主成分-线性判别法对大气易挥发性有机化合物的预警

应用遥感傅里叶变换红外光谱,采用主成分提取-线性判别分析(PCA-LDA)技术,对丙酮、二氯甲烷、甲苯、苯、氯仿和甲醇等六组分的任意混合体系进行定性鉴别。被选用的这6种大气有毒有机化合物的红外光谱图相互间存在着严重的混叠,并和反向传播人工神经网络(BP-ANN)的预测结果进行了比较。PCA-LDA的鉴别判对率达92.2%,识别率94.4%,误判率7.8%;BP-ANN分别为91.1%、95.6%和8.9%。结果表明PCA处理克服了LDA对多变量数据预测的局限性,预测性能和BP-ANN相当。鉴于BP-ANN计算耗时和繁琐,PCA-LDA模型被确定为建立VOCs预警模型最适当的方法。

基于主成分-线性判别分析的植物药多糖HPLC图谱与寒热药性关系研究

目的:探讨中药寒热药性与所含多糖成分的相关性。方法:取寒性、热性植物药各10味,提取并精制所含多糖,用三氟乙酸彻底水解成单糖,加入1-苯基-3-甲基-5-吡唑啉酮进行衍生化反应,测定其单糖HPLC图谱,并利用主成分-线性判别分析研究结果。结果:主成分-线性判别分析完全实现了对20味植物药寒热药性准确判别。结论:中药寒热药性与所含多糖成分存在明显相关性,多糖是中药药性的物质基础之一;主成分-线性判别可对中药药性进行判别,且判别准确率高。

基于因子-主成分回归分析的股价技术分析研究

介绍了回归分析中多元线性回归的理论及应用方法,并以股价技术指标为研究对象,利用spss统计分析软件,建立了短期股价变动的多元线性回归模型。同时讨论了被选为自变量的参数之间存在的多重共线性问题,并分析该问题对线性回归分析结果造成的影响。因子-主成分分析的核心是用较少的相互独立的因子反映原有变量的绝大部分信息。主成分分析的主要思想是:从自变量中提取出新的变量,这些变量是原变量的适当线性组合,并且互不相关,因此应用SPSS软件进行数据缩减、提取主成分,并以主成分因子为新的自变量建立主成分回归方程,消除了多重共线性对回归模型的影响。最后对不同模型的测试结果进行了比较、分析,验证了因子-主成分分析在解决实际经济问题中的有效性。

基于灰色回归模型广州市果蔬类生鲜农产品冷链物流需求预测

目的通过对不同预测方法的误差进行对比研究,选取预测精度较高的方法,促进部门科学化决策。方法从农产品供给、社会经济水平、冷链物流保障、居民规模与消费能力四大维度选取15个指标来构建影响因素指标体系,对影响因素与冷链物流需求进行灰色关联度分析。采用GM(1,1)、GM(1,6)与主成分-多元回归线性模型对果蔬类生鲜农产品冷链物流需求进行预测。结果GM(1,1)预测模型、GM(1,6)预测模型、主成分-多元回归线性预测模型的预测误差分别为2.97%、1.70%、2.53%。结论GM(1,6)预测模型预测精度最高,该模型适用于中短期的冷链物流需求预测,具有较高的应用价值。

林业试验统计中多元回归模型变量子集合选择问题的研究

回归分析是最常用的林业试验统计方法,林业试验统计中的数学模型构造和模型外推通常采用回归分析方法解决。在多元回归分析应用中,如何选择合适的自变量（解释变量）确定最佳变量子集合,是建立回归模型的关键。选择合适的变量来建立回归方程数学模型,不是一件很容易的事。因为在多元回归模型中,有p个变量X1,X2,…,Xp来解释变量Y,而变量X1,X2,…,Xp之间存在着相关关系,即线性关系或近似线性关系,会给回归系数估计值带来不合理的解释。由此可见,要得到一个稳定的,可靠的回归模型,变量子集合的选择十分重要。

超快速液相色谱-三重四极杆/线性离子阱质谱法同时测定不同贮藏条件下红参中17种人参皂苷类成分

建立了超快速液相色谱-三重四级杆/线性离子阱质谱(UFLC-QTRAP-MS/MS)同时测定红参中17种皂苷成分含量的方法,分析了不同贮藏条件对红参中目标成分的影响。采用SynergiTMHydro-RP 100(100 mm×2. 0 mm,2. 5μm)色谱柱分离,以0. 1%甲酸水-乙腈为流动相,0. 4 m L/min梯度洗脱,在电喷雾负离子(ESI-)模式下,进行多反应监测(MRM)模式检测。根据17种皂苷成分的含量,用聚类分析(HCA)和主成分分析(PCA)对不同贮藏条件红参进行综合评价。结果表明,17种人参皂苷在一定浓度范围内均呈良好的线性关系,相关系数均大于0. 999 0;精密度、重复性和稳定性良好;加标样品的回收率为96. 4%～103%,相对标准偏差(RSD)均小于5%。HCA和PCA结果显示,红参的适宜贮藏条件为以纸箱为外包装避光存放于-20℃。该方法准确、灵敏,为红参药材内在质量的综合评价和全面控制提供了可靠的检测方法,同时为红参适宜贮藏方法的优选提供了基础资料。

