近红外光谱的ELM校正模型测定柴油凝点

为了简便、快速地测定柴油凝点,建立了一个基于ELM算法的近红外光谱校正模型。首先选择KS法按4:1划分样本集,并以"一阶导数+矢量归一化"方法进行光谱预处理;以校正集数据训练ELM模型并进行参数优化后,代入测试集光谱数据完成预测。通过136个柴油样品数据建模验证,结果表明用近红外光谱的ELM校正模型测定柴油凝点是完全可行的,且其准确度、稳健性和速度均优于PLSR模型和LS-SVM模型。     

基于近红外光谱和QPSO-LSSVM模型的玉米脂肪测定

为了建立一个精确、稳健的玉米脂肪近红外光谱定量模型,提出了以全波段光谱建立最小二乘支持向量机(LS-SVM)模型、用量子行为粒子群优化(QPSO)算法结合留一交叉验证(LOO-CV)规则优化模型参数的新方法,并用76份样本数据进行了验证。与常用的偏最小二乘(PLS)校正模型相比,当采用原光谱数据建模预测时,相关系数(Rp)和相对分析误差(RPD)分别由0.9248、2.43升至0.9801、4.38以上,预测均方根误差(RMSEP)从0.0624降到0.0311以下;若将光谱进行多元散射校正(MSC)预处理之后再建模预测,则Rp和RPD分别由0.9618、3.95升至0.9934、8.11以上,RMSEP从0.0395降到0.0215以下。试验结果表明,以全波段近红外光谱建立的QPSO-LSSVM校正模型完全可用于玉米脂肪的实际检测。     

在线自适应波长选择方法及其在汽油调和过程中的应用

近红外光谱分析技术作为一种非侵入性的分析手段在工业上得到了广泛应用。然而,大多数近红外模型的波长选择方法是离线建立的,无法有效跟踪过程特性的变化。提出了一种新的在线自适应波长选择方法——在线自适应区间高斯过程回归波长选择方法（adaptive interval Gaussian process regression, AIGPR）,并用于汽油调和过程中的近红外模型的建立。该方法可以根据待测样本的特性对波长结构进行调整。为了降低在线应用的计算成本,该方法分为离线和在线两个部分,离线部分将光谱分割成若干个波长区间,并在每个波长区间上建立局部模型,为在线应用做准备;在线部分中根据划分规则将采样得到待测样本光谱进行分割并代入相应的局部模型中计算波长区间重要性指标,获得最优波长区间。在汽油辛烷值的光谱数据上证明了该方法的有效性。与重要变量投影法和改进的相关系数法相比,该方法具有更好的性能。     

基于M估计器的支持向量机算法及其应用

训练样本的准确性对回归分析模型有很大的影响,然而训练样本中难免会出现一些造成分析模型失效的奇异点。 为克服奇异点对回归模型的影响,本文提出了一种基于M估计器的支持向量机（M-SVM）。它采用M估计器的目标函数代替最小二乘支持向量机（LS-SVM）目标函数中的残差平方和,同时提出了M-SVM的迭代求解算法,并将该算法应用于含有奇异点的低维仿真数据回归和汽油近红外光谱定量分析中。实验结果证明,相比于其他的支持向量机,M-SVM具有更好的稳健性和分析精度。     

掺伪珍珠粉的近红外光谱定量鉴别方法

采用偏最小二乘法建立掺杂贝壳粉的珍珠粉的近红外光谱定量分析模型。以掺杂不同比例贝壳粉和珍珠粉作为掺伪样本,采集样本在4 000~10 000 cm-1范围内的近红外漫反射光谱,采用交叉验证和外部验证考察所建模型的可靠性。优化建模参数为:波数范围为4 100~7 500 cm-1;光谱预处理方法为二阶导数/矢量归一化(SNV)/Norris Derivative(5,5)滤波。所建定量分析模型的校正相关系数为0.999 7,校正均方差为0.708,交叉验证均方差为3.15。实验证明近红外光谱技术可用于掺伪珍珠粉的定量快速鉴别。     

柴油硫含量中红外光谱SPA-PLS快速检测研究

为了达到压缩计算量以快速检测柴油硫含量的目的,该文分别利用回归系数分析法(RCA)、连续投影算法(SPA)和遗传算法(GA)对柴油全谱选取特征波长,作为PLS和MLR线性及LS-SVM非线性预测模型的输入变量,对比分析结果表明:RCA、SPA、GA算法得到波长个数分别为7、8、16,PLS、MLR线性模型的结果优于LS-SVM非线性模型。三种变量输入模型中,精度最高的是SPAPLS模型,其RPD为1.99,RMSEP为0.0281,r_(pre)~2为0.91,SPA算法可以作为建立柴油硫含量快速预测模型的特征波长选取方法。     

