近红外光谱结合化学计量学方法快速检测蓝莓可溶性固形物和维生素C含量

采用近红外光谱技术,对不同贮藏时间的蓝莓营养成分进行定量分析,以寻求其化学成分与近红外光谱数据的相关性,实现利用光谱技术对蓝莓营养成分的无损检测。对获取的近红外光谱数据,运用偏最小二乘回归(Partial Least Square Regression,PLSR)和支持向量回归(Support Vector Regression,SVR)两种机器学习算法预测蓝莓可溶性固形物(Soluble Solids Content,SSC)和维生素C(Vitamin C,V_(C))含量。为增加预测精度,采用一阶导数(First Derivative,1-DER)、二阶导数(Second Derivative,2-DER)、标准正态变换(Standard Normal Variate Transform,SNV)、多元散射校正(Multiplicative Scatter Correction,MSC)、Savitzky-Golay平滑(S-G)等一种或几种方法组合对光谱数据进行预处理,比较分析最佳的预处理方式;采用竞争适应性重加权采样法(Competitive Adaptive Reweighted Sampling,CARS)和随机蛙跳算法(Random Frog,RF)及两种算法组合对光谱波长进行降维处理。结果表明,降维后的SSC波长变量分别降到了全光谱变量的1.7%、4.3%和5.6%,V_(C)波长变量分别降到了全光谱变量的2.5%、2.9%、4.8%。在筛选后的光谱波长变量的基础上,采用PLSR建立蓝莓近红外光谱与SSC和V_(C)含量的预测模型。对比发现CARS结合RF算法筛选出的波长变量预测效果更好,模型校正相关系数分别为0.9001、0.8707,校正均方根误差分别为0.8234、2.9429,预测相关系数分别为0.8424、0.8350,预测均方根误差分别为0.9613、2.9482。为排除模型性能对预测结果的影响,建立SVR模型将预测结果进行对比,同样发现CARS结合RF算法的预测效果更佳,模型校正相关系数分别为0.8702、0.8503,校正均方根误差分别为0.9549、3.2431,预测相关系数分别为0.8269、0.8183,预测均方根误差分别为0.8769、2.8818。本研究为蓝莓营养品质监测提供了模型基础,且选择特征波长的方法可以为更多果蔬营养物质预测模型提供参考。

基于CO_2浓度监测的飞机火警探测方法

目前飞机普遍采用感温、感烟火警探测方法,其存在误报率高的缺陷.分析了发生火灾时气态燃烧产物的生成规律,提出了以CO_2气体为火警探测参量,通过准确监测环境中CO_2气体浓度的变化,进行飞机火警探测的方法;根据飞机飞行所处环境条件的特殊性,研究了基于非色散红外(NDIR)吸收原理的CO_2气体浓度监测的飞机火警探测方法应用于飞机上所面临的温度补偿难题;根据飞机火警探测器测量电压与环境温度、参比电压之间的关系,采用偏最小二乘(PLS)法建立飞机火警探测器温度补偿模型;根据飞机火警探测器测量电压与CO_2气体浓度之间的关系,采用PLS法建立CO_2气体浓度计算模型;研究了基于CO_2气体浓度监测的报警算法,为飞机火警探测提供了一种新的方法.

一种基于核偏最小二乘法的高光谱影像最佳波段选择方法

最佳波段选择是高光谱影像降维的常用手段,将本征维数估计与核偏最小二乘法,相结合,提出一种基于核偏最小二乘法的最佳波段选择方法。首先利用自适应最大似然法估计高光谱数据的本征维数;然后将核方法引入到偏最小二乘法中,利用核偏最小二乘法对高光谱影像进行最佳波段选择,所需选择的波段数即为本征维数。实验分析表明,与其他最佳波段选择方法比较,本文方法输出的最佳波段用于地物分类,取得了较高的分类精度。

