连续小波变换-支持向量回归用于植物样品多组分分析

采用连续小波变换（CWT）技术对近红外光谱（NIR）数据进行预处理,扣除光谱中的背景与噪音成分,再用支持向量回归（SVR）进行建模,建立了用于复杂植物样品多组分分析的建模方法（CWT-SVR）,并应用于烟草样品中常规成分（总糖、总植物碱和总氮）含量的测定。结果表明,CWT—SVR方法优于基于全谱数据的SVR和偏最小二乘（PLS）法,为近红外光谱定量分析提供了一种新的建模方法。     

饲料蛋白固态发酵过程参数的FT-NIR快速检测

为实现对整个固态发酵过程状态信息变量的在线监测,研究提出基于近红外光谱分析技术的饲料蛋白固态发酵过程参数快速检测新方法。利用近红外光谱采集装置获取固态发酵物样本的近红外光谱,引入不同的光谱预处理方法校正原始近红外光谱数据,采用PLS建立固态发酵过程参数pH和湿度的定量分析模型。在模型校正过程中,通过交互验证法优选光谱预处理方法和建模所需的主因子数。试验结果显示,pH和湿度的PLS模型在预测集中的相关系数R_p分别为0.9838和0.8707,RMSEP分别为0.0696和0.0152。研究结果表明,利用近红外光谱分析技术快速监测固态发酵过程参数是可行的。     

辣椒粉掺杂苏丹红的近红外光谱鉴别及其含量测定方法研究

研究应用漫反射近红外光谱快速鉴别辣椒粉中的苏丹红及其含量测定的方法。利用漫反射模式直接测定含有苏丹红的辣椒粉的近红外光谱,采用多元散射校正(MSC)方法对光谱进行校正,利用主成分分析研究含有苏丹红的辣椒粉和未含苏丹红的辣椒粉空白样品的分类。根据高效液相色谱测定辣椒粉中的苏丹红含量,利用偏最小二乘方法(PLS)建立苏丹红含量与近红外光谱之间的线性模型。结果显示,利用主成分分析可以方便、快速和准确地区分有无苏丹红的辣椒粉;苏丹红含量与近红外光谱具有良好的线性关系,当隐变量数目为7时,PLS模型的预测误差达到0.428μg/g,预测相关系数达0.973。     

小波变换-偏最小二乘法用于柴油近红外光谱分析

为了提高近红外光谱分析精度和速度,需要分别对近红外光谱扣除背景、降低噪音和优选变量等预处理,其过程稍嫌烦琐,本文提出用小波变换-偏最小二乘法(PLS)。该方法利用小波变换提取光谱变量,利用PLS将光谱变量和柴油性质进行关联,建立模型。利用该方法能够分析柴油的诸多性质,分析精度与传统处理方法(微分-PLS)基本一致。该方法具有预处理简单、优选参数少、建模变量少等特点,能够大大简化建模过程、提高建模和分析速度。     

水稻叶片氮含量反演偏最小二乘模型设计

针对高光谱偏最小二乘模型（PLSR）反演作物氮含量时易出现数据冗余和模型复杂的问题,尝试结合波段深度分析和遗传算法（GA）建立水稻氮含量PLSR反演模型。基于去包络线处理的水稻高光谱数据（350nm～750nm）,选取波段深度（BD）、波段深度比（BDR）、归一化面积波段深度（BNA）和归一化面积波段指数（NBDI）4种波段深度指数分别建立BDA PLSR模型,进而采用遗传算法波段选择选取最适宜波段深度指数建立GA PLSR模型,并将GA PLSR模型与BDA PLSR模型进行对比。结果显示,基于BNA的GA PLSR模型在反演水稻氮含量中获得了最佳的结果（Adj.R2=0.67,RMSEP=0.20,RPD=1.84）。研究证明,利用波段深度分析建立的PLSR模型能一定程度上解决数据冗余问题,进一步采用遗传算法进行波段选择能更有效挖掘光谱信息,提高模型精度。     

