内糖原近红外分析

为了快速、准确地测定强化生物除磷(EBPR)过程中污泥胞内糖原的含量,采用4种预处理方法分别对污泥近红外光谱进行预处理,并结合联合区间偏最小二乘(si PLS)进行变量优选,建立光谱吸光度数据与糖原含量的定量分析模型。结果表明,将一阶S-G(Savitzky-Golay)平滑处理后的光谱等分为20个子区间,联合子区间[10 13 16 19]建立的si PLS模型预测效果最优,预测集的均方根误差(RMSEP)和相关系数(rp)分别达到0.0048、0.9105,且该模型的交互验证和外部验证相对分析误差(RPD)均大于3.0。一阶平滑处理后的光谱si PLS模型预测精度高、建模变量少,可实现糖原含量的快速测定。     

油脂酸价近红外光谱检测PLS建模方法研究

将目前广泛流行的近红外光谱分析技术应用于食用油脂酸价的检测。由于近红外光谱分析是一种间接检测方法,需要先利用校正集样本建立统计模型,然后再利用模型来预测未知样品性质,因此建立准确可靠的模型是近红外光谱分析的关键。详细介绍了偏最小二乘（PLS）回归的基本思想和建模方法。为使建立的校正模型更稳健,还研究了光谱波段选择。通过间隔偏最小二乘回归波段选择法进行特征波段提取,对提取的特征波段和全谱分别进行偏最小二乘回归建模,对比分析以说明波段选择的必要性。     

梨表面色泽的可见/近红外漫反射光谱无损检测研究

应用可见/近红外漫反射光谱对梨表面色泽进行无损检测研究.在350～1800nm光谱区间,结合梨的原始吸收光谱和标准化光谱,采用多元线性回归(MLR)、主成分回归(PCR)和偏最小二乘回归(PLSR)三种数学校正算法进行了定量对比分析.原始吸收光谱应用偏最小二乘回归建立的定标模型对24个未知样品的预测结果是:L*、a*、b*预测均方差分别为1.4251,0.4569和0.9497;相对预测偏差分别为3.7404%,3.3571%和2.5877%.实验结果表明:可见/近红外光谱技术对梨表面色泽的无损检测具有可行性.     

Detection of chemical oxygen demand in water based on UV absorption spectroscopy and PSO-LSSVM algorithm

A method of detecting chemical oxygen demand (COD) of water based on ultraviolet (UV) absorption spectra is proposed. The modeling and analysis of the standard samples and the actual water samples are carried out respectively. For the standard solution samples, the univariate linear models based on single wavelengths and the partial least square (PLS) model based on synergy interval partial least square (SiPLS) and moving window partial least square (MWPLS) are established. For the actual water samples, different pre-processing methods are used. SiPLS and MWPLS are used to select the characteristic bands. The least squares support vector machine algorithm optimized by particle swarm optimization (PSO-LSSVM) algorithm is used to establish the prediction model, and the prediction results of various models are compared. The results show that the optimal model is PSO-LSSVM which uses SiPLS to select the characteristic bands of the first derivative spectra (preprocessing method). The determination coefficient of the prediction set is 0.963 1, and the root mean square error of prediction (RMSEP) is 2.225 4 mg/L. PSO-LSSVM algorithm has good prediction performance for the analysis of COD in actual water samples by UV spectra. This paper provides a new design idea for the research and development of water quality detection optical sensor.     

可见／近红外光谱预测杨梅汁酸度的方法研究

针对可见/近红外光与杨梅汁酸度存在非线性相关的特点,提出了应用偏最小二乘(PLS)法预测线性部分和人工神经网络(ANN)预测非线性部分,结合两种方法综合预测杨梅汁酸度值,通过比较,r RMSEP,B ias的值来检验该方法.其中PLS模型用于寻找与杨梅汁酸度值有关的敏感波段,预测杨梅汁酸度的线性部分,将这些敏感波段对应的光谱吸光度值作为人工神经网络的输入,并将杨梅汁酸度的实际测量值减去PLS模型校正值,获得的差额部分作为神经网络的输出,建立一个差额神经网络预测杨梅汁酸度的非线性部分.46个样本用于建模,30个样本用于预测.结果表明该方法对样本的预测相关系数r=0.939,RMSEP=0.218,B ias=-0.121,好于只使用PLS模型的相关系数r=0.921,RMSEP=0.228,B ias=-0.132.     

基于净分析物预处理算法的绿茶中儿茶素的近红外光谱定量分析

由于原始近红外光谱数据中含有与待测组分不相关的噪音及冗余信息,增加了偏最小二乘法(PLS)模型的复杂程度.为了简化儿茶素的预测模型,采用净分析物预处理法(NAP)对近红外光谱进行预处理,提取出待测组分的净分析物信号,然后利用PLS建立绿茶中三种儿茶素(EGCG、ECG和EGC)含量的(NAP/PLS)模型.在模型建立过程中,通过交互验证的方法优化NAP因子数及模型的主成分因子数,并且将NAP的结果与经典的标准正态变量(SNV)光谱预处理结果相比较.比较结果显示,经过NAP与SNV光谱预处理后,模型的预测结果相差不大,但是经过净分析物预处理后,模型的主成分因子数大大降低.研究结果表明,NAP光谱预处理算法能在保证精度的前提下有效地简化绿茶中儿茶素含量的预测模型.     

