煤中全水分及灰分的近红外测试方法研究

为了快速、无损检测煤质中的全水分和灰分,采集了120个精煤样品的近红外漫反射光谱,对微分光谱进行分析,利用偏最小二乘回归(PLSR)算法结合不同光谱预处理方法建立基于马氏距离剔除异常样品后的定量数学模型,分析预测值与真实值的相关性,并对最优预处理下的模型残差进行讨论。结果表明:经过多元散射校正处理后建立的全水分模型效果最优,相关系数达到0.982 12,校正集均方根误差为0.013,预测集均方根误差为0.017。经过5点平滑预处理后建立的灰分模型效果最佳,相关系数达到0.947 47,校正集均方根误差为0.058,预测集均方根误差为0.052,2项指标的残差波动均匀,模型的稳定性和预测能力较强。     

近红外光谱技术结合支持向量回归法测定烯草酮的含量

采用近红外光谱(NIR)技术结合支持向量回归法(SVR)建立了烯草酮乳油的定量分析方法。通过添加烯草酮原药、烯草酮助剂到二甲苯溶剂来配制不同浓度的校正集,采用SVR法建立了烯草酮的定量分析模型,模型的决定系数(R2)、校正集均方根误差(RMSEC)、检验集均方根误差(RMSEV)、预测集均方根误差(RMSEP)分别为1.0000、0.0260、0.0569和0.0550。结果表明,近红外光谱技术结合支持向量回归法可以准确地定量分析乳油中烯草酮的含量,方法简单、快捷,在农药质量检测中具有实际应用价值。     

基于DMD哈达玛变换近红外光谱仪的汽油辛烷值检测

应用近红外光谱分析检测技术建立一种汽油研究法辛烷值的快速定量分析方法。收集来自不同地区共100个汽油样品,应用化学计量学方法建立近红外光谱原始数据信息与研究法辛烷值之间的定量分析模型,结果表明:对原始光谱进行归一化处理后,采用偏最小二乘回归建立数学模型,其校正集与预测集相关系数分别为0.9300和0.9322,校正集均方根误差与预测集均方根误差分别为0.6700和0.6577,表明模型准确可靠,可应用于汽油辛烷值的快速检测。     

近红外光谱技术结合支持向量回归法测定非法对硫磷的含量

[目的]采用近红外光谱(NIR)技术结合支持向量回归法(SVR)建立乳油中非法对硫磷的定量分析方法.[方法]通过向1.8％阿维菌素乳油中加入对硫磷原药和二甲苯溶剂来配制不同质量分数的校正集,采用SVR法建立非法对硫磷的定量分析模型.[结果]模型的决定系数(R2)、校正集均方根误差(RMSEC)、检验集均方根误差(RMSEV)、预测集均方根误差(RMSEP)分别为0.9994、0.4377、0.5065、0.7482.[结论]该法可以定量测定乳油中非法对硫磷的含量.     

PCR和PLSR在煤质全水分检测中的比较研究

为了快速、无损的检测出煤质内部的全水分含量，研究采集了200个焦煤样品的近红外光谱，采用马氏距离和学生式残差相结合的方法剔除了异常样品，并对其进行了一阶微分、二阶微分、15点平滑、多元散射校正(MSC)和标准归一化处理(SNV)光谱预处理，采用主成分回归(PCR)和偏最小二乘回归(PLSR)对煤样进行建模分析。试验结果表明：经SNV预处理后的PCR模型最佳，校正集和交叉验证集相关系数分别为0.903和0.874,均方根误差分别为0.089和0.132;经15点平滑处理后的PLSR模型最佳，校正集和交叉验证集相关系数分别为0.974和0.887,均方根误差分别为0.038和0.043。PLSR模型相比PCR模型更具有代表性，模型稳定性和预测能力更强。     

流化床制粒过程颗粒水分预测研究

对流化床进行工程化改造,安装近红外光谱仪,对制粒过程中的颗粒水分含量进行光谱采集。采用偏最小二乘法(PLS)、粒子群-核岭回归(PSO-KRR)和随机森林-偏最小二乘法(RF-PLS)建立回归模型,对不同的算法的预测精度进行了研究。结果表明,PLS模型预测集均方根误差(RMSE)为0.218 0,相关系数R为0.971 7;PSO-KRR模型预测集RMSE为0.215 4,R为0.973 8;RF-PLS模型预测集RMSE为0.205 9,R为0.973 3。其中RF-PLS模型的预测效果最好。     

基于近红外光谱的乳制品脂肪含量测定研究

乳制品具有很高的营养价值,随着人们健康意识的增加,其在人们日常生活中的地位越来越重要。本文使用近红外光谱技术对乳制品脂肪进行了定量分析。采用偏最小二乘法(PLS)、主成分回归法(PCR)建立乳制品脂肪含量的定量分析模型。结果表明:采用PLS法时,漫反射光程体系在10,000～4,000 cm-1的范围下,采用标准正则变换、二阶导数谱、无平滑时,预测集和建模集对应的误差均方根都在0.38以下;采用PCR法时,透射光程体系在4,855.88～4,133.27 cm-1的范围下,采用光程不矫正、一阶导数谱、Norris平滑时,预测集和建模集对应的误差均方根都在0.26以下,预测集和建模集对应的相关系数都在0.98以上,此时的定量模型的预测性和适用性最为理想。     