吐鲁番盆地葡萄园土壤重金属铅含量高光谱估算

土壤重金属铅污染作为现代工矿业发展的产物,已逐渐入侵到农业生产和农产品中。高光谱技术由于具有宏观、快速、高效的特点已成为土壤重金属监测的重要手段。以新疆吐鲁番盆地葡萄园土壤Pb元素为研究对象,分析土壤原始光谱在内的15种光谱变换下的土壤光谱反射率数据与土壤Pb含量的关系,构建土壤Pb含量偏最小二乘回归（PLSR）模型和地理加权重回归（GWR）模型,对比分析并探讨运用土壤高光谱估算葡萄园土壤Pb含量的可行性。结果表明：土壤原始光谱反射率通过光谱变换能有效增强葡萄园土壤Pb元素的光谱特征及模型估算精度,其中,平方根二阶微分（SRSD）变换的PLSR模型和GWR模型估算能力最优。采用GWR模型比PLSR模型更好的解释葡萄园土壤重金属Pb含量高光谱估算。从模型稳定性和精确性来看,在平方根二阶微分变换中GWR模型R²从PLSR模型的0.262提高至0.866, 平方根误差减少了1.009。采用GWR模型可有效提高估算葡萄园土壤Pb含量的精度,为中国葡萄园基地土壤重金属污染以及土壤环境安全研究提供有益借鉴。     

可见光—近红外光谱估算三江源区不同土壤全氮含量

近年来可见光—近红外反射光谱已被广泛应用于估算土壤全氮含量,为大范围区域土壤全氮含量获取提供了一种快速、有效的方法。基于实验室测定的三江源区146个表层土壤(0~30cm)样品的反射光谱数据(350~2 500nm)与全氮含量数据;利用偏最小二乘回归(PLSR)和反向传播神经网络(BPNN)两种模型方法与光谱反射率(REF)及其4种数学预处理变换相结合,分别建立分土壤类型样本和总体样本全氮估算模型;评估利用可见光—近红外光谱技术预测三江源区土壤全氮含量的能力。结果表明:BPNN模型的R2cal、R2val及验证RPD的平均值分别为0.87、0.81与2.28;而PLSR模型则相应为0.75、0.72和1.95;表明BPNN模型预测能力整体上要优于PLSR模型。BPNN与光谱各种形式的结合均具有良好、或接近良好预测全氮的能力;而PLSR与REF、倒数对数(Log(1/R))及波段深度(BD)的结合仅少部分具有良好估算能力、大部分则为粗略估算能力,一阶微分(FDR)和二阶微分(SDR)估算精度均较低,尤其是SDR(R20.5,RPD=1.10~1.27)均不具备估算能力。总体样本所建模型稳定性好于分土壤类型,分土壤类型建模差异性明显;此外,总体来看,BPNN模型比PLSR建模精度高、模型稳定性好,但PLSR模型可操作性强于BPNN模型。     

近红外光谱法测定黄芩提取物中黄芩苷含量

应用近红外光谱技术探讨了黄芩提取物中黄芩苷含量的快速检测新方法.共收集12个不同厂家的100批黄芩提取物样品,利用Nicolet 6700型傅立叶变换近红外光谱仪采集样品近红外漫反射光谱,通过HPLC法测定黄芩苷含量值,结合偏最小二乘法(PLS)建立黄芩苷含量的近红外定量校正模型,并通过筛选合适的光谱预处理方法、建模区间和主成分数获得最优模型.所建最优校正模型的相关系数(R2)、校正均方差(RMSEC)和内部交叉验证均方差(RMSECV)分别为0.995、0.440和2.259;经外部验证,模型的预测相关系数(r2)、预测均方差(RMSEP)和平均回收率分别为0.988、0.486和100.190%.结果表明,该方法可用于不同厂家黄芩提取物中黄芩苷含量的直接测定,操作简便,无污染,结果准确可靠,可实现大批量样品的快速分析.     

近红外光谱结合反向区间偏最小二乘法检测药用辅料糊精

利用近红外光谱结合化学计量学方法快速检测了药用辅料糊精含量。首先,用近红外光谱仪采集主药与糊精共存样本的近红外光谱数据;然后,采用反向区间偏最小二乘法(Backward Interval Partial Least Squares,Bi PLS)优选光谱特征区间;最后,采用偏最小二乘法(PLS)对优选出来的区间建立药用辅料糊精近红外光谱模型。采用Bi PLS将全光谱均匀划分35个子区间,选择16个子区间[1,7,10,12,18,20,21,23~25,28~33]时,建立的模型预测效果最佳,其交叉验证均方根误差和预测均方根误差分别为1.501和2.437,校正集和验证集相关系数分别为0.9968和0.9958。因此,利用近红外光谱技术快速检测药用辅料糊精含量是可行的。     

近红外光谱技术快速测定当归中藁本内酯含量

基于近红外光谱技术,运用偏最小二乘回归(PLSR)方法实现当归中藁本内酯含量的快速、无损检测.采用高效液相色谱(HPLC)法测定当归中藁本内酯含量,一阶导数结合正交信号校正对原始光谱进行预处理,建立当归近红外光谱和藁本内酯含量之间的最小二乘回归定量分析模型.结果表明:模型在校正集上的均方根误差(RMSEE)、交叉验证均方根误差(RMSECV)和决定系数R2分别为0.199 9,0.3489和0.9932,在预测集上的预测均方根误差(RMSEP)和决定系数R2分别为0.23和0.9941.方法具有简单、快速、不破坏样品等特点,可用于当归中藁本内酯含量的快速检测.     

