一种煤炭近红外光谱数据预处理方法研究

针对煤炭原始近红外光谱数据中存在噪声的问题,提出了基于De-SNV与小波阈值去噪组合的煤炭近红外光谱数据预处理方法。采用缺省软阈值法进一步对经过Savitzky-Golay平滑和De-SNV处理的光谱数据去噪,并分别建立了水分、灰分和挥发分的PLS校正模型,通过分析模型的预测性能对该方法的有效性进行评估。实验结果表明,经过该方法预处理的光谱数据所对应的PLS校正模型性能明显优于使用原始光谱数据所建立的PLS校正模型,水分、灰分和挥发分的PLS校正模型的预测均方根误差分别降低至0.007 07,0.040 8,0.008 66,决定系数分别提高至0.858 7,0.743 8,0.778 5。     

NIR和ATR-FTIR光谱技术在萝卜农残检测中的应用

研究了近红外(NIR)光谱技术和衰减全反射傅里叶变换红外(ATR-FTIR)光谱技术在萝卜农药残留检测中的应用。为了从不同角度分析,分别使用偏最小二乘(PLS)法和BP神经网络建立了数学模型。经最小—最大归一化方法优化后的NIR光谱数据的PLS法模型标准差为:RMSEC=0.289,RMSEP=0.335,BP神经网络模型标准差为:RMSEC=0.436,RMSEP=0.610。矢量归一化方法优化后的ATR-FTIR光谱数据的PLS法模型标准差为:RMSEC=0.168,RMSEP=0.127,BP神经网络模型标准差为:RMSEC=0.100,RMSEP=0.106。结果表明:ATR-FTIR的农药残留检测精度高于NIR光谱技术,ATR-FTIR光谱技术在农药残留检测方面有实际应用潜能和优势。     

生态型机械加工过程设备叠加振动检测仿真

生态型机械加工的特殊性导致其容易产生大量振动.为及时发现其中的故障隐患,提出基于偏最小二乘法的设备叠加振动检测方法.首先利用连续小波变换提取设备振动信号特征,并归一化处理信号特征,从而构建多特征属性集成模型;然后使用傅里叶变换得到设备信号内的非稳定信号,并采取短时傅里叶变换获得振动信号功率谱,再根据各采样点间的马氏距离获得全新的频域空间矩阵.将满足正态分布状态的信号划分为叠加信号,在信号频域空间实施偏最小二乘分解,从而实时评估生态型机械设备故障情况.仿真结果表明,上述方法能有效判别叠加振动信号与常规信号,检测精度高,具有较高的实用价值.     

MIV方法在苹果糖度近红外分析中的应用

针对苹果糖度近红外光谱数据的特点,分析了基于BP神经网络和偏最小二乘PLS的苹果糖度定量预测模型建立方法:,将平均影响值方法:(mean impact value)引入到近红外波长选取的过程中来,并与联合区间偏最小二乘法结合,达到波长优选的目的:。首先,利用联合区间偏最小二乘算法,筛选出与苹果的糖度相关度较大的光谱波长数据,再利用PLS-BP方法:建立预测模型。在此模型基础上,使用平均影响值方法:,对参与建模的每个波长数据进行评价,选取影响值最大的一系列波长点,重新建立模型。模型变量数为124,校正均方根误差(RMSEC)为0.1740,验证均方根误差(RMSEP)为0.4565。结果:表明,校正均方根误差,利用平均影响值与联合区间偏最小二乘方法:结合,对光谱数据进行波长的筛选,可以降低模型复杂度,同时提高模型预测精度。     

化学计量学方法处理傅里叶变换近红外漫反射光谱定量测定谷物成分

用逐步回归分析、主成分回归、偏最小二乘、人工神经网络这四种方法处理谷物的傅里叶变换近红外漫反射光谱，对谷物中含量在１０（－１）－１０（－３）的八种成分作了定量测定，其结果与经典化学方法没有系统偏差．文中还对这四种方法在谷物成分的定量测定方面的应用进行了讨论．     

化学计量学方法处理傅里叶变换近红外漫反射光谱定量测定谷…

用逐步回归分析，主成分回归，偏最小二乘，人工神经网络这四种方法处理谷物的傅里叶变换近红外漫反射光谱，对谷物中含量在１０＾－１，１０＾－３的八种成分作了定量测定，其结果与经典化学方法没有系统偏差，文中还对这四种方法在谷物成分的定量测定方面的应用进行了讨论。     

