近红外光谱组合区间偏最小二乘法定量白酒中的乙酸乙酯

白酒特征香味主要体现在酯类的分布和数量上,如乙酸乙酯既是清香型白酒的特征香味成分,又在浓香型、酱香型等白酒中有较高的含量,是形成白酒香味的重要物质。探讨白酒中以乙酸乙酯为代表的酪类物质检测具有重要的实际意义。传统的色谱法存在着操作复杂、耗时长等缺陷。近红外光谱以其简便、快捷、低成本、多组分同时测定以及不破坏样品等优点,在食品、化工、制药等领域得到了成功应用,与化学计量学结合被称为万能分析技术。本文通过组合近红外光谱与区间偏最小二乘算法,筛选出定量白酒中乙酸乙酯含量的最优波长区间,将变量从1175压缩到156,压缩率达87%,大大降低了计算的时间和空间复杂度。在此基础上建立了比基于全谱的偏最小二乘算法方法更简单、更精确的预测模型,显示出强的推广能力,并在独立的测试集上得到了验证。尽管只针对乙酸乙酯含量进行了实验,但实验结果具有普遍意义。     

非线性偏最小二乘建模方法及在近红外光谱建模上的应用

偏最小二乘算法(PLS)是常用的线性光谱建模方法。针对汽油在线调合中具有非线性特点的辛烷值、干点等属性应用PLS方法建立模型误差较大问题,本文提出了残差-递阶偏最小二乘的建模方法,该方法对已经提取成分后的自变量中剩余的信息再提取主成分,并将该主成分作为新的自变量参与回归建模。仿真验证结果表明:残差-递阶偏最小二乘方法建立的模型中验证集的样本数据误差均在正负0.2之间。残差-递阶偏最小二乘方法与偏最小二乘、递阶偏最小二乘叫-PLS)两种方法比较,残差-递阶偏最小二乘建立的模型有的更高的精度和模型适应性。     

偏最小二乘组合后向区间选择在近红外定量建模中的应用

偏最小二乘是在光谱多变量校正中广泛使用的一种经典算法.尽管本身具有变量压缩的作用,近年来的研究发现,高效的变量选择仍然是必要的,一方面能够提高模型的预测能力,另一方面能够降低模型的复杂度.考虑到相邻光谱变量之间高度相关的事实,创建一种偏最小二乘组合后向区间选择策略的算法.步骤是:先将整个光谱波长区域细分为一定数量的等长子区间;然后采用后向淘汰的策略,根据各个子区间的有用信息量将其逐步淘汰,形成一个淘汰序列;最后再反向选择一个最优数量的子区间来建立最终的预测模型.该方法应用于建立烟草总糖的近红外定量预测模型,效果好.在将变量压缩60%的基础上获得了比传统基于全谱的偏最小二乘算法更优的预测性能.     

遗传算法在肉类近红外光谱分析中波长选择的应用

论文旨在研究遗传算法波长选择对近红外光谱数据建立的模型的预测性能的影响.文中选用遗传算法对光谱数据进行波长选择,选择后建立偏最小二乘法（PLS）模型,再将得到的模型和没有经过波长选择的全波长建立的PLS模型进行对比.结果表明,经过遗传算法波长选择后建立的模型预测性能优越,预测误差明显减少.所以,将遗传算法应用到波长选择中是可行的,可以继续推广.     

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。     

基于LS-SVM的苹果近红外光谱回归模型的研究

提出了一种应用于苹果近红外光谱分析的LS-SVM回归模型;使用基于两层网格搜索的交叉验证算法确定LS-SVM的最优参数(γ,σ2),缩短搜索时间并提高了效率;针对LS-SVM稀疏性的缺乏和鲁棒性的不足,对模型进行优化训练.在不同方差的噪声下,通过优化训练模型的抗干扰能力明显强于常规训练模型;将优化后的LS-SVM模型应用于苹果酸度的预测,利用光纤光谱仪采集苹果近红外吸收光谱作为模型输入,使用酸度计测得苹果测量酸度值作为模型输出;实验结果表明,所建模型的相关系数和均方根误差为0.9615和0.0312,与MLR、PLR、ANN和常规LS-SVM模型比较,优化后的LS-SVM具有更好的回归性能.     

