运用近红外光谱分析煤质硫含量

为了研究煤质的硫含量,采集了120个煤粉样品的近红外漫反射光谱,建立了偏最小二乘回归结合不同光谱预处理方法的定量数学模型,并与工业检测结果进行对比。结果表明:采用5点平滑处理后的模型效果最佳,相关系数达到0.89695,校正集均方根误差(RMSEC)和预测集均方根误差(RMSEP)分别为0.0406和0.0423,结果表明模型具有较高的相关性、稳定性和预测能力。     

近红外光谱技术结合支持向量回归法测定烯草酮的含量

采用近红外光谱(NIR)技术结合支持向量回归法(SVR)建立了烯草酮乳油的定量分析方法。通过添加烯草酮原药、烯草酮助剂到二甲苯溶剂来配制不同浓度的校正集,采用SVR法建立了烯草酮的定量分析模型,模型的决定系数(R2)、校正集均方根误差(RMSEC)、检验集均方根误差(RMSEV)、预测集均方根误差(RMSEP)分别为1.0000、0.0260、0.0569和0.0550。结果表明,近红外光谱技术结合支持向量回归法可以准确地定量分析乳油中烯草酮的含量,方法简单、快捷,在农药质量检测中具有实际应用价值。     

基于紫外-可见光谱的CHO细胞培养液快速分析方法

为了建立基于紫外-可见(UV-Vis)光谱和酚红的快速分析方法,用于同时测定细胞培养液中葡萄糖(Gluc)和乳酸(Lac)质量浓度、谷氨酸(Glu)和谷氨酰胺(Gln)浓度及活细胞密度(VCD)、总细胞密度(TCD)、细胞活度(Viability)和单克隆抗体表达量(Titer),将细胞培养液上清与酚红溶液混合,采集混合溶液的UV-Vis光谱,以偏最小二乘(PLS)法建立UV-Vis光谱与各指标的多元校正模型。发现Lac质量浓度、Glu浓度、VCD、TCD、Viability和Titer模型预测性能较好;Gluc质量浓度和Gln浓度模型预测性能较差。结果表明,将该方法应用于细胞培养过程多指标快速分析具有一定可行性,为生产过程实时监控提供了研究基础。     

近红外光谱技术结合支持向量回归法测定非法对硫磷的含量

[目的]采用近红外光谱(NIR)技术结合支持向量回归法(SVR)建立乳油中非法对硫磷的定量分析方法.[方法]通过向1.8％阿维菌素乳油中加入对硫磷原药和二甲苯溶剂来配制不同质量分数的校正集,采用SVR法建立非法对硫磷的定量分析模型.[结果]模型的决定系数(R2)、校正集均方根误差(RMSEC)、检验集均方根误差(RMSEV)、预测集均方根误差(RMSEP)分别为0.9994、0.4377、0.5065、0.7482.[结论]该法可以定量测定乳油中非法对硫磷的含量.     

人造革基布纤维含量近红外光谱法专属定量分析模型的建立

研究了近红外光谱法在人造革基布纤维含量定量分析中的应用。通过分析样品近红外光谱的主成分,选择校正和验证样品集,选用偏最小二乘法(PLS),建立人造革基布纤维含量专属定量分析模型。结果表明:在9 017.5~4 396.9 cm~(-1)的波数范围内,选用9个主成分数建立了专属定量分析模型,模型的校正均方根误差(RMSEC)为0.678、相关系数(R_c~2)为0.999 5;预测均方根误差(RMSEP)为0.705、相关系数(R_v~2)为0.998 9,残差范围为-1.5~1.4;专属定量分析模型具有较好的预测准确性和方法重复性,可实现人造革基布纤维含量的快速测定。     

近红外光谱法快速检测腐竹中硼砂的含量

选取市售腐竹作为研究对象，采集样品的近红外光谱，用国标分光光度法测定样品中硼砂的含量作为标准值，结合偏最小二乘法，建立了腐竹中硼砂含量的近红外光谱快速检测模型。结果表明，采用二阶导数谱，在7 150.75～5 924.25 cm^-1光谱区间，经多元散射校正、五点平滑处理建立的模型为较优模型。该模型的校正集线性相关系数(R_c)值为0.994 1,校正集均方根偏差(RMSEC)值为0.050 8,验证集线性相关系数(R_p)值为0.980 6,验证集均方根偏差(RMSEP)值为0.114,主因子数(factors)为10,相对分析误差(RPD)为5.1。模型有较好的稳定性，外部验证结果准确，可以用于腐竹中硼砂含量的快速检测。     

