近红外光谱数据分析方法研究

文中将主成分分析和BP神经网络方法相结合，用于对近红外光谱数据进行预处理和回归分析，较好地解决了近红外分析中的非线性关联问题。实验结果表明，该方法在近红外光谱数据的分析中与传统的化学计量学方法相比有较好的应用效果。     

人工神经网络在舌诊近红外光谱中的应用研究

为了能客观地反映中医舌诊所蕴涵的病理信息,首次采用近红外光谱和神经网络对疾病进行诊断。分别采用了BP网络、广义回归神经网络(GRNN)、主成分分析和广义回归神经网络(PCA-GRNN)结合的三种模型在舌诊光谱法中的分析预测,首先对三种建模方法进行了分析,再用采集的健康人和糖尿病患者舌诊光谱数据进行校正模型的建立,两类舌诊光谱样本各39例,共计78例样本,在神经网络学习中,将其分成训练集样本60例和预测集样本18例,分别利用所建的三种模型对舌诊光谱样本进行训练和预测。实验结果是三种模型中PCA-GRNN相结合的方法平均绝对误差最小为13.2%、训练时间最短为0.072255s,以相对偏差在0.5以内为正确的情况下,其正确率为100%。说明用PCA-GRNN模型可以应用于舌诊光谱法的分析,并取得较好的分析结果,这对中医舌诊的客观化起到了一定的推动作用。     

遗传神经网络在近红外光谱煤质分析中的应用研究

针对BP神经网络收敛速度慢及容易陷入局部最优解的缺点,结合遗传算法全局搜索的特点,提出了一种基于遗传算法和BP神经网络建立近红外光谱煤质分析模型的方法;并利用主成分分析法提取煤炭样品的主成分值,有效地压缩了数据。实验对比了BP模型与GA-BP模型,结果表明,GA-BP模型能有效地减小测试集的预测值与真实值之间的误差平方和,相关系数也得到了提高,有效地提高了预测精度和分析速度。     

杜仲松脂醇二葡萄糖苷含量的近红外光谱检测研究

采用AntarisⅡ傅立叶变换红外光谱分析仪器(Thermo Nicolet)测定了9种杜仲的光谱数据,运用偏最小二乘法(PLS)和主成分分析回归(PCR)分别建立了杜仲中松脂醇二葡萄糖苷(PDG)含量与吸光度变量的近红外光谱定标模型,并对所建模型进行验证.结果表明,2种方法建立的模型精度都较高,其中模型的预测能力强弱指标SSE=2.8333,PRESS=7.2392,可见在近红外光谱下,PCR和PDG都适合对杜仲进行检测研究,这是本文的一个重要结果,为以后杜仲的指标检验研究提供了理论和实验依据:但是,PCR建立的(PDG)定标模型预测精度稍高于偏最小二乘法(PLS)建立的模型,所以文中只对PCR进行模型的建立,PLS方法对杜仲检测分析这个问题有待于以后的进一步讨论和研究.     

苹果近红外光谱的特征提取和分类研究

采用近红外光谱分析法对不同种类的苹果样品进行分类,提出一种基于非相关判别转换的苹果近红外光谱定性分析新方法。实验分别采用主成分分析、Fisher判别分析和非相关判别转换三种方法对苹果光谱数据进行特征提取,并使用K-近邻分类算法建立三种苹果分类识别模型,最后使用"留一"交叉验证法进行模型检验。结果表明,使用非相关判别转换方法建立的模型正确识别率优于使用主成分分析和Fisher判别分析建立的模型。     

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。     

介绍近红外光谱分析技术在成品油分析中的应用

介绍了近几年成品油物理牧场生分析中应用近红外（NIR）光谱分析技术的发展情况,工作原理和目前世界上主要的NIR成品油分析系统,指出了该技术与传统的CFR发动机法比在测量汽油辛烷值和其它特性方面的优缺点。     

