基于偏最小二乘回归算法的燃煤碳元素分析

基于偏最小二乘回归算法建立了燃煤碳元素分析模型.该模型以工业分析成分中的水分、灰分、挥发分和发热量为输入向量,以燃煤的碳元素为输出向量.利用偏最小二乘回归算法所具有的可以逼近任意非线性映射的能力,来模拟实际的输入输出关系.通过对预测方程进行训练和检验,结果表明,该分析模型预测精度是满足工程要求的.因此,所建模型是合理可行的.     

用近红外光谱-PLS法非破坏性分析吡嗪酰胺片

应用偏最小二乘法结合近红外光谱法(NIRS-PLS)对吡嗪酰胺片中吡嗪酰胺的含量进行了非破坏性定量分析。采用近红外一阶导数800~1200 nm光谱区间建立了吡嗪酰胺片中吡嗪酰胺的含量定量分析模型,校正集预测值与真实值的相关系数(R)达到0.9989,预测均方根误差(RMSEP)为0.563,表明所建模型准确可靠,预测准确度高,NIRS-PLS方便快捷,可作为药品分析的一种常规方法。     

基于最小一乘的单因变量偏最小二乘算法

偏最小二乘回归能较好地解决自变量间的多重共线问题，最小一乘法比最小二乘法能更有效地降低回归模型的误差。本文提出的改进的偏最小二乘回归将这两种方法结合起来，在偏最小二乘回归过程中利用最小一乘法建立因变量对提取的自变量成分的多元回归模型。算例表明改进的偏最小二乘回归算法的预测精度较高。     

基于成分数据的多元结构方程模型

为研究结构方程模型的偏最小二乘回归在成分数据中的应用,利用旅游业投资、接待能力以及发展三者之间的关系进行模型分析。通过将偏最小二乘回归应用于成分数据中,提出了新的修正加权符号权重和,进而得出潜变量的估计值。研究结果表明,通过修正后的加权符号权重和,使得模型中显变量的拟合效果更好,且通过分析相关系数可知新模型结果与实际情况更符,即旅游投资主要通过影响旅游接待能力促进旅游业发展。     

偏最小二乘法应用于回归的局限性

通过剖析＂偏最小二乘回归模型＂的原理,指出其局限性以及使用的必要条件。通过反例证明用＂偏最小二乘法＂建立回归方程出现不合理结果的可能性。最后通过一个成分数据的实例,验证了＂偏最小二乘回归模型＂在该类问题中的不适宜性。     

基于(稀疏)偏最小二乘的老挝电力消费研究

为探讨老挝电力消费的影响因素,建立了偏最小二乘回归和稀疏偏最小二乘回归模型.首先用偏最小二乘从原始数据中提取最具解释能力的主成分,处理强相关电力数据;然后在此法基础上加入惩罚项,即用稀疏偏最小二乘筛选出重要变量和删除冗余信息;最后比较几种常见的方法的预测精度.研究结果表明:偏最小二乘较之常规的最小二乘回归等方法具有更高的预测精度,老挝国内生产总值、人口等因素对电力消费影响较大.     

偏最小二乘一分光光度法同时测定染液中直接染料组分的浓度

为建立直接染料混合体系中三组分浓度同时测定的方法,通过均匀设计得到校正集和检验集样本,采用改进的最小偏二乘法法（PLS）对体系的400nm-700nm波段可见吸收光谱进行回归分析,得出同时测定该体系多组分含量的数学模型,并将该模型用于直接染料染色过程中染料浓度的检测,结果表明模型有较好的预测能力．     

基于近红外高光谱成像技术的马铃薯淀粉含量无损检测

以马铃薯为研究对象,应用近红外高光谱成像技术(900¹ 700 nm)对马铃薯淀粉含量进行无损检测.采用多元散射校正法(MSC)对原始光谱进行预处理,并通过回归系数法(RC)和连续投影算法(SPA)选择特征波长.分别建立两种特征波长下的多元线性回归模型(MLR)和偏最小二乘回归模型(PLSR),并对比建模效果.结果表明,对于两种建模方法,采用连续投影算法选择特征波长建模的效果较好;SPA-MLR建模效果优于SPA-PLSR建模效果,其校正模型的相关系数(Rc)和均方根误差(RMSEC)分别为0.972、0.329;验证模型的相关系数(Rp)和均方根误差(RMSEP)分别为0.982、0.249.     

