基于近红外光谱的汽油辛烷值神经网络模型研究

根据汽油组分的辛烷值与近红外光谱分析数据,用人工神经网络（ANN）的反向传播算法建立了汽油组分辛烷值神经网络预测模型,检验表明,ANN方法能准确地关联近红外光谱分析数据与汽油组分辛烷值的关系.马达法辛烷值预测平均误差为0.20;研究法辛烷值预测平均误差为0.18.     

近红外光谱技术测定花生蛋白质含量研究

采用近红外光谱技术(NIRS)建立花生蛋白质含量的测定模型,讨论了不同回归技术及光谱和数学处理方法对模型的影响,并对模型进行外部验证.得出最佳的建模参数为:标准正常化结合散射处理(SNV and Detrend)的光谱处理方法和2,4,4,1的数学处理方法,改进最小二乘法的回归技术.得到的定标方程的定标相关系数为0.926 9,定标标准偏差为0.228 1,交叉验证相关系数为0.911 7,交叉检验标准偏差平均值为0.311 9,经外部验证得到的相关系数为0.919 7.近红外光谱技术可以用于花生蛋白质含量的快速检测.     

近红外光谱技术测定花生蛋白质含量研究

采用近红外光谱技术(NIRS)建立花生蛋白质含量的测定模型,讨论了不同回归技术及光谱和数学处理方法对模型的影响,并对模型进行外部验证.得出最佳的建模参数为:标准正常化结合散射处理(SNV and Detrend)的光谱处理方法和"2,4,4,1"的数学处理方法,改进最小二乘法的回归技术.得到的定标方程的定标相关系数为0.926 9,定标标准偏差为0.228 1,交叉验证相关系数为0.911 7,交叉检验标准偏差平均值为0.311 9,经外部验证得到的相关系数为0.919 7.近红外光谱技术可以用于花生蛋白质含量的快速检测.     

掺铒锑硅酸盐玻璃光谱性质的研究

研究了Er3+掺杂锑硅酸盐玻璃(5Na2O-20B2O3-30Sb2O3-44SiO2-1Er2O3)的光谱性质,并与同组成的Er3+掺杂铋硅酸盐玻璃的光谱性能进行了对比.实验结果表明在1.53 μm处锑硅酸盐玻璃有较大的受激发射截面(σe = 7.86×10-21 cm2),荧光半高宽(FWHM)为73 nm,而同组成铋硅酸盐玻璃中仅为59 nm.锑硅酸盐中FWHM ×σe为574,高于在锗酸盐、硅酸盐、磷酸盐、碲酸盐和铋硅酸盐玻璃中的增益带宽.结果表明Er3+掺杂锑硅酸盐玻璃是光纤宽带放大器富有前途的一种基质材料.     

近红外光谱技术测定小麦过氧化氢酶的研究

过氧化氢酶是衡量小麦籽粒新鲜度的重要指标.将近红外光谱技术与化学计量方法结合起来,建立小麦样品过氧化氢酶的定标方程,并对方程进行了验证、优化得到小麦过氧化氢酶的最佳定标模型,其1-VR值为0.688,RSQ值为0.947,SEC值为3.363,SECV值为7.303,SEP值为3.361.通过外部验证,表明该方法可以对不同新鲜度的小麦进行快速筛查.     

基于近红外光谱的汽油辛烷值神经网络模型研究

根据汽油组分的辛烷值与近红外光谱分析数据,用人工神经网络(ANN)的反向传播算法建立了汽油组分辛烷值神经网络预测模型,检验表明,ANN方法能准确地关联近红外光谱分析数据与汽油组分辛烷值的关系。马达法辛烷值预测平均误差为0.20;研究法辛烷值预测平均误差为0.18。     

温度测量型近红外光谱分析仪的研究

本文对现有近红外光谱分析仪的样品仓进行改进,在采集样品的吸光度同时,测量样品仓的温度,作为样品温度.并以40个小麦粉末样品为实验材料,在样品温度为4.7℃～22.2℃范围,使用不同温度下样品的200组光谱数据,建立了测定小麦蛋白质含量的温度修正模型和温度不敏感模型.分析结果表明:温度修正模型的交叉校验预测标准差(SEP)为0.335,而温度不敏感模型的SEP=0.377.因此测量样品光谱的同时测量样品温度,结合温度修正模型可以有效地提高近红外光谱定量分析精度.     