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。     

基于神经网络的近红外光谱辛烷值模型的研究及应用

汽油管道调合的在线优化过程中,调合优化与控制系统对近红外光谱模型的依赖很大。光谱模型的精度及适应性直接影响整个在线调合系统。本文就如何建立适用于在线汽油调合的汽油辛烷值近红外光谱模型展开研究,提出一种采用主元分析(PCA)结合人工神经网络(ANN)的方法建立汽油近红外光谱辛烷值模型的方法;并与多元线性回归及偏最小二乘法建立的线性模型做比较。结果表明主元分析结合人工神经网络所建立的模型适应性较高、抗干扰能力强,适合汽油在线调合的现场应用。     

基于FPGA的羊绒近红外光谱神经网络辨识研究

为了满足神经网络实现的实时性要求,介绍了一种基于FPGA的神经网络可重构实现方法。首先在软件中利用改进的BP神经网络算法得到最优权值,然后在改进了激励函数逼近方法的基础上,用FPGA实现了羊绒近红外光谱模型的辨识。通过仿真实验得知,该方法有较好的辨识精度和速度,是一种有效的硬件羊绒近红外光谱建模方法,为羊绒、羊毛鉴别的嵌入式实现奠定了基础。     

近红外光谱过程分析与控制技术融合及展望

以近红外（NIR）光谱为代表的新型过程分析技术（PAT）近年来在流程行业得到越来越多的应用。PAT是以化学计量学为基础,并采用自动化分析仪器的生产过程质量分析新方法,与传统化验分析技术相比,PAT具有测量速度快、准确度高等优点。介绍了NIR光谱的PAT原理,归纳了NIR光谱分析仪器技术特点及应用场合,阐述了NIR光谱预处理、建立校正模型等技术。进一步地,介绍PAT与过程控制技术（PCT）的融合,重点分析了PAT在完善先进控制技术及实时优化中所起的重要作用。最后,对PAT及PCT在流程智能制造领域的融合发展进行了展望。     

在线近红外光谱分析技术及应用

过程分析技术在优化生产控制、稳定产品质量、降低劳动成本、提高经济效益等方面起到越来越重要的作用,其中在线近红外光谱分析技术是目前发展最快和最具有前景的过程分析技术之一。介绍了在线近红外光谱分析系统的组成和特点,以及在石化、化工和制药领域的实际应用情况。应用实例表明,将在线近红外光谱分析技术用于生产过程可为厂家带来可观的经济效益。     

制浆材近红外光谱在线检测系统设计

针对制浆木材原料主要理化指标现场快速检测的需要,以微型近红外光纤光谱仪为基础,设计了一套制浆材在线检测系统。该系统由制浆材光谱采集平台、光谱仪测控软件和光谱数据分析及管理软件三个部分组成。其中测控软件独立编译,光谱仪的通信接口函数模块化封装,以提高对不同型号近红外光谱仪的通用性,便于在实际生产中推广应用。通过实验模拟制浆生产过程检测表明,系统运行稳定、快速,检测结果达到工业质量控制要求,为制浆材在线快速检测提供了一种可行的解决方案。     

近红外光谱分析技术在药学领域中的应用

综述了近红外光谱分析技术在药学领域中的应用。包括近红外光谱法在原料药的分析。、药物制剂的分析和制药过程中质量控制等。     

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。     

近红外反射光谱分析在抗生素片剂质量控制中的应用

本文讨论了近红外反射光谱分析在头孢片剂固体样品物理化学性质测定方面的应用，分析结果显示该方法可以很好的确认生产过程中的原料及其制品的质量，同时还可以得到满意的水分含量测定结果。     

基于主成分分析与BP神经网络的供应商选择模型

供应商选择是企业进行决策的重要内容,也直接影响着企业竞争力。在科学合理的构建供应商评价指标体系的基础上,首先对供应商评价的数据进行主成分分析,然后建立基于BP神经网络的供应商评价模型,最后以实例验证。这两种方法相结合不仅简化了模型结构,而且较好的克服评价指标主观性强的问题,为供应商选择提供了一种新的、实用的评价方法。     

基于主元分析的径向基神经网络预测模型研究

结合主元分析(PCA)和径向基函数(RBF)神经网络,建立了地下水动态模拟与软测量预测模型。通过主元分析法提取主要成分,实现数据预处理;将选取的主要成分作为RBF神经网络的输入;采用k均值聚类算法确定RBF网络隐含层参数,并用递进最小二乘法确定输出层权值。仿真结果表明,该模型优化了网络结构,提高了预测精度。