煤中全水分及灰分的近红外测试方法研究

为了快速、无损检测煤质中的全水分和灰分,采集了120个精煤样品的近红外漫反射光谱,对微分光谱进行分析,利用偏最小二乘回归(PLSR)算法结合不同光谱预处理方法建立基于马氏距离剔除异常样品后的定量数学模型,分析预测值与真实值的相关性,并对最优预处理下的模型残差进行讨论。结果表明:经过多元散射校正处理后建立的全水分模型效果最优,相关系数达到0.982 12,校正集均方根误差为0.013,预测集均方根误差为0.017。经过5点平滑预处理后建立的灰分模型效果最佳,相关系数达到0.947 47,校正集均方根误差为0.058,预测集均方根误差为0.052,2项指标的残差波动均匀,模型的稳定性和预测能力较强。     

近红外光谱用于硝基苯纯度快速定量分析方法研究

用探头式近红外光谱仪（NIR）在线测量工业硝基苯的纯度，选择甲苯为模型杂质，基于实验设计，配制纯度99%～100%的硝基苯样品，使用气相色谱法离线标定样品纯度数据，使用偏最小二乘法（PLS）研究了基于NIR的硝基苯样品的纯度预测模型。为克服近红外光谱中的合频、倍频以及基线漂移等干扰信息，研究了五种数据预处理方法对纯度预测模型准确性的影响。选择标准正态变量校正预处理方法（SNV），其中R²_(Cal)为0.997 4,R2_(Cal)为0.997 4,R²_(CV)为0.996 8,R2_(CV)为0.996 8,R²_(Pre)为0.995 5，校正均方根误差（RMSEC）为0.000 2，交叉验证均方根误差（RMSEVCV）为0.000 2，预测均方根误差（RMSEP）为0.000 2，相对偏差在0.05%以内。实现了对含甲苯杂质的硝基苯样品纯度的准确在线测量和质量控制，相比以往的气相色谱离线检测法，有效提高了检测速度，避免了制样对测量准确性的影响，能帮助实现工业硝基苯输送过程连续化，具有重要的工业应用潜力。     

近红外透射光谱法测定黄芪提取液中总皂苷含量

应用傅立叶变换近红外光谱仪透射光谱技术对黄芪提取液中总皂苷含量进行检测分析,采用主成分分析(PCA)和偏最小二乘回归法(PLS)建立了黄芪提取液中皂苷类物质含量近红外数学校正集模型,其相关系数R为0.99943、校正集标准偏差(RMSEC)为 0.544、预测集标准偏差(RMSEP)为0.567.用建立的数学校正集模型检测未知样品的含量,预测标准偏差(RMSEP)为0.576.该方法快速、准确、无损,适于中药活性成分的快速检测分析.     

单基发射药中钝感剂组分含量的快速检测方法

为解决传统分析方法测定单基发射药中钝感剂(樟脑)含量存在时间长、工作量大等问题,建立了一种采用近红外光谱法快速测定单基发射药中钝感剂(樟脑)组分含量的新方法;通过对比单基发射药药粒样品及钝感剂光谱图特点,确定了钝感剂组分最佳建模光谱范围为8 300~8 510cm~(-1);并对样品光谱图进行了预处理,对比了多个不同光谱预处理方法的效果,确定出最佳光谱预处理方法是多元散射校正(MSC)+一阶导数的组合;采用偏最小二乘法建立了钝感剂的近红外模型,并对模型的预测能力进行了验证。结果表明,钝感剂的模型校正相关系数(R_c~2)和验证相关系数(R_p~2)分别为0.972 3和0.973 5,验证的校正标准偏差(RMSEC)和交互验证的校正标准偏差(RMSECV)分别为0.163 6和0.150 8;预测均方根误差(RMSEP)为0.182 7,验证集标准偏差与预测标准偏差的比值(RPD)为6.87;将该模型应用到单基发射药中樟脑含量的检测,可使预测值极差和标准偏差均低于0.2%,表明该方法能实现单基发射药中钝感剂组分含量的快速检测。     

