污水化学需氧量近红外光谱分析的波段选择

采用近红外透射光谱和移动窗口偏最小二乘（MWPLS）方法,建立污水化学需氧量（COD）近红外光谱分析的优化模型最优模型的对应波段为820-850nm,采用波长点个数为16,PLS因子数、RMSEP、RP分别为13,25.5mg/L,0.968,预测相关很高,其预测效果明显优于全谱模型,并且采用的波长点个数远远优于全谱波长点的个数,大大降低模型的复杂性,可为设计专用近红外光谱仪器提供参考.     

葡萄糖水溶液FTIR/ATR光谱分析的吸收峰组合模型

利用傅立叶变换红外光谱（FTIR）结合衰减全反射（ATR）技术建立葡萄糖水溶液的分析模型.基于葡萄糖水溶液与去离子水的差谱,找到5个吸收峰：1150,1103,1078,1034,991（cm-1）.建立吸收峰组合多元线性回归（MLR）模型,最优组合为1103,1034,991（cm-1）,对应预测均方根偏差（RMSEP）、预测相关系数（RP）分别为0.933 mmol/L,0.989,大幅度优于全谱（4500-600 cm-1）偏最小二乘（PLS）模型的预测效果,并且大大降低了模型复杂性.为了得到稳定可靠的结果,所有模型都是基于50个定标集和预测集划分的平均效果得到的.     

水体中硝酸盐氮含量的UV-Vis光谱学在线测量方法

采集74份标准水样进行紫外可见波段全光谱扫描,结合Savitzky-Golay(SG)平滑算法、标准正态变换(SNV)、一阶微分(1st D)等6种方法对提取的光谱数据进行去噪处理,然后采用半监督近邻传播算法(SAP)、连续投影算法(SPA)、无信息变量消除算法(UVE)进行特征波长的选择。基于全光谱法建立了偏最小二乘(PLS)模型,基于特征波长建立了极限学习机(ELM)模型,另外把PLS回归模型得到的主成分作为支持向量机回归(SVR)、BP和RBF神经网络的输入建立了PCA+SVR、PCA+BP和PCA+RBF模型。结果表明:使用主成分分析结合RBF神经网络建立的PCA+RBF预测模型效果最优,其相对误差最稳定并保持在较低水平,测量上限高达数百mg/L,为实现水体中硝酸盐氮的在线检测和其他水质参数的检测奠定了基础。     

可见光谱结合偏最小二乘法对混合染料浓度的同时测定

采用偏最小二乘法建立测定混合染料浓度的可见光谱定量分析模型,应用多种光谱预处理方法对光谱进行信息提取和分析,分别建立定量分析模型;讨论了光谱的预处理方法和主成分数对PLS模型定量预测能力的影响;比较各个模型的内部交互验证均方根误差(RMSECV),校正均方根残差(RMSEC),校正相关系数R,预测均方根误差(RMSEP)选取最优模型.结果表明:所建立的校正模型稳健性好和预测精度高,为混合染料浓度的快速、准确和同时测定提供了新的途径,对于连续在线监测混合染料浓度具有指导意义.     

多组分溶液近红外光谱检测算法研究

利用下一代红外光谱检测仪MEMS-FTIR,在基于近红外波段1 000—2 100 nm区域对多组分糖溶液进行检测,通过开源平台的R语言对实验中的近红外光谱数据进行数据分析和PLS算法研究,为下一代快速、便携式、移动平台光谱数据分析奠定基础。本次研究主要使用具有开源性质的R语言和近红外光谱PLS算法,PLS算法可以显著提高近红外光谱回归模型的有效性。在建立回归模型后,对模型的RMSEP系数和R2系数进行分析和比较,结果表明建立的多组分糖浓度的PLS回归模型拟合程度较高。     