Determination of ethanol content in ethanol-gasoline based on derivative absorption spectrometry and information fusion

The ethanol content in ethanol-gasoline is respectively detected by the first-order derivative UV/vis absorption spectrum, the first-order derivative near infrared (NIR) absorption spectrum and the information fusion method. The backward interval partial least squares (BiPLS) algorithm is used as the feature extraction method, which is established by the partial least squares (PLS) regression model. Based on the information fusion theory, the low level data fusion (LLDF) and mid-level data fusion (MLDF) models are established by the first-order derivative UV/vis and NIR spectra. The analytical results are compared with the related textual references. Thereby, the single-spectral model based on the first-order derivative NIR absorption spectrum has the optimal results, where R _p ² =0.999 1 and RMSEP=0.324 5, while the LLDF after vector normalization (LLDF-VN2) is the optimal multi-spectral fusion model, where R _p ² =0.998 3 and RMSEP=0.498 2. The proposed method can be used to detect the ethanol content in ethanol-gasoline rapidly and provides a better choice for the component detection in mixed oils.     

基于STM的三维荧光导数光谱法检测食品中黄曲霉素

基于支持张量机(STM)的三维荧光导数光谱定量分析方法,检测了食品中黄曲霉素。在计算三维荧光导数光谱时,将常规的、只适用于向量光谱数据的Savitzky-Golay方法扩展到由二阶张量描述的三维荧光光谱中。同时,应用了STM方法建立校正模型,对白酒和牛奶中的黄曲霉素进行了检测。在对白酒中的黄曲霉素检测中,复相关系数(CC)和预测误差均方根(RMSEP)分别为0.952 3和14.847 5,与常规的偏最小二乘(PLS)和支持向量机(SVM)方法相比,CC分别提高了2.40%和2.34%,RMSEP分别降低了8.92%和4.36%。在对牛奶中的黄曲霉素检测中,CC和RMSEP分别为0.996 5和5.448 9,与PLS和SVM的方法相比,RMSEP分别提高了0.40%和0.30%,RMSEP分别降低了18.31%和17.18%。检测结果表明,基于STM方法建立的校正模型要优于传统的SVM方法和PLS方法。     

近红外光谱透射法测量废水化学需氧量(COD)的光程选择

在用近红外光谱法测量废水化学需氧量(COD)时,水是一个强干扰因素,如何选择合适的光程长以提高测量灵敏度,减少测量误差很重要.本文通过在傅里叶变换近红外光谱仪上用透射光谱法测量废水COD实验来讨论废水测量的光程选择.采集了60个养猪废水水样,分别用1mm、2mm、5mm和10mm的样品池作对比研究,用PLS回归建模,比较不同光程长对废水COD预测的效果,结果显示在800~1350nm谱区选用10mm的光程,在1350~2500nm谱区选用1mm或2mm的光程测量,使用双光程组合方法建模可以提高模型在800~2500nm谱区的预测性能.该光程组合方法对其它复杂组分的水溶液的近红外定量测量也具有一定的参考意义.     

白砂糖色值近红外光谱分析的波段选择

采用近红外漫反射光谱技术和偏最小二乘法(PLS)建立白砂糖色值的定量分析模型.用多元散射校正方法对光谱进行预处理,再用Savitzky-Golay平滑化方法对原谱、一阶导数谱和二阶导数谱进行处理.选取5个波段,每个波段分别采用原光谱、一阶导数谱、二阶导数谱.同时调整Savitzky-Golay平滑点数和PLS因子数,通过多次PLS数值实验比较,按照预测效果确定每个模型的最优平滑点数、因子数,再从中选优.结果表明,采用780～1100nm-阶导数谱的定标效果最好,模型的预测均方根偏差、相对预测均方根偏差分别为11.2,8.91%.780～1100nm可以代替近红外全谱波段(780～2500nm)得到好的定量分析效果,为设计小型专用近红外分析仪器提供依据.     

高光谱成像技术检测冷却羊肉表面细菌总数

为了对冷却羊肉表面细菌总数进行无损检测,采用不同波段范围高光谱成像系统结合多种建模方法建立预测模型,进行理论分析和实验验证。分别在400nm~110nm和900nm~1700nm波长范围内获取冷却羊肉样本的高光谱图像信息,结合偏最小二乘和人工神经网络(反向人工神经网络和径向基人工神经网络)建立预测模型。结果表明,神经网络建模效果优于偏最小二乘;其中,径向基人工神经网络模型在400nm~1100nm和900nm~1700nm波长范围内相关系数分别为0.9872和0.9988,均方根误差分别为0.8210和0.2507,预测效果最好;而900nm~1700nm波长范围为最佳建模波长。这一结果说明利用高光谱图像技术对冷却羊肉表面细菌总数进行快速无损检测是可行的。