太赫兹时域光谱结合主成分分析线性判别和支持向量机用于大黄样品鉴定（英文）

太赫兹时域光谱技术(THz-TDS)结合主成分分析-线性判别分析(PCA-LDA)和支持向量机(SVM)用于正品大黄样品的鉴定。在时域测量41个大黄样品的太赫兹时域透射光谱,然后将这些时域信号转换成频域的吸收系数系数。根据样本的吸收系数建立了主成分分析-线性判别分析和支持向量机的定性分类模型,并对正品和非正品大黄样本的分类模型进行了交叉验证。模型的预测能力和稳定性使用自助拉丁配分进行评价,使用50次自助拉丁配分,配分数为4。使用主成分分析-线性判别分析和支持向量机均得到了满意的结果。提出的方法证明是一种方便、无污染、准确和无需化学处理的鉴定大黄样本的方法。该文提出的步骤可以应用于其他中草药分类和生产的质量控制。

基于非线性主成分分析与自适应小波神经网络的球团质量预测模型研究

在链篦机-回转窑法球团生产过程中,成品球团的质量与系统的热工制度的控制和参数调节密切相关。鉴于系统的过程变量多、滞后性大、周期性长的特点,提出并建立了基于非线性主成分分析与自适应小波神经网络的球团质量预测模型,并用实例证明,该模型在质量预测中与传统的BP神经网络模型相比有较好的效果。

岭型-组合主成分估计

提出了线性模型回归系数的一种新的估计——岭型组合主成分估计 ,讨论了岭型组合主成分估计的可容许性、优良性等性质 。

基于APCS-MLR模型的九洲江广东段不同水期水质变化特征及污染来源解析

为探究九洲江广东段水质变化特征及其污染来源,选取了2021—2022年九洲江营仔国考断面自动站逐日水质数据,利用相关性分析、绝对主成分-多元线性回归(APCS-MLR)模型对九洲江不同水期水质特征及污染来源进行了研究。结果表明:九洲江营仔断面丰水期水质相对较差,高锰酸盐指数、总磷和浊度相较枯水期显著升高,溶解氧、pH相较枯水期显著下降;不同水期水质指标相关性存在一定差异,与枯水期相比,丰水期pH、溶解氧和浊度与其他水质指标的相关性有所增加,而高锰酸盐指数、氨氮、总磷和总氮指标间的相关性有所减小;枯水期畜禽养殖源+城镇生活源对总磷、氨氮和总氮的绝对贡献率分别为58.47%、48.71%和44.14%,未识别污染源对高锰酸盐指数、水温、pH和电导率的绝对贡献率分别为63.08%、59.48%、54.90%和52.65%;丰水期农业面源+城镇面源对总氮、总磷和高锰酸盐指数的绝对贡献率分别为51.96%、41.38%和34.78%,气象因子对溶解氧、pH和氨氮的绝对贡献率分别为55.66%、40.75%和31.87%。综合来看,九洲江广东段水质指标枯水期主要受畜禽养殖源+城镇生活源和未识别污染源的影响,丰水期主要受农业面源+城镇面源和气象因子影响,故九洲江广东段水质管控不仅要加强畜禽养殖污染治理、城镇污水管网完善,还应注重保障生态流量、削减汛期面源污染等工作。

基于多元统计分析泉州不同品种姜黄的品质

基于多元统计分析泉州不同品种姜黄的品质,分析不同品种姜黄的感官品质和营养物质,结合主成分分析和多元线性回归分析得出综合排名,再利用UPLC-MS/MS对姜黄有效成分进行含量测定以验证多元统计方法的准确性,最后通过聚类分析探索不同品种姜黄之间的相似性和差异性。主成分分析结果表明,前3个主成分的累积贡献率为85.039%,构建评价模型得到分数前4的品种:广西防城港的A2,越南的A3,泉州本地种a的A6和四川内江的A4。以感官评价总分和营养物质含量为对象进行多元线性回归分析,得到回归方程为:Y=67.256+3.483X1+0.662X2,此方法得到排名前4的品种与主成分分析高度一致。UPLC-MS/MS结果表明11个品种中测出姜黄素类有效成分含量前三顺序为A2>A3>A6,该结果与多元统计中所得的优质品种相符合,证实多元统计法在筛选优质姜黄品种方面的应用价值。聚类分析结果表明,A2、A3、A6聚为一类,具有色泽鲜黄等相同特点。这为今后姜黄品种的选育和质量控制提供了新的思路和方法。