基于近红外光谱建立PE、PP和PET的识别分类模型

利用近红外高光谱成像仪在900~1 700 nm的范围采集PE、PP和PET样本的高光谱图像,并进行黑白校正,提取感兴趣区域的反射率光谱数据;利用主成分分析法对提取的数据去噪降维。结果表明,前3个主成分的累计贡献率达98.89%。把前3个主成分的载荷系数对波长作图,得到了6个特征波长;利用特征波长对应的反射率光谱数据进行判别分析,并建立了3种塑料的识别分类模型;用预测样本对模型进行检验,结果显示,预测样本的识别准确率为95.24%,表明该模型可准确有效地对PE、PP和PET进行识别分类。     

鼓泡床反应器中气液分配器对气含率的影响

以水和空气分别模拟工业上的重质原油和氢气迚行冷模试验,考察鼓泡床反应器新型气液分配器对气含率的影响,迚而优化幵确定气液分配器的结构形式和结构参数。试验结果表明,气液分配器对总体平均气含率的影响,随表观气速的增大基本呈线性增长,与其他鼓泡床迚料内构件结构的影响基本一致,幵且稍高一些(3%~5%)。对局部气含率的影响:轴向上,在测试范围内,轴向位置越高,气含率越高,主要和泡罩式气液分配器结构有关;径向上,气体在床层中分布不均匀,中间多,近壁少,同一高度时,中心处气含率一般为近壁气含率的1.5~2倍。     

基于近红外的Fisher判别法鉴别废塑料

通过对化学计量学方法的分析研究,提出了一种基于近红外光谱的丙烯腈–丁二烯–苯乙烯塑料、聚对苯二甲酸乙二酯、聚氯乙烯、聚丙烯、聚苯乙烯和聚乙烯6种塑料的一次性鉴别模型,为近红外塑料识别软件的二次开发提供有效程序。结果表明,光谱经3次多项式、13窗口S–G最小二乘拟合平滑+sym17函数、分解2层小波分析+主成分分析+特征波长选择+Fisher判别处理,可得5个判别函数式。由这些函数式建立的判别模型可以实现6种塑料的一次性识别,其校正集样本自身验证和交叉验证的识别率分别为100%和84.9%,表明该模型稳定;预测集样本进行模型外部检验的准确率为100%,表明该模型可行。     

基于最小二乘支持向量机算法的南宋官窑出土瓷片分类

将最小二乘支持向量机(least square support vector machine,LS-SVM)算法用于杭州南宋官窑2窑址出土瓷片的分类研究中,根据瓷片胎和釉的主要、次要和痕量元素组成对它们进行了分类,用留一法检验其分类效果,并与支持向量机( support vector machine,SVM)算法和自组织特征映射(self-organizing map,SOM)算法进行了比较.结果表明:SVM算法和LS-SVM算法比SOM算法更适合于处理"小样本"问题;一般情况下,SVM的分类效果比LS-SVM的分类效果好,但是LS-SVM具有更快的求解速度.     

乙烯裂解原料在线近红外光谱分析模型的建立与评价

利用近红外光谱分析技术和相关的标准分析方法分别对乙烯裂解原料PONA值进行测定,得出样品的一系列近红外光谱图和基础数据,用合适的化学计量方法建立近红外光谱图与基础数据的数学对应关系,即近红外光谱分析模型。在建立模型的基础上,采用SEC和SEP参数评价在线近红外分析仪分析结果的准确度。     

基于智能优化算法的软测量模型建模样本优选及应用

根据目标工况合理选择训练样本,是建立软测量模型的关键。传统的训练集样本选择方法难以充分利用因变量信息,而且难以综合考虑样本对模型的影响。为了解决上述问题,本文提出一种基于智能优化算法的训练集样本选择模型,定义了损失函数和样本压缩率,通过权重因子将二者融合为多目标适应度函数,可调整优化算法的寻优方向,使算法能够同时对建模样本组合结构与样本数量寻优,因此极大提高了所选建模样本的质量。为了验证方法的有效性,以汽油调和过程中采集的汽油近红外光谱-研究法辛烷值数据以及柴油近红外基准数据为例,与偏最小二乘、局部权重偏最小二乘等多种方法进行了比较研究,并分析了建模样本对软测量模型的影响。结果表明,本文方法在大规模降低训练集样本规模的同时能够保证软测量模型的精度和泛化性,非常适合工业应用。     

