近红外光谱-偏最小二乘法测定三元混合物中各组分的含量

为了提高近红外光谱定量分析的预测精度和建模效率,提出了一种基于峰纯度值的变量优选方法,结合偏最小二乘建模,用于近红外光谱多组分同时测定。对庚烷、氯苯和甲苯三组分混合体系进行分析,只选择其中的10个波长变量建立校正模型,与全谱范围的定量校正模型比较。结果表明该方法可使最终所得的模型中变量数大大减少,可通过波长变量优选最小化冗余信息,提高预测精度及建模效率。     

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.     

基于变量组合集群分析法的小麦蛋白质近红外光谱变量选择方法研究

为了解决小麦蛋白质的近红外光谱信息复杂、共线性严重及全光谱建模的预测能力不足等问题,采用一种新的变量选择方法——变量组合集群分析法(VCPA)对小麦蛋白质的近红外光谱进行特征波长选取.首先利用二进制矩阵采样策略(BMS)和指数衰减函数(EDF)删除无信息变量,优选小麦中蛋白质近红外特征波长,然后结合偏最小二乘法(PLS)建立预测模型.与其他变量选择方法相比,VCPA所选用的波长点最少,模型的预测能力最强,VCPA算法所采用的BMS变量采样策略弥补了蒙特卡洛采样方法的不足.研究结果表明,VCPA算法可以有效选择小麦蛋白质近红外光谱特征波长,提高预测模型的可靠性和适用性.     

应用有效波长进行奶茶品种鉴别的研究

基于最小二乘支持向量机建模方法,提出应用奶茶在可见/近红外光谱谱区的有效波长进行其品种鉴别的新方法.用225个样本建模,75个样本进行预测.通过对光谱数据进行偏最小二乘法分析,根据载荷图和回归系数图选择鉴别奶茶品种的有效波长（EW）,并建立EW与最小二乘支持向量机（LS SVM）相结合的EW LS SVM模型,同时与应用主成分（PC）和小波变换（WT）建立的PC LS SVM和WT LS SVM模型进行判别准确率的比较.结果表明,应用EW、PC和WT建立的模型对建模样本的判别准确率均为100%,对预测集样本判别准确率分别为98.7%、98.7%和100%,获得了理想的鉴别效果.研究表明,应用可见/近红外光谱谱区的有效波长进行奶茶品种鉴别是可行的,且EW LS SVM模型能获得满意的鉴别精度.     

基于近红外光谱技术的辛伐他汀片剂生产过程多参数的质量监控

利用近红外光谱（NIR）技术,并结合化学计量学方法,建立了辛伐他汀片剂制备过程水分含量、制片压力、片剂硬度、主药含量四参数的近红外定量分析模型。采用偏最小二乘法（PLS）建立校正模型,以相关系数（R）、校正均方差（RMSEC）、预测均方差（RMSEP）和内部交叉验证均方差（RMSECV）为模型性能评价参数。其中水分含量校正模型的RMSEC为0.682,R为0.99030,内部预测集的RMSEP为0.672,R为0.9906,模型的RMSECV为0.99050;制片压力校正模型的RMSEC为0.181,R为0.98540,内部预测集的RMSEP为0.165,R为0.9763,模型的RMSECV为0.46900;片剂硬度校正模型的RMSEC为0.158,R为0.99130,内部预测集的RMSEP为0.176,R为0.9894,模型的RMSECV为0.34000;主药含量校正模型的RMSEC为0.322,R为0.98878,内部预测集的RMSEP为0.473,R为0.9802,模型的RMSECV为0.55100。结果表明,所建模型具有良好的预测能力,能有效地应用于辛伐他汀固体制剂生产过程中上述各参数的监控。所建方法,对药物固体制剂生产过程的质量监测与控制具有指导意义。     

基于近红外光谱的纯花生油掺伪快速鉴别方法研究

针对目前国内缺乏快速鉴别花生油掺伪鉴别技术的现状,提出基于近红外光谱的纯花生油掺伪快速鉴别方法.实验分别配制了掺入大豆油、菜籽油、棕榈油和调和油的4类掺伪花生油样品共40个,纯花生油样品5个,采集样品近红外全谱,通过支持向量机技术建立纯花生油掺伪鉴别模型.结果表明,选取径向基函数为支持向量机核函数,通过网格搜索和k折校验法确定核参数γ为1,惩罚参数c为1 024,建立纯花生油掺伪鉴别模型的识别率和预测率均达到100%,基于近红外光谱的花生油掺伪快速检测技术具有较好的可行性和实用性.     