基于高光谱成像技术的马铃薯多种营养成分同时检测

利用高光谱成像技术对马铃薯淀粉、干物质、水分含量进行同时检测。采用多元散射校正方法(MSC)对原始光谱预处理,并通过竞争性自适应重加权算法(CARS)和连续投影算法(SPA)选择特征波长,分别建立两种特征波长下的偏最小二乘模型(PLS)和多元线性回归模型(MLR),并对比建模效果。结果表明,采用CARS选择的特征波长建模效果较好。淀粉的最优模型为CARS-MLR模型,其校正模型相关系数(RC)、校正模型的均方根误差(RMSEC)、预测模型的相关系数(RP)、预测模型的均方根误差(RMSEP)分别为0.965、0.376、0.950、0.361;干物质的最优模型为CARS-PLS模型,其RC、RMSEC、RP、RMSEP为0.954、0.386、0.947、0.383;水分的最优模型为CARS-PLS模型,其RC、RMSEC、RP、RMSEP为0.926、0.410、0.929、0.398。研究结果表明,CARS算法是一种有效的高光谱特征波长提取方法,利用CARS选择特征波长建立的预测模型可替代全波段建模。利用高光谱成像技术可以实现马铃薯多种营养成分同时检测。     

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.     

基于电子舌的大豆分离蛋白苦味分析与评价技术研究

使用法国Astree电子舌对大豆分离蛋白的苦味进行分析研究。利用主成分分析(PCA)和判别因子分析(DFA)对采集到的味觉信息进行定性分析,基于偏最小二乘法和RBF神经网络建立苦味定量预测模型。结果表明:主成分分析和判别因子分析均可判别配方的苦味程度,RBF神经网络预测模型预测集的RMSE为0. 010和0. 007,偏最小二乘预测模型预测集的RMSE为0. 035和0. 093。表明采用RBF神经网络建立的预测模型预测效果更好,研究结果为大豆分离蛋白苦味评价体系提供了一种全新的方法。     

紫外-可见-短波近红外漫反射光谱法对丙氨酸手性的定性定量分析

以D-、L-和DL-丙氨酸为对象,首次研究了紫外-可见-短波近红外漫反射光谱结合化学计量学快速、无损地定性、定量分析固体手性化合物的可行性。在粒度过100目、样品与光纤探头距离5.6 mm的最优条件下测量漫反射光谱,经预处理后,采用主成分分析法(PCA)和判别偏最小二乘法(PLS-DA)建模进行定性分析,结果预测判别准确率为100%。定量分析上,16个不同比率的L-/D-丙氨酸二元混合粉末样的光谱经波长选择、光谱数据预处理后,以偏最小二乘回归法(PLR)和支持向量回归法(SVR)建模,校正集和预测集的最优决定系数(R2)均在0.99和0.98以上,绩效偏差率(RPD)值远高于2。研究表明,采用紫外-可见-短波近红外漫反射光谱法结合化学计量学可应用于手性固态丙氨酸的快速、无损分析,并有望于运用到手性药物的质量检测上。     

基于偏最小二乘支持向量机回归区域物流量预测

研究采用偏最小二乘支持向量机回归模型进行区域物流量预测问题.针对普通最小二乘预测所存在的问题和物流系统样本量少的具体状况,提出偏最小二乘支持向量机回归区域物流量预测方法,采用主成分分析法提取影响物流量因素的新综合变量,建立以新综合变量为输入,物流量为输出的支持向量机回归非线性预测模型,在廊坊市物流量预测中进行仿真试验,证明了该方法的可行性与正确性.     