净分析信号预处理在喷气燃料重质组分快速分析中的应用

为了改善干扰信息与分析组分浓度变化产生偶然相关造成的分析模型预测精度下降的问题,将净分析信号概念引入多种烃类化合物构成的喷气燃料重质组分快速分析中。利用净分析信号(NAS)算法进行样品近红外光谱预处理,并结合偏最小二乘回归(PLS)建立反映喷气燃料重质组分含量信息的终馏点校正模型(NASPLS),并与常规PLS校正模型进行对比分析。结果表明,NAS预处理结合PLS方法相比常规PLS方法显著减小了建模所需主因子数,交互预测偏差降低了33%,模型的准确性和适应性得到一定的提高。净分析信号算法应用于近红外光谱模型预处理过程,对构成复杂且干扰未知的样品建立近红外光谱模型具有一定的借鉴作用。     

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12500～4000cm^-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．     

紫外-可见漫反射光谱-支持向量回归法快速测定西咪替丁片剂含量

采用紫外-可见漫反射光谱-支持向量回归法（UV-Vis DRS-SVR）建立了快速、无损测定西咪替丁片剂的定量方法。人工配制58个西咪替丁片剂粉末样,分为校正集和预测集。经过光谱预处理、异常值剔除和参数优化,最终采用原始光谱,在220.17 nm-980.80 nm,参数g=0.02, C=20, p=0.03的条件下,建立SVR模型,校正集和预测集的决定系数（R2）分别为0.9782, 0.9871,对5个盲样和15个批次市售西咪替丁片剂的预测均方根差（RMSEP）分别为0.0360, 0.0448,比PLS模型的预测精度更高,效果更好。研究表明,UV-Vis DRS-SVR用于快速、非破坏性测定药物制剂中的活性成分是可行的,有望用于制剂生产过程中的质量控制。     

基于连续小波变换参数选择的小麦近红外光谱模型优化方法研究

为了提高模型预测精度,结合连续小波变换（CWT）的最优参数选择,优化小麦蛋白质光谱模型。对原始光谱进行CWT,利用主成分分析（PCA）选出5种小波db1、sym2、sym5、sym7、coif1;在不同尺度参数下利用偏最小二乘法（PLS）建模,确定尺度参数为15;在此基础上,利用CWT结合多元散射校正（MSC）及支持向量机（SVM）建模确定最优小波db1;在最优参数下用CWT结合无信息变量消除算法（UVE）和连续投影算法（SPA）及SVM建立预测模型,预测均方根误差为0.3930,优于CWT-UVEPLS-SVM的0.4558和CWT-SPA-SVM的0.4415,研究结果表明,CWT参数选择可有效优化近红外光谱模型。     

结合PLS-DA与SVM的近红外光谱软测量方法

为了提高近红外光谱分析精度,提出结合偏最小二乘判别分析（PLS-DA）与支持向量机（SVM）的软测量方法（PLS-DA-SVM）.该方法利用一组由不同类别组成的训练样本,引入二叉树进行多重分类,节点分类器由PLS-DA方法建立;利用偏最小二乘支持向量机（PLS-SVM）建立每类样本的定量模型.预测时,用PLS-DA分类树对待测样本进行分类,选择相应的PLS-SVM模型进行定量分析.实验利用PLS-DA-SVM方法和近红外光谱数据建立汽油的研究法辛烷值软测量模型,针对2个批次共计57个成品汽油样本进行蒙特卡洛交叉检验.结果表明,对汽油牌号进行识别,平均分类错误率为0.07%,低于其他常用分类方法;对研究法辛烷值进行预测,均方误差达到0.243,复相关系数达到0.991,较PLS、LS-SVM等方法有显著提高.     

1，2-二芳基环戊烯类环氧合酶-2抑制剂的3D—QSAR研究

采用三维全息原子场作用矢量（3D-HoVAIF）对26个1,2-二芳基环戊烯类环氧合酶-2抑制剂进行结构参数化表征并与其活性建立定量构效关系（QsAR）模型。运用偏最小二乘回归（PLS）建模,同时采用内部和外部双重验证的方法对所得模型稳定性进行分析和检验。所得模型的复相关系数（Rcum^2）、留一法（LOO）交互校验（Cv）复相关系数（Qcum^2）和外部样本校验复相关系数（Qext^2）分别为0．820,0．734和0．749。结果表明,3D--HoVAIF能较好地表征1,2-二芳基环戊烯类环氧合酶-2抑制剂分子结构信息,所建模型具有较好稳定性能和预测能力。     

