近红外光谱分析烟叶中的多酚类物质

多酚类物质是烟叶香气产生的重要前体物质。采用近红外光谱结合偏最小二乘算法建立了烟叶中总多酚含量的回归模型。采用建立的模型对检验集进行预测,预测集决定系数R2为0.8671,模型误差SEP为1.4287。结果表明近红外光谱分析技术可以成功应用于烟叶中总多酚含量的检测。此外,为消除烟叶近红外光谱中无效波长变量,采用无消息变量消除算法对所建近红外模型进行优化。结果表明采用该算法后,剩余变量数得到减少,模型维数显著降低,预测性能有所提高。     

基于近红外光谱技术预测土壤中的全氮含量

用近红外光谱对秦皇岛市昌黎地区土壤中的全氮含量进行了分析。对土壤光谱进行一阶微分，然后采用多元线性回归，确定最佳维数，建立校正模型，利用校正模型对土壤中全氮含量进行预测。结果表明，近红外光谱分析技术与化学分析方法相关性很高。     

基于单沿提取法的血液酒精含量检测方法研究

近红外光可透过人体较薄的皮肤和组织,用光谱仪获得人体指端光谱数据,以医院生化采集分析的值作为参考,建立血液成分与动态光谱数据的校正模型,从而对人体血液中酒精浓度值进行预测。本文利用单沿提取法提取动态光谱,共采集了120名志愿者喝酒后的指端近红外动态光谱数据,用偏最小二乘法建立校正模型做回归分析,取90个样本作为校正集30个样本作为预测集。其校正集和预测集的相关系数分别为0.9784和0.9646,预测集的相对误差最大是6.1%,最小是0.14%,相对误差平均值2.84%。     

应用近红外光谱技术预测面粉中偶氮甲酰胺含量

偶氮甲酰胺作为增筋剂被广泛使用于面粉中,但一些研究表明该物质有一定的毒性,不适合添加到面粉中。本研究根据面粉中偶氮甲酰胺含量的不同,采用径向基函数(RBF)神经网络结合近红外光谱(NIRS)技术建立不同的定量分析模型。研究通过逐步稀释法制备了101个不同ADC含量的面粉样品,并用近红外光谱仪采集这些样本的光谱,得到范围为850-1050nm的光谱数据。在光谱数据处理的过程中,相关系数法被用来提取特征波段,马氏距离法被用来识别异常光谱。当对所有浓度的偶氮甲酰胺样品建立模型时,模型的预测结果:相关系数(R)、预测均方根误差(RMSEP)和相对分析误差(RPD)分别达到0.97828、18.2887和4.7621,这表明模型在整体上具有很好的拟合度和预测能力,但是通过分析预测结果发现模型对低浓度样本的预测较差。针对此问题,利用低浓度样品进行二次建模,模型对低浓度样本预测结果:R、RMSEP和RPD可达到0.99492、2.0286和9.4631,结果表明模型对低浓度样本的预测精度有了显著的提高。     

基于GRNN神经网络的中厚板轧机宽展预测模型

为了实现中厚板轧机在轧制过程中的宽展变化自动预测和控制,分析了轧制过程中宽展变化的影响因素,在神经网络技术和现场实测数据的基础上,利用Matlab人工神经网络工具葙,应用GRNN广义回归神经网络建立宽展变化预测模型,来提高轧制宽展变化预测的精度.结果表明,该方法建立的模型可以实现对宽展变化的预测,预测精度有较大提高.     

基于近红外光谱技术的马铃薯叶片含水率高效预测

提出了运用近红外光谱技术检测新鲜马铃薯叶片中含水量的方法,并通过预测结果和运算量的对比得出一种高效率的预测方法。采集了900～2100 nm波段范围内110个新鲜马铃薯叶片的光谱反射率信息,经SG（Savitzky-Golay）平滑、多元散射校正（MSC）和标准正态变量变换（SNV）3种预处理后,分别建立偏最小二乘回归（PLSR）模型和BP神经网络模型,再运用回归系数（regression coefficients, RC）法在全波段光谱中提取特征波长,同样经3种预处理后分别建立预测模型。结果表明：在运用光谱全波段信息构建的模型中,经多元散射校正（MSC）预处理建立的BP神经网络模型预测效果最好,预测集决定系数R²为0.9791,均方根误差RMSE为0.3723;在基于特征波长构建的模型中,经SG平滑预处理建立的神经网络模型预测效果最优,预测集决定系数R²为0.9658,均方根误差RMSE为0.4759;验证了特征波段结合BP神经网络建立的模型与全波段建立的模型预测结果相差不大,因而能够极大地减少运算量,提高预测效率。     