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。     

近红外光谱法快速测定速生相思的材性

为了实现制浆原料材性的快速测定,用常规方法测定了147个相思木材样品的化学成分和基本密度,并采集了样品的近红外光谱。对原始光谱进行预处理后,运用偏最小二乘法和交互验证的方法,建立样品综纤维素、木质素、苯醇抽出物、基本密度的校正模型,4个模型建立过程中所提取的最佳主成分数分别为10、 8、 9和9。对4种校正模型进行独立验证,得到其决定系数(R_val²)分别为0.910 3、0.950 5、 0.970 6和0.969 5;预测均方根误差(RMSEP)分别为0.45%、 0.32%、 0.21%和0.007 1 g/cm³;相对分析误差(RPD)值分别为3.34、 4.50、 5.82、 5.73;绝对偏差(AD)分别为-0.60%~0.68%、-0.50%~0.48%、-0.29%~0.33%和-0.009 7~0.009 1 g/cm³,RMSEP和AD基本符合测定对误差的要求,4个模型能够满足制浆造纸工业中速生相思木材的快速测定。     

制浆材综纤维素和聚戊糖含量的近红外预测

用传统方法测定了156个制浆材样品的综纤维素和聚戊糖含量并采集了样品的近红外光谱。对原始光谱进行多元散射校正后,运用偏最小二乘法和交互验证的方法,确定最佳主成分数分别为9和10并建立样品综纤维素和聚戊糖含量的校正模型。独立验证中两个模型的决定系数R_(val)~2分别为0.903 4、0.940 1,预测均方根误差(RMSEP)分别为0.69%、0.78%,相对分析误差(RPD)值分别为3.22、4.09,绝对偏差(AD)分别为-1.00%~1.20%、-1.39%~1.31%,两个校正模型较好地预测了验证集样品的综纤维素和聚戊糖含量,基本满足制浆造纸工业中快速测定的需求。     

应用PLS及BP神经网络定量分析汽油中甲缩醛含量

建立了采用中红外方法测定汽油中甲缩醛含量的方法。通过实验室配比一定体积分数的甲缩醛-汽油混合物作为研究的基础数据,利用傅里叶红外光谱仪测定不同比例甲缩醛-汽油混合物的谱图,分别建立偏最小二乘法(PLS)和BP神经网络的中红外谱图分析的校正模型。其中偏最小二乘法甲缩醛定量模型的相关系数R2为0.975 3,预测均方根误差(RMSEP)为0.121;BP神经网络法甲缩醛定量模型的相关系数R2为0.974 2,预测均方根误差(RMSEP)为0.132。该方法是一种操作简便、快速可靠的分析甲缩醛含量的方法。     

近红外光谱技术应用于中草药口服液在线质量控制的化学计量学建模

以一种中草药口服液中多糖含量、可溶性固形物含量及pH为对象,利用近红外光谱技术对其进行实时在线检测,重点研究了化学计量学建模方法。建模过程采用了一种系统工程的方法,综合考虑了光谱预处理、特征波段选择、数据选择和分组、近红外原始光谱和化学分析参考值的误差分析,并把工具箱集成在一起。还考察了光谱采集的重复性、采样点取样条件,并对实验室测定的参考值进行了重复性及测量误差的考察。通过对比最终选择的是偏最小二乘法(PLS)结合遗传算法自动选波段。除此之外,以模型的交叉验证均方根误差(RMSECV)、预测均方根误差(RMSEP)、质量指标化学参考值与预测值间的相对误差为指标筛选最佳建模参数。建模结果显示,多糖模型预测值与化学参考值间的相对误差可控制在10%内,可溶性固形物误差在5%内,pH误差在4%内。生产使用表明,所建立的模型可有效应用于在线、快速对质量指标做出准确的预测。     