香豆素-4-乙酰苄肼类抗结核病药物的3D—QSAR研究

采用三维全息原子场作用矢量（3D—HoVAIF）对25个香豆素-4-乙酰苄肼类抗结核病药物进行定量构效关系（QSAR）研究．运用多元线性回归（MLR）和偏最小二乘回归（PLS）建模,同时采用内部及外部双重验证的办法对所得模型稳定性能进行了深入分析和检验．MLR建模和PLS建模的复相关系数（R_cum）、留一法交互校验复相关系数（Q_LOO）以及外部样本校验复相关系数（Q_ext）分别为0．926、0．819、0．805和0．919、0．828、0．836．结果表明,3D—HoVAIF能较好表征抗结核药物分子结构信息,所建QSAR模型具有良好稳定性和预测能力,为抗结核病药物的研发提供一定的理论基础．     

基于PSO-SVM的离心式压缩机转速模型的研究

针对宁夏某石化公司离心式CO2压缩机透平转速预测难以实现问题,引入PSO-SVM回归模型对离心式压缩机透平转速进行预测.分析选取离心式压缩机透平转速作为模型因变量,通过相关分析从采集量中选取高相关度预测因子,运用粒子群算法选择模型最优参数,利用支持向量机的方法建立模型进行预测,与传统的SVM模型进行对比,该模型得到了良好效果,能够有效预测压缩机透平转速.     

近红外光谱对市售黄芩饮片中黄芩苷含量的快速测定

应用近红外光谱技术(NIR)和OPUS数据分析软件,对市售黄芩饮片中黄芩苷的含量进行了快速测定.采用偏最小二乘法(PLS)对黄芩饮片的结果与NIR建立校正模型,最小最大归一化法为黄芩苷的最优预处理建模方法,优化校正模型中真实值与预测值之间的相关系数(R2)为0.896 1,内部验证均方差(RMSECV)为0.836,最佳主因子数为9,预测平均偏差为0.92%.NIR具有非破坏性、无污染、重现性好等优点,可以用于市售黄芩饮片中黄芩苷含量的快速测定.     

ARIMA与指数平滑在区域高等教育规模预测中的比较研究

文章利用在校学生数作为区域高等教育规模指标,建立了基于四川省高等教育在校学生数据序列的ARIMA和指数平滑预测模型,并进行了比较,得出最优模型为ARIMA（2,1,5）模型;用此模型对四川省2013—2015年高等教育在校学生数做出了预测。结果表明,四川省高等教育在校学生数在近三年内仍会增长,但增长速度趋于缓慢,到2015年末,四川省高等教育在校学生数约为1163100人。     

近红外光谱技术在食用油种类鉴别及脂肪酸含量检测中的应用

应用近红外光谱分析技术分别建立了快速鉴别食用植物油种类的定性分析模型以及测定食用植物油主要脂肪酸含量的定量分析模型.实验根据19份食用植物油样品的近红外光谱,结合系统聚类方法建立了纯橄榄-芝麻-花生油定性识别模型,识别率和预测率可达100%.根据59个食用植物油样品的近红外光谱,结合模型优化方法建立了食用植物油中棕榈酸、硬脂酸、油酸3种主要脂肪酸含量的近红外定量分析模型,且模型指标较好.实验表明近红外光谱分析技术在食用植物油品质快速检测领域有很好的应用前景.     

基于智能优化的分布式网络流量预测方法

网络流量预测是网络管理的重要内容,高效的流量预测方法可提高网络管理效率。针对网络流量的时变性等问题,提出了一种基于智能优化的分布式网络流量预测方法。该方法采用果蝇算法优化3次指数平滑预测模型中的平滑因子,对时间窗口内收集到的网络流量进行预测,从而有效地提高3次指数平滑模型下网络流量预测的准确度与效率。仿真实验表明：相比传统3次指数平滑预测模型,此方法可解决平滑因子的不确定性所导致的预测结果误差问题,有效提高了网络流量预测精度。