基于间隔偏最小二乘法的农产品近红外光谱谱区选择方法

怎样建立准确的农产品内在质量的近红外光谱预测模型，一直是国内外近红外光谱分析者的研究重点，而现有的农产品近红外光谱数据建立光谱预测模型时，都要面临选择合适的光谱谱区的问题。本研究提出一种间隔偏最小二乘法的农产品近红外光谱谱区选择方法，并将其应用于建立苹果糖度近红外光谱模型。结果表明，该方法可以减小建模运算时间，剔除噪声过大的谱区，使最终建立的农产品品质检测近红外光谱模型的预测能力和精度更高。     

基于MATLAB的芯片封装专利数据分析与预测

在MATLAB平台上,利用自回归模型,广义神经网络模型和灰色模型,对所收集到的芯片封装专利数据进行处理。分析年、月数据变化周期,预测下一时间段的申请量。     

GRNN-PSO视角下的网络安全势态预测研究

网络安全态势预测是属于网络安全态势最为关键构成部分之一,在对网络安全预防制订决策面发挥着非常重要作用。针对网络安全态势预测存在误差等方面问题,本文提出一种GRNN-PSO(改进广义回归神经网络)预测方法,其目的就是使得网络安全态势预估的精准度得到改善。运用时间窗口移动的方法,将各个离散时间监测点的网络安全态势值形成部分线性相关的多元回归数据序列,把它可以看作为样本集录进改进广义回归神经网络中再进行训练,从而形成相关预测模型。在改进广义回归神经网络对其进行训练之中,运用粒子群算法动态地搜索广义回归神经网络最优培训参数,使得选择广义回归神经网络训练参数等方面难题得到解决,最后通过对传统预测方法与改进过的广义回归神经网络预测方法进行相关实验,实验结果体现了前者比后者的方法具有更佳的性能。     

AOTF-近红外光谱技术快速分析烟草主要化学成分

应用AOTF-近红外光谱仪测定了443个不同地区、不同等级烟草样品的近红外光谱，用Unserambler定量分析软件将光谱与对应的化学成分值相关联，建立了烟草中总糖、还原糖、总烟碱和钾的回归模型。总糖、还原糖、总烟碱和钾含量近红外光谱分析模型的决定系数R^2分别为0．9840、0．9866、0．9884和0．9201。用这些模型对未知样品进行了预测，总糖、还原糖、总烟碱和钾模型预测的平均相对标准偏差分别为2．68％、2．88％、4．18％和8．38％。     

用于脉冲涡流检测的新型数据处理方法

脉冲涡流检测是一种广泛应用的无损检测技术,是近年来的研究热点。本文对脉冲涡流检测的一种新型数据处理方法进行研究,为增强脉冲涡流检测技术的智能化水平提供理论依据。首先以感应信号分析为基础,分析了二阶系统拟合方法应用于脉冲涡流检测数据处理的合理性;然后对广义回归神经网络用于模式识别的优势进行分析,并应用该方法对脉冲涡流感应的模型参数进行分类,从而对被测导体进行材质鉴别及量化特征的识别分析;最后,通过实验验证了该"二阶系统拟合-基于GRNN的模式识别"方法的有效性并分析存在的问题,同时也指出了有待进一步深化研究的方向。     

基于广义回归神经网络的时间序列预测研究

介绍了广义回归神经网络的基本理论,提出了应用BIC准则确定输入神经元数目的方法．将其应用于大型旋转机械振动状态时间序列的单步和多步预测,与传统的采用误差反向传播学习算法的三层前馈感知器网络(BP神经网络)的预测结果进行对比。结果表明,该网络的预测性能优于后者,即使样本数据稀少,也能获得满意的预测结果。     

近红外光谱快速分析法在坤宝丸检测中的应用

目的:采用近红外光谱法对坤宝丸药粉中芍药苷含量进行快速测定。方法:以HPLC分析值作为参照,采用近红外漫反射光谱技术采集坤宝丸药粉的近红外光谱,结合偏最小二乘法建立芍药苷含量的快速测定方法,并对未知样品进行含量预测。结果:建立芍药苷校正模型R,RMSEC(%)、RMSEP(%)分别为0.96,2.708,0.44。对预测集样品预测平均相对偏差为4.2%。结论:该方法简便、快速、无损,可用于坤宝丸的快速定量分析。     