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。     

高效通道注意力结合卷积神经网络的近红外光谱分析模型研究

近红外光谱分析技术有无损、高效的特点,在各领域都有广泛应用。但传统分析模型在面对近红外光谱数据量激增时往往出现预测精度不高、泛化能力差等问题。为此,提出一种基于卷积神经网络（CNN）与高效通道注意力（ECA）模块相结合的近红外光谱分析模型（CNNECANet）,该模型由8个一维卷积层、1个ECA模块、4个最大池化层、1个展平层、2个全连接层和1个参数优化器组成。ECA模块由1个全局平均池化、1个一维卷积层和1个Sigmoid激活函数组成。以啤酒、牛奶、柴油、谷物的近红外光谱公共数据为例,将CNNECANet与常用建模方法进行比较,CNNECANet比PLS的预测精度分别提高了30.3%、14.1%、29.5%、48.4%;CNNECANet比SVR的预测精度分别提高了33.5%、17.6%、39.0%、50.0%;CNNECANet比BP神经网络模型的预测精度分别提高了80.0%、29.0%、7.2%、42.7%。该模型具有更好的预测精度和鲁棒性,解决了传统近红外光谱建模算法容易出现过拟合、模型泛化性差等问题。     

紫外-可见-短波近红外漫反射光谱结合化学计量学对丙氨酸的手性进行快速的定性定量分析研究

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5.6mm的最优条件下测量漫反射光谱,经预处理后,采用主成份分析法（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。     

近红外光谱在再生纤维素纤维/氨纶针织面料 成分分析中的应用

以再生纤维素纤维/氨纶针织面料为研究对象进行近红外光谱分析,研究结果表明不同种类的再生纤维素 纤维/氨纶针织面料近红外光谱图相似,可建立统一的预测模型对其成分含量进行定量分析;以莫代尔/氨纶、莱 赛尔/氨纶、（粘纤+莫代尔）/氨纶、（粘纤+莱赛尔）/氨纶针织面料为样本建立的近红外光谱测试模型性能良好, 50个复测样品模型预测值与标准值之间偏差大多都在0.6%以内,预测结果符合标准偏差要求。     

FTIR/ATR光谱快速测定糖厂废水COD

利用FTIR/ATR光谱技术建立糖厂废水化学需氧量（COD）的快速测量方法.基于光谱Savitzky-Golay（SG）平滑和偏最小二乘法（PLS）建立光谱优化模型.建立计算机算法平台,把540种平滑模式和1-40的PLS因子数任意组合分别建立SG-PLS模型,预测效果最优的模型平滑模式为2阶导数平滑,6次多项式,51平滑点数,其对应的PLS因子数（F）、预测均方根偏差（RMSEP）和预测相关系数（RP）分别为11,24.4 mg/L和0.968,预测相关很高,并且明显优于未做SG平滑的直接PLS模型.     

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．     

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．     

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.     

OSC—PLS方法用于渣油裂解装置的软测量建模

渣油裂解反应中，影响沥青产率的因素多，反应机理十分复杂，难以建立准确的机理模型。采用基于正交投影的正交信号校正（OSC）算法对输入变量测量数据进行预处理，剔除数据中所含的与待测变量如浓度、收率等无关的噪声信息；再实施OSC与偏最小二乘（PLS）回归相结合的OSC-PLS方法，建立渣油裂解装置沥青产率的软测量校正模型。结果显示：模型精度和稳定性较非线性方法均有显著提高，而且模型所需PLS成分数减少，模型更简洁。     

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.     

基于预测模型和自主计算的网络资源管理

为解决综合网络系统中的自主管理问题,以气象水文业务系统为背景,对自主网络管理中的设备状态预测机制和DEN-ng策略模型扩展机制以及结合这两种机制处理网络通信系统中的自主管理问题进行了深入研究,提出了NAR-BP（Nonlinear Auto Regressive-Back Propagation）状态预测模型,并根据观探测设备的测量数据,对该模型进行了实验测试。实验结果表明,NAR-BP状态预测模型的各项误差指标较传统的AR（AutoRegressive）模型算法减少了约4/5。基于DEN-ng策略模型扩展了管理决策组件,使其适应应用层的系统状态预测,通过一个策略驱动的多信道数据通信管理实例展示了DEN-ng扩展策略模型在自主网络管理中应用的可行性。     

MIR和NIR光谱技术比较及在烃源岩分析中的应用

中红外光谱和近红外光谱具有快速、无污染、无破坏性特点,是对物质成分进行定量分析的有力工具。2种红外光谱又各具特色,从光谱产生机制、光谱分析模型和光谱仪器设计等角度进行分析对比,探讨2种光谱的各自优势和不足,为实际工作中光谱的选择提供依据。以烃源岩岩屑为研究对象,用中红外光谱和近红外光谱分别进行了分析。结果表明,当用小波多尺度正交校正方法对原始光谱进行预处理后,可明显提高近红外光谱分析模型的准确性和稳定性,得到与中红外光谱分析模型相一致的结果。