近红外光谱信号的优化处理

用实验室常规方法测定竹材样品的木质素含量,漫反射方式采集样品的近红外光谱信号,偏最小二乘法(PLS)和完全交互验证方式以建立毛竹木质素含量的定量分析模型。研究主成分数、建模谱区、求导和平滑预处理技术对定量分析模型的影响。结果表明,预处理技术压缩和恢复的近红外光谱信号效果良好,提高了模型的预测能力,优化近红外定量分析模型有重要参考价值。     

基于VIP处理的O-PLS算法的无创血糖基础研究

为了解决目前无创血糖检测模型的精度不高,预测效果不好的问题,以葡萄糖水溶液为样本,利用近红外光谱透射法测量不同浓度葡萄糖的吸光度。采用偏最小二乘法（PLS)对葡萄糖溶液的光谱和浓度进行建模和预测,通过正交信号校正法（OSC)消除葡萄糖溶液光谱和浓度的主成分中的正交成分,同时,采用了变量投影重要性指标（VIP）筛选出对葡萄糖溶液浓度解释能力强的波长变量。数据结果表明,经过处理后模型验证集的实际值和预测值的相关系数可以达到9977%,预测均方根误差（RMSEP)为00048,通过OSC和VIP可以有效提高PLS模型的准确度和预测能力。     

NIRS快速测定制何首乌中二苯乙烯苷的含量

目的建立近红外光谱技术(NIRS)测定制何首乌中2,3,5,4'-四羟基二苯乙烯-2-O-β-D-葡萄糖苷(二苯乙烯苷)含量的方法。方法中国药典方法测定样品中二苯乙烯苷的含量,采集样品的近红外光谱数据,利用TQ 8.0分析软件对光谱数据进行分析处理,建立制何首乌中二苯乙烯苷含量测定的近红外光谱校正模型。结果该模型的内部交叉验证系数(R~2)、校正均方差(RMSEC)、预测均方差(RMSEP)、内部交叉验证均方差(RMSECV)分别为0.98、0.04、0.04、0.12。结论所建立的方法可用于制何首乌中二苯乙烯苷的含量测定。     

近红外光谱定量分析的模型转移新方法

由于近红外光谱不同仪器间存在差异性,在一台仪器上耗费大量人力物力建立的定量分析模型往往无法直接应用于另一台仪器。为了提高已有模型的通用性,需要对所建模型进行模型转移使其能够适用于更多仪器。本文针对近红外光谱定量分析中的模型转移方法展开研究,利用基于变量投影重要性系数（VIP）的改进叠加偏最小二乘（SPLS）算法（VIP-SPLS）与常用的模型转移方法直接标准化（DS）相结合,提出一种新的近红外光谱分析模型转移方法（VIP-SPLS-DS）,使得主仪器上建立的模型经模型转移后能更精确地预测从仪器上的测试样本。将本文提出的模型转移新方法（VIP-SPLS-DS）应用于真实的近红外光谱标准数据集,对两台从仪器的预测精度相对于已有的PLS-DS模型分别提高了29.3%和30.8%,显著改善了模型转移效果,具有良好的实际应用前景。     

巴戟天水溶性浸出物近红外光谱测定方法的建立

目的:运用近红外光谱技术和化学计量学方法,建立巴戟天水溶性浸出物含量的近红外光谱测定方法。方法:冷浸法测定159批试验药材的水溶性浸出物含量,并采集近红外光谱数据,采用多元散射校正法、一阶导数法对光谱进行预处理,结合偏最小二乘法建立巴戟天中水溶性浸出物含量的近红外光谱分析模型,并对模型进行验证,得到水溶性浸出物含量的近红外光谱测定方法。结果:测定方法中建立的测定模型,内部交叉验证决定系数为0.9915,交叉验证校正标准偏差为0.4720,预测标准差为0.4890,交叉验证的标准偏差为0.8695。结论:建立的巴戟天水溶性浸出物近红外光谱测定方法稳定,准确可靠,可用于巴戟天药材的水溶性浸出物含量测定。     