激光诱导击穿光谱结合CARS-PLSR法快速定量检测绝缘子污秽

绝缘子污秽度在线检测是实现泛在电力物联网战略中电力设备智能化的重要需求,是电力系统外绝缘安全可靠运行的重要措施,研究快速、准确的在线检测污秽度的方法对监测输电线路运行状态非常关键。该文利用激光诱导击穿光谱结合自适应重加权优化算法–偏最小二乘回归研究绝缘子表面污秽成分快速检测方法。利用不同的光谱预处理方法预处理光谱数据,采用自适应重加权算法优化选择待测元素光谱强度变量,应用偏最小二乘法回归建立人工污秽等值附盐密度与待测元素光谱强度的定量分析模型。结果显示,归一化预处理方法结合自适应重加权算法光谱变量优化选择方法可以提高偏最小二乘法的分析精度,有助于激光诱导击穿光谱技术实现绝缘子污秽成分的快速检测。

一种自适应动态软传感器智能化建模方法

软传感器技术是解决流程工业工程中关键参数实时测量困难问题的有效手段。然而,流程工业过程呈现出十分复杂的特性,包括长流程以及大时间常数引起的时延与动态特性、内外部变化因素引起的时变特性等,导致建立高精度的软传感器模型十分困难。为此,论文提出一种基于人工智能技术的智能化自适应动态软传感器建模方法:以滑动时间窗框架为基础,解决过程的非线性与时变特性;以动态偏最小二乘法解决动态特性;同时,差分进化算法实现对所有参数的智能估计,从而减少人工干预并实现最优性。论文提出的方法采用公开的工业数据集进行了应用验证。

基于CMAQ模式和自适应偏最小二乘回归法的中国地区PM_(2.5)浓度动力-统计预报方法研究

采用CMAQ模式和自适应偏最小二乘回归法相结合的动力-统计预报方法,对2014年1—12月全国252个环境监测站的PM_(2.5)浓度逐时预报值进行了滚动订正,分析了订正前后PM_(2.5)浓度的时空变化特征,重点研究该方法在中国不同地区不同季节的适用性.结果表明:CMAQ模式预报的PM_(2.5)浓度年平均和秋冬季季节平均偏差表现为非均匀空间分布特征,即辽宁、山东部分地区、川渝地区及华中、华东、华南大部分地区预报偏高,京津冀和西部大部分地区预报偏低;订正后PM_(2.5)浓度与实测值的空间分布较一致,上述偏高和偏低地区的PM_(2.5)浓度预报误差显著减小;秋冬季PM_(2.5)浓度预报和订正偏差均大于年平均值.全国区域平均PM_(2.5)浓度实测值存在明显的季节变化特征,1—3月和11—12月较大,其他月份较小;PM_(2.5)浓度预报误差较大,多数时刻预报偏低,尤其是1—3月和11—12月偏低较明显;订正后PM_(2.5)浓度与实测值较接近,而且时间变化趋势较一致,秋冬季PM_(2.5)浓度预报和订正偏差亦明显大于春夏季.秋冬季4个重点污染区域中,京津冀地区PM_(2.5)实测浓度的区域平均值较大,川渝地区次之,长三角和珠三角地区较小;珠三角地区PM_(2.5)浓度预报和订正效果较好,川渝和长三角地区次之,京津冀地区相对较差;经滚动订正后,全年和秋冬季时段PM_(2.5)浓度订正值与实测值的相关系数均显著增加,误差显著减小,尤其是秋冬季订正效果较好.川渝地区的订正改进幅度最大,长三角和京津冀地区次之,珠三角地区较小.本文方法均适用于非污染日和污染日全国范围的PM_(2.5)预报浓度订正,两种天气过程PM_(2.5)浓度的订正效果均较好;该方法对于改进京津冀地区污染日的PM_(2.5)浓度预报更有效,其他3个地区非污染日的订正改进效果优于污染日.本文研究结果可为改进空气质量预报、重霾污染天气预警和防治提供新技术途径和科学依据.