人造革基布纤维含量近红外光谱法专属定量分析模型的建立

研究了近红外光谱法在人造革基布纤维含量定量分析中的应用。通过分析样品近红外光谱的主成分,选择校正和验证样品集,选用偏最小二乘法(PLS),建立人造革基布纤维含量专属定量分析模型。结果表明:在9 017.5~4 396.9 cm~(-1)的波数范围内,选用9个主成分数建立了专属定量分析模型,模型的校正均方根误差(RMSEC)为0.678、相关系数(R_c~2)为0.999 5;预测均方根误差(RMSEP)为0.705、相关系数(R_v~2)为0.998 9,残差范围为-1.5~1.4;专属定量分析模型具有较好的预测准确性和方法重复性,可实现人造革基布纤维含量的快速测定。     

近红外光谱法检测氨纶中残存DMAC溶剂含量

以丙酮为溶剂,将氨纶中的残存溶剂N,N'-二甲基乙酰胺(DMAC)进行超声萃取,采用近红外光谱技术,结合偏最小二乘法,建立DMAC定量校正模型,测定氨纶中残存DMAC溶剂含量。结果表明:采用交叉验证得到了DMAC质量分数的线性范围为0~1.79%,1.79%~9.44%,模型的相关系数(R~2)分别为0.999 96,0.999 64,校正集的交叉验证均方根误差分别为0.004 11,0.041 34,预测集的均方根误差分别为0.003 95,0.032 30,方法的加标回收率为86.58%~100.87%,相对标准偏差为0.25%~0.95%。     

基于偏最小二乘和拉曼光谱检测聚氨酯中游离—NCO含量

基于聚氨酯中游离异氰酸酯不能快速无损检测的现状,利用光纤光谱技术和拉曼光谱仪,根据化学计量学和偏最小二乘原理,对聚氨酯中—NCO的定量分析方法进行研究。在—NCO的拉曼特征峰波段,对聚氨酯样本的拉曼光谱数据和—NCO实测值进行回归分析,建立了聚氨酯中游离—NCO的定量分析模型。选取的主成分数为12时,校验集的相关系数r=0.997 8,交互验证均方根误差(RMSECV)=0.110 7;预测集相关系数r=0.983 6,交互验证均方根误差(RMSECV)=0.264 7,预测集的相对误差<7%。结果表明:所建立的模型具有较好的预测能力,稳健性较强;检测时间从传统方法的几十分钟降低到1 min内,提高了—NCO的检测效率。     

近红外光谱法快速测定高含量精制甘油中的甘油含量

采用偏最小二乘法(PLS)建立了快速测定高含量精制甘油中甘油含量的近红外光谱校正模型,该模型主因子数为4,相关系数(R2)为99.12%,校正标准偏差(RMSECV)为0.027;以预测集对模型进行验证,结果表明,R2为99.17%,预测标准偏差(RMSEP)为0.023,对同一样品预测值的相对标准偏差(RSD)为0.04%。     

The prediction of clay contents in oil shale using DRIFTS and TGA data facilitated by multivariate calibration

The prediction of clay content in oil shale is important for the optimisation of oil shale processing conditions and process feasibility. The multivariate calibration technique of partial least squares regression (PLSR) was implemented in order to predict clay content in oil shale samples taken from the Stuart oil shale deposit, Queensland, Australia. The calibration data used were the diffuse reflectance infrared Fourier transformed spectroscopy (DRIFTS) spectra of 34 oil shale samples. DRIFTS data from another set of 20 oil shale samples were used for model validation. The data pre-processing includes the use of derivatives facilitated by the Savitsky-Golay nine-points’ method. A four components model was constructed and it showed a root mean square error of calibration (RMSEC) of 4.79% and a root mean square error of prediction (RMSEP) of 4.35%. TGA data sets were also used to construct a calibration model, which produced less accurate results than DRIFTS. DRIFTS, when combined with multivariate calibration, provided an accurate in situ method of evaluating clay content in oil shale. Clay content measured using XRD was used as a reference.     