利用近红外光谱进行羊绒与羊毛的鉴别技术研究

利用近红外光谱技术,以不同产地的羊绒、羊毛纤维为研究对象,结合主成分分析法和多元线性回归方法分别建立了羊绒、羊毛定性分析模型和羊绒-羊毛混纺纤维的定量分析模型.对模型的验证结果表明:定性分析模型能够准确地鉴别出羊绒与羊毛纤维;定量分析模型的相关系数和预测标准偏差分别达到了0.998 1和1.206 1,能够对羊绒-羊毛混纺纤维的含量进行准确的预测;近红外光谱技术用于羊绒、羊毛定性及定量分析具有可行性.     

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。     

化学计量学-荧光光谱法同时测定四种农药

应用化学计量学方法对荧光光谱严重重叠的灭螨猛、三唑磷、蝇毒磷和多菌灵四组分混合体系进行光谱解析,建立了四种农药同时测定的新方法。在pH=7.87 Britton-Robison缓冲介质中,以λ=228 nm为共激发波长,扫描四种农药混合物在260~440 nm波长范围荧光光谱,然后用不同化学计量学模型对重叠光谱数据进行解析并同时测定四组分。研究表明,偏最小二乘和主成分回归算法对四组分混合物合成样预报结果要优于径向基人工神经网络模型和经典最小二乘算法,偏最小二乘和主成分回归算法的预报浓度与实际浓度的总相对预报误差均为7.5%。用偏最小二乘法结合荧光光谱法对实际样品进行测定,结果满意。     

花生油中掺入大豆油的鉴别研究

利用气相色谱法(GC)结合化学计量学技术建立了花生油中掺入大豆油的鉴别模型以及掺伪定量分析模型.分别采用气相色谱法、主成分分析(PCA)、聚类分析(CA)和最小二乘支持向量机(LS-SVM)对脂肪酸色谱数据进行处理.结果显示,利用LS-SVM构建的花生油掺大豆油的鉴别模型准确率最高,达100%;运用偏最小二乘法(PLS)建立花生油掺伪定量模型,并通过交互验证考察所建模型的可靠性,PLS模型的相关系数(R2)、交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.996、1.59%和2.08%,优于经典的多元线性回归(MLR)和主成分回归(PCR).这表明应用化学计量学技术能够快速、准确地鉴别花生油的真伪和检测花生油中大豆油的含量,对其他油脂掺伪检测也具有一定的参考价值.     

废旧毛涤混纺面料溶解效果表征

以废旧毛涤混纺面料为原料,采用还原C法对废旧毛涤混纺面料进行溶解;通过场发射扫描电镜观察分析,发现羊毛溶解过程实质上是溶胀溶解的过程,当溶解率到89.8%左右,只能看到少量未溶物,剩下的几乎全是涤纶;通过傅里叶变换红外光谱测试分析,发现溶解过程中面料中的成分发生了明显的变化。随着羊毛的不断溶解,红外光谱中蛋白质的特征峰减少,涤纶的特征峰逐渐变得明显。     

偏最小二乘回归模型在水文相关分析中的应用

介绍了偏最小二乘回归的基本原理、建模基本思路和交又有效性判别方法，将偏最小二乘回归模型应用于水文相关分析，并与最小二乘回归模型进行比较分析。通过算例分析表明，该模型具有符合水文现象特性的合理结构及较高的相关分析精度，能很好的应用于水文相关分析中。     

改进的偏最小二乘回归模型及应用

对样本量小于特征数量的高维数据进行拟合时,偏最小二乘回归模型(PLS)因自身优点对线性关系的拟合效果较好。为解决PLS模型对非线性关系拟合效果较差并控制模型计算量两方面问题,提出基于stacking集成非线性偏最小二乘模型(stacking-plsr)。从模型鲁棒性、敏感性和拟合精度三个方面对stacking-plsr模型进行实证检验。结果表明,stacking-plsr模型的拟合效果对训练集样本数量和超参数degree的取值并不敏感,在测试集上预测值的MSE和ARE两项指标相较于传统PLS模型分别降低68.26%和34.44%。