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．     

近红外光谱分析技术在蛋鸡配合饲料质量监测上的应用

本文采用常用饲料原料参照通用配方,按蛋白、水分、脂肪、纤维的梯度分布配制成58个蛋鸡配合饲料样品。用该配制样品的化学成分计算值建立近红外反射光谱(NIRS)定标方程。并用从哈市饲料研究所试验厂采集的30个原料相同、配方近似的蛋鸡配合饲料样品检验上述定标方程。蛋鸡配合饲料的七项指标的NIRS测定值均达到了与常规化学方法分析值(ME为计算值)相接近的水平。证明了将NIRS技术应用于饲料工厂配合饲料生产线上的产品质量监测是快速可靠的。     

淮北煤田煤中硅酸盐矿物对煤热解的影响——以任楼煤矿为例

以淮北煤田任楼煤矿为研究对象,探究了煤中硅酸盐矿物对煤热解的影响。对任楼矿煤样进行酸洗脱除其中的硅酸盐矿物,并将原样与酸洗过的样品在相同条件下进行热重实验。实验结果显示,煤样RL-18-7的热解率为21.29%,煤样RL-18-7(去硅酸盐)的热解率为33.07%,煤样RL-18-4的热解率为28.04%,煤样RL-18-4(去硅酸盐)的热解率为39.30%,热解各个阶段去硅酸盐样品的热解率均大于原样。分析认为任楼煤矿煤中的硅酸盐矿物在煤的热解过程中起到抑制作用,原因主要有两个方面:硅酸盐矿物在煤热解的过程中能够阻止煤塑性颗粒的团聚;硅酸盐矿物具有吸附性,煤热解所产生的烃能够被黏土类矿物表面吸附留存,在一定程度上阻止了煤的进一步热解。     

基于二氰基异佛尔酮近红外荧光染料的合成及光谱研究

合成了一例基于二氰基异佛尔酮的近红外荧光染料,通过核磁共振氢谱以及高分辨质谱验证了其结构。研究了其在不同溶剂中的光谱性质,结果表明该染料最大发射波长达644 nm(DMSO溶剂中)并具有大的斯托克斯位移。     

近红外光谱技术在食用植物油脂检测中的应用

近红外光谱技术作为一种快速检测技术,在食品行业已应用于粮食检测、果蔬加工和肉制品加工等领域,为食品质量管理作出了较大贡献。从近红外光谱技术在食用植物油脂分类检测、品质分析以及掺伪鉴别三个方面的应用加以综述;并对近红外分析技术建模过程中关键问题进行了分析和总结。     

采用近红外光谱技术定性鉴别混合浆料中PVA的研究

利用近红外光谱法建立一种定性分析PVA存在的方法.将不同PVA含量的混合浆料样品与纯变性淀粉浆料样品进行近红外全波普段的光谱扫描,通过一阶导数法+中心化的方法进行光谱预处理,建立PVA的PLS近红外定性分析数学模型.所建模型的阈值为0.20,建模集的样品识别准确率可达到100%,检验集的样品识别率、误判率分别为96.67%、3.33%.实验结果表明:应用近红外光谱技术建立PVA定性分析模型的方法是可行的.     

基于近红外光谱和机器学习的无创血糖浓度回归研究

无创血糖浓度预测是目前的热点研究问题,其预测精度容易受到各种不同因素干扰。针对基于近红外光谱的无创血糖浓度回归问题,重点分析了指端相邻位置光谱散射对回归精度的影响。OGTT实验是无创血糖浓度预测问题中的采集数据的经典方法,通过OGTT实验采集了指端区域近红外光谱及对应的血糖浓度数据,并利用支持向量机回归算法预测血糖浓度。总共设计了3组实验,实验结果表明,多区域数据的采集和平均能有效降低指端相邻位置对光谱不同散射带来的回归误差。     

近红外光谱无损检测技术中数据的分析方法概述

近红外光谱无损检测技术可用于品种鉴别与农产品的定性或者是定量的分析工作. 本文介绍了近红外光谱的基本原理及各类近红外光谱分析方法. 近红外光谱无损检测技术中数据分析方法是通过光谱定量分析找到光谱以及对应浓度的内在关系,建立相应的数学模型. 这些方法主要有偏最小二乘回归、主成分分析法、BP神经网络算法、支持向量机、K最近邻分类算法和线性判别分析法等. 通过这些分析模型的对比,研究表明:支持向量机将是近红外光谱数据分析方法未来一个重要的研究方向.     

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.