近红外光谱结合不同变量筛选方法用于黄芩提取过程中黄芩苷含量预测

近红外光谱技术(NIRS)结合化学计量学可以实现中药过程分析中的快速定量,变量筛选算法的应用可以有效去除光谱中的冗余信息并筛选出与成分信息相关的关键变量,与全光谱模型相比可以显著降低模型复杂度,并提高预测精度。本文将近红外光谱技术结合不同变量筛选算法用于黄芩提取过程黄芩苷含量的快速测定,基于SPXY法划分数据集,采用竞争自适应加权重采样法(CARS)、随机青蛙算法(RF)、连续投影算法(SPA) 3种不同变量筛选方法,以偏最小二乘法(PLS)为基础,建立并比较了黄芩药材提取过程黄芩苷含量的定量校正模型。经CARS法、RF法和SPA法分别筛选出92、10、17个变量, CARS-PLS法建立的黄芩苷模型具有最佳性能, CARS法筛选的关健变量与指标成分黄芩苷的化学结构也有着较好的对应关系。模型的校正均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为0.528 2和0.720 2,与全光谱模型相比,模型的校正集相关系数(Rc)从0.917 0上升到0.979 9,相对预测偏差(RSEP)从10.58%降低到5.59%。

高光谱成像技术鉴别红景天的品种

目的采用高光谱成像技术结合化学计量学方法建立红景天的分类判别模型。方法首先获取935~1720 nm大花红景天、长鞭红景天和狭叶红景天的高光谱图像信息,然后分别提取红景天感兴趣区域的反射光谱值,在采用标准正态变量变换法(SNV)和多元散射校正法(MSC)对原始的高光谱数据进行预处理后,分别建立偏最小二乘判别分析模型(PLS-DA),通过对比两种预处理方法对PLS-DA模型判别结果的影响,得到SNV为较优的预处理方法。采用载荷系数法(x-LW)和竞争自适应重加权算法(CARS)提取经SNV预处理后数据的特征波长,并分别建立基于特征波长的线性判别分析(LDA)、PLS-DA和概率神经网络(PNN)分类模型。结果与x-LW特征提取方法比较,CARS算法提取的特征波长建立的LDA、PLS-DA和PNN模型有更好的分类性能;PNN的分类性能优于PLS-DA;SNV-CARS-LDA为区分不同品种红景天的最优判别模型,对训练集和测试集的识别率均为100%。结论高光谱成像技术与化学计量学相结合的方法具有很大的在线检测潜力,可以快速、无损地鉴别红景天品种。

基于自适应偏最小二乘回归法的CUACE模式污染物预报偏差订正改进方法研究

针对GRAPES-CUACE模式预报的6种常规污染物浓度,采用非线性动力统计-订正方法——自适应偏最小二乘回归法,建立了中国不同地区的CUACE模式预报偏差订正模型,采用多种敏感性试验优选了不同季节各区域的最优自变量组合方案,并对2016年1—3月、11—12月全国342个城市PM_(2.5)浓度预报值进行了滚动订正检验,分析了订正前后PM_(2.5)浓度的时空变化特征,重点分析了该方法在京津冀、长三角、珠三角、川渝地区等关键区域的适用性及其改进效果.结果表明:(1)CUACE模式预报PM_(2.5)浓度普遍低于观测浓度,且与实测值的相关系数较低;CUACE 15 km分辨率模式PM_(2.5)浓度预报效果优于54 km分辨率模式,其中长三角地区改进最显著,珠三角和京津冀次之,川渝地区预报效果较差.(2)订正后的PM_(2.5)浓度更接近于实测值,订正后误差明显减小,相关系数明显提高,而且订正值与实测值的散点集中分布于对角线附近.(3)长三角地区PM_(2.5)浓度订正效果最好,准确率可达72.3%;珠三角地区次之,准确率为66.3%;京津冀和川渝地区订正效果稍差,但准确率亦可达63.6%和62.6%.(4)订正后污染日和非污染日的准确率、相关系数分别提高了57.5%和25.9%、304.8%和15.2%;绝对平均偏差、均方根误差分别减小了38.9%和18.7%、21.8%和8.5%.(5)针对北京、上海、广州、乐山的不同重污染过程,订正后的平均绝对误差分别减小了12.07%、46.63%、36.66%、17.71%,相关系数分别提升了25.86%、22.22%、16.92%、162.5%,说明该订正方法适用于不同地区的不同重污染过程的预报.