金属有机骨架材料用于气体吸附分离的研究进展

介绍了近年来国内外用于气体吸附分离的金属有机骨架材料及其最新迚展。本文依据气体吸附分离机理对材料迚行了归类分析,幵重点介绍了金属有机骨架材料特有的吸附现象:"呼吸"现象和"开门"现象。     

基于近红外光谱的汽油牌号快速识别

提出基于近红外(NIR)光谱的汽油牌号快速识别算法,主要包括预处理、特征提取和分类建模几部分,比较了各种分类方法的识别能力。实验结果表明:采用主元分析(PCA)提取特征进行模式识别的性能普遍优于直接在光谱波长域的方法,通过选择合适的PCA主元可以获得满意的分类效果,可用于汽油产品的牌号快速识别。     

基于参数化模型的近红外干涉图相位校正方法

干涉图是傅里叶变换近红外光谱仪测量获得的最原始信息,干涉图的相位校正直接关系到近红外光谱的质量。本文提出利用参数化模型对干涉图进行相位校正,该方法认为仪器测量所得的相位误差与波数之间存在函数关系。利用同一台仪器所测得的大量干涉图拟合出模型的参数,即可获得相位误差与波数之间的关系。对新样品的干涉图相位校正时,直接利用已拟合的关系进行校正即可获得高质量的干涉图。实验结果表明,采用参数化模型校正干涉图的效果比仪器自带Mertz算法效果好。利用参数化模型校正干涉图可提高干涉图处理的效率,为近红外光谱分析技术的研究提供了新的研究思路。     

FiPLS在烟煤水分近红外检测中的应用

偏最小二乘是一个在近红外光谱解析中常用的计量学算法,结合变量筛选方法既可以提高模型的预测能力,也可以大大降低建模的难度。本文将前向区间偏最小二乘用于烟煤水分近红外光谱解析。提取出的区间数为2,变量个数从1557减少到54个。所提取的波长区间主要位于O-H一级泛频吸收带。预测平均绝对百分误差从0.0865降低到0.0818。研究结果表明,前向区间偏最小二乘可以显著减少变量数并提高预测准确度。     

基于模糊插值模型的短期负荷预测

针对隶属函数对模糊推理模型描述性能和精度的影响,为了进一步提高模糊插值模型的泛化能力,提出了一类参数可调隶属函数,调整其参数从而可改变函数的形状,使之能逼近常用的三角形、高斯型等隶属函数。用它作为插值函数,提出了基于参数可调隶属函数的模糊插值模型,利用粒子群优化算法（PSO）优化模型中参数,并将该模型应用于电力系统的短期负荷预测中,仿真结果证明了该模型的有效性。     

偏最小二乘-近红外光谱测定抚顺石油二厂汽油辛烷值

对来自抚顺石油二厂的汽油样品进行近红外光谱分析,使用偏最小二乘算法建立近红外谱图与辛烷值的关联模型.检测表明,用近红外光谱检测石油二厂汽油样品辛烷值的误差在标准方法规定的再现性要求之内,证明了用近红外光谱技术分析石油二厂汽油辛烷值的可行性.     

一种基于吸水树脂的多孔混凝土蠕变性能试验研究

介绍了一种基于吸水树脂的多孔混凝土(SFIC)材料及其制备原理,迚行抗压性能试验和90d蠕变性能试验,幵与普通混凝土迚行对比,分析在不同荷载作用下的蠕变行为。结果表明:SFIC弹性模量约为普通混凝土的1/3,应力变形曲线有明显的残余应力平台;SFIC和普通混凝土在的蠕变变形在90 d基本收敛,SFIC蠕变变形更显著且与荷载水平、弹性模量密切相关。采用蠕变度、蠕变系数对SFIC的蠕变行为迚行分析,幵对长期蠕变系数迚行了拟合预测。     

程序升温硫化实验装置的防腐蚀措施

催化剂的硫化性能可以在全自动催化剂特征表征仪上通过程序升温硫化法(TPS)迚行表征,该实验设备简单、方法灵活、结果可靠。但是,在实验过程中,硫化气体和反应生成物会对实验装置造成腐蚀。分析了TPS实验过程中腐蚀现象产生的原因,幵对实验方法迚行了适当改迚和调整,提出了相应的防护措施。