基于近红外与高光谱技术的小麦种子多指标检测方法

采集47份小麦样本的高光谱图像,提取感兴趣区内的平均光谱,结合反映小麦品质的水分、蛋白质和湿面筋三个指标基础数据,通过OPUS软件搜寻最佳的光谱预处理和波段组合,分别建立了三个指标的偏最小二乘法(PLS)定量分析模型.同时与采用近红外(.NIR)光谱技术建立的三个指标的近红外模型进行比较,发现高光谱模型的各性能指标均明显优于近红外模型.结果表明:当被测样品为颗粒状且内部化学成分分布不均匀时,近红外模型的准确性和稳定性会受其测量条件的限制,而高光谱采样面积大,获取信息更全面,展现出强大的分析检测潜质,为小麦品质评价提供了新方法.     

基于近红外光谱的水蜜桃采摘期的鉴别方法

提出了一种利用近红外漫反射光谱技术结合光纤传感技术建立水蜜桃采摘期的鉴别方法.从无锡阳山镇的某大棚采摘了距最佳采摘期天数为3,2,1以及处于最佳采摘期的水蜜桃各48个,用近红外光谱仪对样品进行了光谱采集.对原始光谱进行平滑、一阶微分和多元散射校正预处理,采用主成分分析(PCA)结合偏最小二乘(PLS)法建立了水蜜桃采摘期的鉴别模型.研究显示:一阶微分和平滑组合预处理后的鉴别模型效果最好,校正集模型和预测集模型的决定系数分别为0.9279和0.9138;模型的内部交叉验证均方差(RMSECV)和预测均方根偏差(RMSEP)分别为0.3003和0.3349;水蜜桃样品校正集和预测集的鉴别正确率分别为95.13%和93.75%.结果表明:利用近红外漫反射光谱技术对水蜜桃采摘期的鉴别具有很好的应用前景.     

LS-SVM算法在近红外光谱煤质分析中的应用

针对目前电力行业煤质分析的需求,提出了基于Hadamard近红外光谱的煤质分析技术,对Hadamard近红外光谱仪研制、控制分析软件设计、煤炭光谱信号采集、指标特征信息提取、定量模型建立五个环节综合考虑,研发了Hadamard近红外煤质分析系统.研究中,对41个不同质量指标的标准煤样进行了定量分析预测,考察了在相同粒径的条件下Hadamard近红外光谱对煤炭指标的预测能力,提出了基于ICA+LS-SVM算法的的煤炭指标预测方法,光谱数据与煤炭指标具有很好的相关性,相关系数普遍在0.9以上,取得了较好预测效果.     

近红外光谱法测定黄酒中氨基酸态氮和酒精度的研究

黄酒中氨基酸态氮和酒精度的常规测定方法步骤繁琐,时效性差.在研究黄酒的近红外光谱和化学计量学的基础上,采用偏最小二乘法建立模型,并以该模型对未知黄酒样品的氨基酸态氮和酒精度含量进行预测,验证模型可靠性.氨基酸态氮建模结果:决定系数为95.19%,均方差为0.041;酒精度建模结果:决定系数为96.82%,均方差为0.26.氨基酸态氮外部检验的预测均方差为0.063;酒精度外部检验的预测均方差为0.20.结果表明该方法应用于黄酒品质的检测,操作简便、快速、准确.     

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。     

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.     