复合PLS模型在近红外光谱分析煤炭中的应用

为了更好地确定偏最小二乘法模型的主成分数,提出一种传统偏最小二乘法和多主成分数偏最小二乘法相结合构建复合偏最小二乘模型的方法。给出了预测时两种样品相似度的计算方式:直接距离法和性质得分距离法。分别采用复合偏最小二乘法和传统偏最小二乘法对煤炭的全硫、灰分、热值和碳含量进行建模预测,比较传统偏最小二乘法和多主成分数偏最小二乘法建模过程中的相关系数和交互验证均方根误差,采用复合偏最小二乘模型对验证集样品预测时,计算了不同相似度计算方式下不同样品间距离算法的预测均方根误差,并同传统偏最小二乘法预测均方根的误差进行比较,结果表明:复合偏最小二乘法建模比传统偏最小二乘法建模有更强的适应性,能够提高预测的准确性。     

基于KTA-LSSVM的青霉素发酵过程预测建模

为解决青霉素发酵过程预测建模中存在的输入变量选择问题,提出了基于核目标度量（kernel target alignment,KTA）和最小二乘支持向量机（least squares support vector machines,LSSVM）的青霉素发酵过程预测模型。首先,在分析影响青霉素产物浓度相关因素的基础上选取输入变量,采用KTA对输入变量进行尺度缩放,然后,利用Pensim仿真平台数据,采用混沌粒子群算法对LSSVM的参数寻优,建立青霉素发酵过程的KTA-LSSVM预测模型。青霉素浓度预测的KTA-LSSVM模型均方根误差为0.0179,LSSVM模型的均方根误差为0.0276,实验结果表明,本文提出的模型预测精度高,推广性能好。     

Rife和Quinn算法用于雷达式油水界面液位的精确检测

针对现阶段油水界面液位测量方法的测位精度低、可靠性差等问题,提出雷达测量油水界面液位的方法,介绍了使用雷达测量油水界面液位的原理和设计方案。同时,对信噪比较低时,液位信号的精度不高问题,提出使用Rife结合Quinn的方法估计信号频率。仿真结果表明,该算法的均方根误差较小,估计性能优于传统的Rife法和Quinn法。     

香蕉片热泵干燥过程动力学模型研究

利用自制的热泵干燥设备,选择加热温度为45℃、风速为1．0m／s、物料厚度为3mm条件下的热泵干燥香蕉切片试验数据作为实测值样本。基于Matlab软件,利用高斯一牛顿算法,对传统干燥模型进行非线性最小二乘数据拟合求解,确定干燥系数。通过决定系数（R＇）、卡方差（x^2）、平均相对偏差（MBE）和均方根误差（RMSE）等拟合优度评价指标对7种干燥模型进行评价。结果表明,HendersonandPabiS模型的理论值和实测值吻合良好,能够很好地预测和控制香蕉切片热泵干燥过程的水分比变化规律。     

近红外光谱结合偏最小二乘法测定复方阿司匹林/双嘧达莫成分含量

采用近红外漫反射光谱分析技术对复方阿司匹林/双嘧达莫药物的有效成分进行测定,结合偏最小二乘(PLS)法分别建立了复方药物有效成分双嘧达莫及阿司匹林的相关模型,结果显示,复方阿司匹林/双嘧达莫中双嘧达莫PLS模型的相关系数R为0.99921,交互验证均方根误差(RMSECV)是0.00170,预测集均方根误差(RMSEP)是0.00291;复方中阿司匹林PLS模型的R为0.99517,RMSECV为0.000810,RMSEP为0.000831。由此表明,所建立的模型预测性能良好,均在误差范围内,说明方法准确可靠,可以用于实际生产中的在线控制。     

基于偏最小二乘法的纸张抗张强度预测模型

为了解决抗张强度机理模型中参数难以测量、偏离工厂生产变量、实际指导关联性差的问题。以一瓦楞原纸生产线为研究对象,先通过经验分析筛选影响纸张抗张强度的生产过程变量,在收集对应变量的生产数据后,应用偏最小二乘法建立抗张强度预测模型并对重要影响变量进行分析。结果表明该模型具有较好精度,其皮尔逊相关系数r=0.732,均方根误差RMSE值为276 N·m^-1,平均相对误差MRE值为5.17%。同时得到了影响纸张抗张强度的6个重要生产过程变量,通过机理分析和现场验证,发现结果具有较好的现实吻合度。     

基于RBFN-PLSR方法的CO2提纯塔模型

CO2提纯塔出口浓度与其影响因素之间存在复杂的非线性关系,传统的线性回归和非线性回归方法难以建立起它们之间准确的关系模型。本文运用RBFN的最佳函数逼近性能,结合PLSR的空间变换方法,建立了CO2提纯塔模型。交叉验证表明,所建模型平均拟合相对误差为0．0063%,平均预报相对误差为0．1210％,该模型可用于提纯塔出口CO2浓度的预测。     

近红外光谱法测定HMX中α-HMX杂质晶型的含量

为了快速检测HMX中杂质晶型α-HMX的含量,在制备建模样品的基础上,利用近红外光谱技术,采用偏最小二乘法建立了HMX光谱与其α-HMX杂质晶型含量的计算模型。讨论了建模样品的代表性、模型光谱范围的选择及模型的优化过程。结果表明,模型具有广泛代表性,最佳光谱范围为6 476~6 446cm-1和4 602~4 424cm-1,交互验证决定系数(R2)为0.996,参考值交互验证残差均方根(RMSECV)为0.20%;外部验证的残差均方根(RMSEP)为0.27%;该法误差均小于0.13%,标准偏差为0.1%;近红外光谱法操作简单、快速、无损、绿色环保,可用于HMX中α-HMX杂质晶型含量的检测。