近红外光谱结合化学计量学快速测定蓝芩口服液原药材水分含量

目的通过近红外光谱法建立蓝芩口服液板蓝根、栀子、黄芩、黄柏、胖大海原药材中水分的快速定量方法,同时研究了水分通用模型的可行性。方法采用了多种预处理方法进行模型优化,选用竞争自适应重加权采样法(competitive adaptive reweighted sampling,CARS)进行关键变量筛选,建立了5种药材的专属、通用偏最小二乘回归(partial least square regression,PLSR)模型。结果5个原药材的专属、通用CARS-PLS模型Rc值>0.96,RSEP值<5%。与专属模型相比,通用模型的预测准确度稍有下降,但仍满足应用要求。此外,通过配对t检验验证模型预测能力,6个PLSR模型预测值与HPLC测得的参考值皆不存在显著性差异。结论近红外光谱与化学计量学相结合建立通用模型是一种可靠的方法,可用于蓝芩口服液5种原药材的水分含量快速检测。对于水分含量检测,选用药材的通用模型比专属模型更为简便,更符合高效化的生产需求。

近红外光谱结合不同变量筛选方法用于金银花提取过程中绿原酸量的在线监测

目的采用近红外光谱技术,结合不同变量筛选方法对金银花提取过程中绿原酸量进行快速测定。方法采用组合间隔偏最小二乘法(SIPLS)、竞争自适应抽样方法(CARS)、变量投影重要性(VIP)、连续投影算法(SPA)4种不同变量筛选方法,以HPLC测定值作参比,建立金银花中绿原酸定量模型并进行比较,优选出最佳变量筛选方法。结果经SIPLS方法所建绿原酸模型预测能力最好,预测集决定系数(Rpre2)和预测均方根误差(RMSEP)分别为0.990 3和2.316%。结论近红外光谱法结合SIPLS变量筛选方法建立的绿原酸定量模型性能良好,满足中药提取过程实时监测分析的精度要求,可用于中药提取过程的快速分析。

基于Block-RPLS模型自适应更新的质量预测方法

工业过程包含动态、时变等过程特性.传统的基于PLS方法的质量预测采用的是固定模型,难以实时修正和学习新的过程信息,从而导致建模效率和精度降低,针对该问题提出一种自适应的块式递推偏最小二乘法(Block-RPLS)模型质量预测方法,用于在线调整PLS模型的结构和参数.采用滑动窗方法确定更新的数据块,利用矩阵相似性理论分析窗内数据的结构特性,得到该滑动窗的特征矩阵.同时,引入局部离群因子(LOF)检测滑动窗内离散偏离程度较大的更新数据,通过交叉验证方法修正PLS模型参数自适应学习过程的时变信息.最后,通过数值仿真和青霉素发酵过程的质量预测实验验证所提出方法的有效性.

基于PLS方法和Kriging模型的多目标有效全局优化方法及应用

针对实际工程中参数过多导致的建模效率低、多目标相互冲突带来的求解困难及成本昂贵的仿真优化问题,提出了一种基于偏最小二乘法和Kriging模型的多目标有效全局优化方法.该方法首先通过偏最小二乘法进行降维,确定主成分;其次,利用偏最小二乘加权系数矩阵,获得自适应偏最小二乘高斯核函数,建立初始Kriging代理模型;然后,通过三种矩阵填充准则对多目标问题进行全局优化;最后,根据终止准则输出最优Pareto近似解集.数值算例结果表明,该算法建模效率提升的同时目标函数值收敛速度更快,在收敛精度及稳定性方面均具有优势.工程实例表明偏最小二乘变换后Kriging模型预测性能优于常规Kriging模型.