多元散射校正与Savitzky-Golay平滑模式的组合优选应用于土壤有机质的近红外光谱分析

采用近红外(NIR)漫反射光谱,建立土壤有机质的NIR光谱分析的偏最小二乘(PLS)模型,比较和选择多元散射校正(MSC)和Savitzky-Golay(SG)平滑用于改善NIR光谱分析的预测能力。把SG平滑模式由原来的117种扩充为483种,并构建了SG平滑模式与PLS因子数联合优选的化学计量学平台。对于单独(或联合)做MSC、SG平滑预处理以及未做光谱预处理的5种情形,分别建立土壤有机质NIR光谱分析的PLS模型。最优的情形是先后做SG平滑和MSC预处理,其中最优的SG平滑参数为5次多项式、3阶导数、21点平滑,对应的PLS因子数、预测均方根偏差(RMSEP)、预测相关系数(R_p)分别为5,0.246(%),0.883,大幅度优于未做光谱预处理的模型预测效果。从而表明,SG平滑和MSC的组合优选可以显著改善土壤有机质的NIR分析效果。所构建的化学计量学平台和方法框架是改善NIR分析能力的有效途径。     

基于LMS-PNN算法在心音识别与预测中的应用

传统的概率神经网络（Probability neural network, PNN）具有很强的容错性、学习过程简单、训练速度快等特点。为提高传统PNN在心音分类方面的性能,利用最小均方(Least mean square, LMS)方法对其进行优化,进而提高心音分类与预测的准确性。LMS-PNN算法对心音的信号运用窗函数进行分帧,利用双门限法确定数据的值,运用LMS方法对相应的参数进行调试,并将去噪后的数据以mat格式保存,提取出各个心音的短时自相关系数以及短时功率谱密度,并运用PNN,抽取40 000个样本数据进行训练,并对各心音进行等级划分与预测。从PNN的模式层输入训练数据后,由实验数据验证可知,LMS-PNN算法的预测准确率可达96%以上。     

Adaptive probability analysis using an enhanced hybrid mean value method

This paper proposes an adaptive probability analysis method that can effectively generate the probability distribution of the output performance function by identifying the propagation of input uncertainty to output uncertainty. The method is based on an enhanced hybrid mean value (HMV+) analysis in the performance measure approach (PMA) for numerical stability and efficiency in search of the most probable point (MPP). The HMV+ method improves numerical stability and efficiency especially for highly nonlinear output performance functions by providing steady convergent behavior in the MPP search. The proposed adaptive probability analysis method approximates the MPP locus, and then adaptively refines this locus using an a posteriori error estimator. Using the fact that probability levels can be easily set a priori in PMA, the MPP locus is approximated using the interpolated moving least-squares method. For refinement of the approximated MPP locus, additional probability levels are adaptively determined through an a posteriori error estimator. The adaptive probability analysis method will determine the minimum number of necessary probability levels, while ensuring accuracy of the approximated MPP locus. Several examples are used to show the effectiveness of the proposed adaptive probability analysis method using the enhanced HMV+ method.     

基于独立分量分析和BP网络的电子鼻模式识别

为了提高电子鼻对混合气体的识别率,针对气体传感器阵列的交叉敏感特性,探讨了在电子鼻系统中基于独立分量分析(ICA)算法与BP神经网络相结合进行模式识别的可行性。并对4个气体传感器组成的电子鼻对4种气体混合物所测得的原始数据进行处理,结果表明:ICA算法对数据进行有效预分类,减少了样本之间的相关性,将生成的新样本作为BP网络的输入,使网络结构简化,在保证一定正确率的前提下,大大提高网络的学习速度。利用该方法可以提高电子鼻识别混合气体的准确率。     

改进自适应对消算法在工业噪声处理中的应用

分析了工业环境噪声的特点,将自适应噪声对消算法应用到工业噪声的处理当中.在传统最小均方(LMS)算法及基于Lorentzian函数的变步长LMS算法的基础上进一步进行约束稳定性条件处理,提出了一种约束稳定性变步长LMS算法,并在Matlab平台上进行了仿真验证.结果表明:算法具有更快的收敛速度以及更小的稳态误差,并且能有效地降低梯度噪声对算法性能的影响.