应用广义回归神经网络重建点云曲面

针对现有曲面重建神经网络算法误差大的缺点,并根据广义回归神经网络解决函数逼近问题的特点,提出了一种针对点云曲面重构的广义回归神经网络,并编制Matlab程序对点云曲面做了仿真试验；仿真结果表明：该模型逼近曲面误差精度达到网络设计要求的10~(-4)mm,网络学习速度快,重建曲面光顺．     

Application of general regression neural network (GRNN) for indirect measuring pressure loss of Herschel–Bulkley drilling fluids in oil drilling

Experimental measurements of the pressure losses in a well annulus are costly and time consuming. Pressure loss calculations in annulus is generally conducted based on an extension of empirical correlations developed for Newtonian fluids and extending pipe flow correlations. However, correct estimation of pressure loss of non-Newtonian fluids in oil well drilling operations is very important for optimum design of piping system and minimizing the power consumption. In this paper, a general regression neural network (GRNN) was applied to predict the pressure loss of Herschel–Bulkley drilling fluids in concentric and eccentric annulus. Experimental data from literature were used to train the GRNN for estimating pressure losses in annulus. The predicted values using GRNN closely followed the experimental ones with an average relative absolute error less than 6.24%, and correlation coefficient (R) of 0.99 for pressure loss estimation.     

橡胶树叶片氮素光谱模型的研究

橡胶树叶片氮含量作为橡胶树营养状态的一个重要量化指标,实时、快速且准确地检测橡胶树叶片氮含量对于橡胶树营养诊断、实施变量施肥具有重要意义。本文使用美国ASD光谱仪采集橡胶树叶片光谱,通过随机选点、氮含量梯度选点以及主成分网格选点,以反射光谱、吸光度光谱、反射率导数光谱以及吸光度导数作为光谱信息,与其对应的橡胶树叶片氮素含量建立PLSR模型。结果表明,采用主成分网格选点建立的反射率导数以及吸光度导数光谱模型具有较好的相关性和预测能力,相关系数分别达到0.9599、0.9492,RMSEP仅0.0978、0.1061,所建立的PLSR模型可以达到无损、快速地预测橡胶树叶片氮含量的目的。     

基于广义回归神经网络的弹丸落点预报方法

为快速精确地预报弹丸落点,提出了基于一种广义回归神经网络的弹丸落点预报方法。首先,建立了 GRNN 网络落点预报模型;其次,采用粒子群算法对预报模型中的光滑因子进行了优化,得到了最佳的 GRNN 网络的落点预报模型;最后,对该预报模型进行数值仿真。结果表明,该方法预报射程的最大误差不超过40 m,横偏误差不超过0.2 m;且预报落点的平均时间为6.645 ms,与数值积分法相比,减少了1300.623 ms。因此,该方法快速精确地预报弹丸落点是有效可行的,可作为工程实际应用的理论参考。     

基于太赫兹衰减全反射光谱法的无创血糖检测研究

结合太赫兹时域光谱系统,利用棱镜衰减全反射技术,设计了一种太赫兹衰减全反射光谱法的无创血糖检测系统。借助德拜模型分析了皮肤中含水量变化会影响皮肤在太赫兹波段的弛豫作用,得到皮肤复折射率与皮肤含水量的关系,利用菲涅耳公式给出了计算皮肤复折射率实部和虚部的方法。将太赫兹光谱法测得的人体大拇指皮肤复折射率的实部与虚部,与口服葡萄糖耐量试验实际测得的人体血糖浓度进行对比,得到了人体手指皮肤的太赫兹反射谱以及复折射率与人体血糖浓度成正相关的关系,为太赫兹应用于无创血糖浓度检测提供了参考。     

神经网络在航空活塞发动机排气门故障预测中的应用

针对航空活塞发动机排气门卡阻故障,经过对故障机理的分析,提出了一种利用神经网络对排气门导套与气门杆的配合间障进行预测,以间接预测排气门卡阻故障的方法。将影响排气门积垢速率的因素设定合理的特征值,以这些特征值和发动工作时间作为输入向量,配合间隙作为输出向量,分别建立了GRNN神经网络和BP神经网络预测模型。预测实例表明,GRNN神经网络预测模型具有较高的预测精度、稳定的网络以及较快的收敛速度,预测性能优于BP神经网络模型,预测结果可作为评估排气门卡阻故障发生概率的有效依据。