基于Voigt峰的快速光谱建模算法

间接硬建模算法是近年来提出的一种新型光谱定量分析技术,适用于分析混合物光谱与待测成分之间的非线性关系,并能够很好地解决光谱波段上的重叠峰问题。这种算法在建立定量分析模型之前先要对光谱曲线进行数学建模,即通过多个Voigt峰函数的叠加形式来描述所测得的光谱曲线。光谱建模的精确程度直接影响定量分析模型的准确性,而光谱曲线往往需要由几十个甚至上百个Voigt峰的叠加而成,因此这一过程实际是一个高维寻优问题,需要较大的运算开销并有可能令优化问题呈现"病态性"。为了降低优化问题维数,文章通过对重叠峰的判断提出了一种改进型的光谱建模算法,实验表明改进型方法与传统方法相比具有运行时间短、模型精确度高等优点。

标准金属布氏硬度块测量不确定度的间接评定

基于JJG 147-2005《标准金属布氏硬度块》以及JJF 1059.1-2012《测量不确定度评定与表示》,给出了一种间接评定标准金属布氏硬度块测量不确定度的新方法。建立了硬度测量的新模型,并对该测量模型进行了较严密的分析,剔除了间接评定时,各耦合项对不确定度的重复贡献。按规程的测量条件和方法,以（125-225）HBW10/3000标尺标准块为例,对其测量不确定度进行了系统的间接评定。

间接硬建模方法在混合物太赫兹时域光谱解析中的应用研究

太赫兹(Terahertz,THz)波通常是指位于微波和近红外之间的电磁波。由于很多化学和生物分子的振动和转动模式正好都位于THz波段,因此可以利用物质的这些"指纹谱"特性开展定性和定量分析研究。目前用于THz光谱的定量分析主要有主成分回归(PCR)以及偏最小二乘回归(PLSR)等方法,这些算法在建模时往往需要大量的样本进行监督学习,模型精度对训练样本依赖性较高,同时模型的外推性不易保证,在样本量不足或者外推性要求较高的场合,这些算法的使用会受到一定限制。针对这些问题,该研究提出一种利用光谱的参数化模型——间接硬建模方法(IHM),进行混合物太赫兹光谱解析和量化分析技术方案的研究。首先使用S-G平滑滤波方法滤除光谱中的噪声影响;同时考虑到太赫兹光谱特性,消除了人工基线对光谱解析产生的影响;随后,开展了IHM建模与分析研究,重点讨论了在两个训练样本数目情况下模型预测准确度的问题;为了验证该算法的可行性,制备了利福平、乳糖一水合物、微晶纤维素以及硬脂酸镁的四元混合物进行实验与建模分析;使用回归相关系数R和均方根误差RMSE对定量模型进行评价。将IHM方法和PLSR方法进行了比较,理论分析和实验结果表明,相对于传统方法,IHM方法建模所需的训练样本数量可减少至2个,与此同时量化分析准确度获得了提高,同时外推性也有所提升。