优化茶多酚近红外光谱定量分析模型

茶叶中茶多酚作为茶叶品质检测中常规检测成分之一,目前的常规检测方法的缺点是费时、费力,成本较高,因此本研究利用近红外光谱分析技术对茶叶中茶多酚含量快速无损检测具有很高的实用价值.为了提高近红外光谱茶多酚预测模型的精度,利用小波消噪预处理茶叶近红外光谱,滤去其中的噪声信息.再用区间偏最小二乘法(iPLS)与遗传算法(GA)相结合的PLS波长筛选法iPLS-GA建立茶多酚的预测模型:用iPLS预测前,先将整个光谱划分为40个子区间,选择交互验证均方根误差RMSECV值低于全光谱区间的第25和34子区间的组合为信息区间,共166个波数点,然后用GA全局优化组合这166个波数点,最终共有18个波数点用于建立茶多酚模型.结果表明,用小波消噪和iPLS-GA建立的茶多酚模型的预测相关系数RC和校正均方根误差RMSEC分别为0.964 8和2.14;预测相关系数Rp和预测均方根误差RMSEP;分别为0.958 7和2.22.均比其它模型好.建模数据量从3 320个减少到18个,使模型得以简化.     

偏最小二乘法同时测定食醋的有效成分和防腐剂的含量

偏最小二乘方法建立近红外光谱与组分浓度的多元校正模型,用于同时快速测定食醋的有效成分(总酸)和防腐剂(苯甲酸)含量。采用透射模式,样品不经任何处理测定近红外光谱。用17个食醋样品建立偏最小二乘法(PLS)模型,用3个样品作为预测样品以评估PLS模型。结果:食醋中的总酸和苯甲酸在2 125～2 325 nm区域之间,与光谱有良好的线性关系,总酸的PLS模型中,隐变量为3时,预测均方根误差0.038 7 g·L~(-1),总酸含量与光谱的线性相关系数达到0.999 7,相对预测误差5.89%;苯甲酸的PLS模型中,隐变量为6时,预测均方根误差降至0.013 8 g·L~(-1),苯甲酸含量与光谱的线性相关系数达到0.999 8,相对预测误差降至4.29%。     

基于Boosting-KPLS的近红外绝缘涂层厚度检测

探索了一种基于近红外光谱法实现的硅钢表面绝缘涂层厚度检测方法。该方法采用声光可调滤波器近红外光谱仪采集硅钢表面绝缘涂层的近红外光谱,为进一步提取近红外光谱数据的有效信息,采用离散粒子群优化(discretebinary particle swarm optimization,DBPSO)算法对近红外光谱数据进行最佳波长变量筛选,并用筛选得到的新的光谱数据建立涂层厚度的Boosting-核偏最小二乘(kernel partial least squares,KPLS)定量分析模型。对比实验结果显示,Boosting-KPLS算法可以提高定量分析模型的分析准确度和速度,是一种较KPLS更为稳健、分析准确度更高的近红外光谱分析方法。文中所建定量分析模型对30个检验样本分析的绝对误差最小值为-0.02μm,最大值为0.19μm,最大相对误差为14.23%,完全符合实际检验的需要。     

NIRS结合PLS快速分析银黄颗粒中有效成分含量

研究旨在探讨利用银黄颗粒样品的近红外漫反射光谱(NIRS)信息,建立黄芩苷和绿原酸含量的校正模型,为银黄颗粒质量的快速评价提供1种新方法.以HPLC分析值为参照,采用近红外漫反射光谱技术采集100批银黄颗粒样品的近红外漫反射光谱,结合偏最小二乘法(PLS)建立了黄芩苷和绿原酸含量的校正模型.黄芩苷和绿原酸含量的校正模型相关系数(R2)分别为0.998和0.995,校正均方差(RMSEC)为0.578和0.123,内部交叉验证均方差(RMSECV)为2.356和0.412;经外部验证,预测相关系数(r)分别为0.995和0.984,预测均方差为(RMSEP)0.597和0.166.结果表明,该方法准确、简便、无污染,可实现大批量银黄颗粒样品的快速分析.     

近红外光谱灰分预测模型中煤炭样本的优化方法

针对近红外光谱灰分预测模型中样本数据特有的问题,首先采用主成分分析方法剔除建模样本集中的异常样本,并提取出煤炭光谱的特征信息;然后提出一种集成自组织映射神经网络和模糊C均值聚类算法的双层聚类方法,将样本集分为5个子集,并滤除其中的争议点;最后搭建基于GA-BP神经网络的煤炭灰分预测子模型,单独分析各子集的测试集样本。实验结果表明,基于主成分分析和双层聚类方法的煤炭样本优化方法不仅能准确排除异常样本和可疑样本,还能有效地压缩样本数据,使得各子模型的学习精度和运算速度得到显著提高。该方法为近红外光谱煤质分析技术的发展应用提供了一种有效可行的新途径。