基于DMD哈达玛变换近红外光谱仪的汽油辛烷值检测

应用近红外光谱分析检测技术建立一种汽油研究法辛烷值的快速定量分析方法。收集来自不同地区共100个汽油样品,应用化学计量学方法建立近红外光谱原始数据信息与研究法辛烷值之间的定量分析模型,结果表明:对原始光谱进行归一化处理后,采用偏最小二乘回归建立数学模型,其校正集与预测集相关系数分别为0.9300和0.9322,校正集均方根误差与预测集均方根误差分别为0.6700和0.6577,表明模型准确可靠,可应用于汽油辛烷值的快速检测。     

基于二维相关近红外光谱技术测定辅料十二烷基硫酸钠

为了测定缬沙坦和辅料十二烷基硫酸钠共存样品中辅料的含量,配制成含有十二烷基硫酸钠含量为0.30%~5.88%的缬沙坦样品共35个。以十二烷基硫酸钠浓度为外扰,分别研究了十二烷基硫酸钠和缬沙坦共存样品的二维相关近红外光谱特征,分别选择随浓度变化大的区间4119~4216 cm-1、4235~4273 cm-1、4312~4351 cm-1、4484~4676 cm-1、5732~5828 cm-1、8132~8323 cm-1为光谱的建模区间,利用偏最小二乘方法建立定量预测模型。结果表明:模型的交叉验证决定系数为0.8670,交叉验证均方根误差(RMSECV)为0.804,预测均方根误差(RMSEP)为0.775,对未知样品集预测结果的平均相对误差为0.25%,这表明二维相关近红外光谱技术选择的波段建立的定量模型具有较好的预测效果。     

近红外光谱法快速检测单基发射药中的二苯胺含量

采用近红外光谱法快速测定了单基发射药中二苯胺(DPA)的含量。评价了多个光谱预处理方法的优化效果,采用反向偏最小二乘法(biPLS)优选了建模波段(4 698~4 991、6 464~6 761和9 414~9 708cm-1),并根据光谱分析结果和回归系数图解释了波段的选择。基于建模参数优化结果建立了二苯胺定量模型,并对模型进行了重复性验证。研究了环境温度对模型预测结果的影响。结果表明,确定的最佳光谱预处理方法是标准正态变换(SNV)、一阶导数和平滑的组合;模型校正相关系数(Rc)和验证相关系数(Rp)分别为0.995 3和0.988 5,预测均方根误差RMSEP为0.163 5;重复性极差和标准偏差均低于0.1%;环境温度的变化对模型预测的影响不显著。该方法可用于快速检测单基发射药中的二苯胺含量。     

近红外光谱法测定HMX中α-HMX杂质晶型的含量

为了快速检测HMX中杂质晶型α-HMX的含量,在制备建模样品的基础上,利用近红外光谱技术,采用偏最小二乘法建立了HMX光谱与其α-HMX杂质晶型含量的计算模型。讨论了建模样品的代表性、模型光谱范围的选择及模型的优化过程。结果表明,模型具有广泛代表性,最佳光谱范围为6 476~6 446cm-1和4 602~4 424cm-1,交互验证决定系数(R2)为0.996,参考值交互验证残差均方根(RMSECV)为0.20%;外部验证的残差均方根(RMSEP)为0.27%;该法误差均小于0.13%,标准偏差为0.1%;近红外光谱法操作简单、快速、无损、绿色环保,可用于HMX中α-HMX杂质晶型含量的检测。     

近红外光谱法快速测定阳离子瓜尔胶中氮含量

以阳离子瓜尔胶为研究对象,基于近红外光谱技术(NIRS),采用偏最小二乘法(PLS)结合内部交叉验证方法建立氮含量模型。对模型进行优化后,模型的校正均方差RMSEC为0.0300,校正相关系数R_C~2为0.8828,预测均方差RMSEP为0.0325,预测相关系数R_V~2为0.8704。同时,模型的内部验证均方差RMSECV为0.0321,内部验证相关系数R_(CV)~2为0.8641,表明该模型的性能较好。此外,为评价模型的实际预测效果,另加入验证集进行预测,结果表明模型对于氮含量预测的精度较高。