近红外光谱检测技术在精细化工生产过程中的应用

针对精细化学品D3生产过程中酸碱原料浓度检测和D2生产过程中粗品/精品快速检测鉴定需求,论述了近红外光谱检测的基本原理,给出了偏最小二乘定量建模和马氏距离分类判别等化学计量学算法,构建了Antaris II傅里叶变换近红外光谱检测系统。通过配制样品,采集光谱数据,并经求导、滤波和标准化数据处理,应用偏最小二乘法建立了D3生产过程HCl水溶液摩尔浓度、NaOH水溶液质量百分数和摩尔浓度的近红外光谱检测模型,应用马氏距离结合主元分析法建立了D2生产过程中粗品/精品判别分析模型,给出了详细的检测实验数据。生产现场样品检测结果表明,D3酸碱浓度的定量检测模型具有很高的检测精度,D2粗品/精品判别分析模型判别结果准确,可在相关精细化工生产过程中推广应用,提高生产过程检测鉴定效率。     

移动窗口PLS在光谱实时监测中的应用

偏最小二乘是在光谱多元校正中广泛使用的一种算法。为了建立基于光谱的实时监测模型,本文给出了一种基于移动窗口策略的的偏最小二乘算法。该算法基本思想是:将一个窗口沿着光谱轴不断地移动,建立一系列的局部最优的偏最小二乘模型,然后再选出具有最优性能的光谱区域和相应的模型。最后通过一个实例对出该算法进行了验证。     

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。     

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。     

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。     

SIMCA分类法与偏最小二乘法结合近红外光谱检测卷烟的内在品质

针对卷烟内在品质常规化学检测过程烦琐、速度慢的特点,本文探讨了基于化学计量学方法与近红外光谱分析技术结合判别卷烟品质等级和同时检测多个品质指标的快速方法。通过采用SIMCA分类法与偏最小二乘法结合卷烟的傅里叶变换近红外漫反射光谱,建立了3个不同级别卷烟的分类模型,用于甄别卷烟品质真伪,结果准确;同时,又建立了检测卷烟中总氮、总糖、烟碱主要化学成分含量和其主流烟气中焦油、烟碱、一氧化碳释放量等品质指标的校正模型,其相关系数分别为：0．9844、0．9918、0．9968、0．9505、0．8945和0．9625;交互效验均方残差分别为：0．0663、0．6682、0．0607、0．2262、0．0350和0．3685。另取未知样品对模型进一步验证,经配对t-检验表明,在显著性水平大于0．05的条件下,其测定结果与标准方法的测定结果对比,两者均无显著性差异。该法应用于卷烟品质真伪鉴别和品质指标检测,操作简单、快速、准确。     

基于GA-PLS算法的小麦粉灰分含量快速检测

为得到噪声小、准确性强、自适应性良好的模型,对实验所得的近红外光谱进行预处理及优化波长是十分必要的.实验确定小麦粉中灰分含量为研究对象,提出将光谱预处理及遗传算法(GA)优化波长用于提高偏最小二乘法(PLS)定量建模的稳健性.对比在不同预处理方法下相关系数R2、矫正标准差(RMSEC)、预测标准偏差(RMSEP)3个指标,随机选择130份样本,建立预处理+GA+PLS定量分析模型.实验结果为:R2从70.31%提到了97.46%,RMSEC从0.0775降低到了0.0226,RMSEP从0.0996降低到了0.0213,表明基于光谱预处理结合GA优化谱区定量分析小麦粉中灰分含量可行,模型预测能力和精度更高.     

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.     

Least-square-based control variate method for pricing options under general factor models

This paper proposes a class of simple but efficient control variate method for pricing derivatives under multiple factor models including stochastic volatility and stochastic interest rate model. The control variate can help us to obviously reduce the error of Monte Carlo simulation. Briefly speaking, we construct a virtual asset with deterministic volatility and deterministic interest rate which has high correlation with the original underlying asset based on the method of least square, and use derivative written on the virtual asset as control variate in pricing derivative written on the original underlying asset. Some theoretic results can help us to understand the mechanism of a control variate. Numerical examples show that simulation error is significantly reduced by our method. The advantage of our method is that it has no analytic form request for the underlying asset model, so the method is flexible to deal with and broadly applicable for derivative pricing.     

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.     

短期风速多步预测的研究

为了提高风电场短期风速预测的精确度以及预测尺度,提出了一种将小波分解法、经验模式分解法及最小二乘支持向量机相结合对风速时间序列进行短期多步预测建模的方法。该方法采用小波分解法对风速信号进行分解,使之分解成不同频带的高频和低频分量;再利用最小二乘支持向量机对各分量建立预测模型,将各预测模型的预测值叠加可得到模型的预测结果。该模型称为预测模型Ⅰ。其次,将预测模型I的预测结果设为训练样本,采用经验模式分解法把训练样本集分解成若干本征模式分量和趋势项;再利用最小二乘支持向量机对各本征模式分量和趋势项建立预测模型,同时扩大模型的预测尺度;将各预测模型的预测值叠加可得该模型的预测结果。该模型称为预测模型Ⅱ。最后,将预测模型Ⅱ、Ⅰ的预测值叠加得到最终预测结果。实验结果表明,采用该方法预测的风电场短期风速的RMSE值为0.153,验证了该方法的有效性。