不同干燥方法对麦冬多元活性成分的影响

探究不同干燥方法对麦冬多元活性成分的影响。采用超快速液相色谱-三重四极杆/线性离子阱质谱(UFLC-QTRAP-MS/MS)同时测定不同干燥方法下麦冬中甾体皂苷、高异黄酮、氨基酸及核苷类共29种活性成分的含量;根据29种目标成分的含量,用聚类分析(HCA)及主成分分析(PCA)对不同干燥方法下麦冬进行综合评价。结果表明,29种目标成分在一定浓度范围内线性关系良好,相关系数均大于0. 999 0;精密度、重复性、稳定性良好,RSD均小于5%;平均加样回收率为97. 02%～102. 78%,RSD均小于5%。PCA结果显示,以晒干、无硫烘干的麦冬样品综合质量较优。所建立的方法准确、可靠,可用于麦冬药材内在质量的综合评价,该研究可为揭示麦冬传统干燥方法科学内涵提供依据,同时为麦冬产地加工时干燥方法的优选提供基础资料。

基于电子鼻与GC-MS分析精氨酸-葡萄糖美拉德反应体系挥发性风味成分的差异性

为研究不同反应时间对精氨酸-葡萄糖美拉德反应体系挥发性风味物质的影响,利用电子鼻与气相色谱-质谱联用(gas chromatography-mass spectrometry,GC-MS),结合主成分分析(principal component analysis,PCA)和线性判别分析(linear discriminant analysis,LDA),对不同反应时间精氨酸-葡萄糖美拉德反应体系的挥发性风味成分进行差异性分析。结果显示:PCA和LDA均能够较好地区分30 d和40 d的样品,但对于其它样品PCA区分效果要比LDA好。GC-MS从精氨酸-葡萄糖美拉德反应体系中共检测出50种挥发性物质,可分为醇类、醛类、酮类、酯类、烷烃类和其它类化合物等6类物质,其中酯类物质为10、20 d样品中的主要挥发性物质,醇类物质是20 d和30 d样品中的主要挥发性成分,不同反应时间主要挥发性成分差异显著。对不同精氨酸-葡萄糖美拉德反应体系样品挥发性物质进行主成分分析,建立其品质评价模型,得出不同时间的综合得分顺序依次为20、10、60、40、30 d和50 d。

APCS-MLR结合PMF模型的塔里木河上游沉积物重金属源解析与风险评估

为探究塔里木河上游沉积物中重金属的污染来源及潜在生态风险,选取上游阿拉尔—沙雅段表层沉积物为研究对象,测定Cu、Fe、Zn、Pb、As、Cr、Cd、Mn和Ni等9种重金属的含量,分析其污染及空间分布特征.结合相关性分析、聚类分析、绝对主成分-多元线性回归(APCS-MLR)和正定矩阵因子分析(PMF)等解析污染来源及其贡献,运用富集系数法、地质累积指数法、沉积物污染指数法和沉积物质量基准法(SQG)对重金属进行了风险评估.结果表明,除As外,Cu、Fe、Zn、Pb、Cr、Cd、Mn和Ni的平均含量均超过背景值;空间上重金属含量较高的采样点基本都出现在河流汇合处及人类活动的密集区.相关性分析、聚类分析和PCA/APCS分析表明,塔里木河上游沉积物的重金属来源主要有3类,第Ⅰ类中Cu、Fe、Zn、Pb、Mn和Ni可能代表禽类粪便和自然来源;第Ⅱ类中As、Cd和Ni可能代表农业活动源;第Ⅲ类中Pb和Cr可能代表交通活动源.APCS-MLR和PMF模型表明,源贡献率最高的是农业活动源,贡献率分别为63.20%和52.36%;养殖和自然来源、交通活动源是解析出的其他2个源,APCS-MLR和PMF解析得到的贡献率分别为10.80%、26.00%和36.09%、11.55%.风险评估方法均表明Cd和Ni处于轻度污染,偶尔会产生生物毒性效应;Zn无污染,生物毒性效应很少发生;塔里木河上游沉积物整体为自然-低风险水平,但样点TH1、TH4和TH7可能存在潜在生态风险.

主成分-线性判别分析在中药药性识别中的应用

目的探索利用主成分-线性判别分析基于中药的功效主治属性判别其药性的可行性。方法收集《中华本草》中收录的药性明确、功效主治属性特征详尽的植物药1 725种,首先运用主成分-线性判别建立模型,以此模型对药性进行判别分类,采用10次5折交叉验证评价模型稳定性,然后按照随机抽样的原则,从寒、热性两类药材中分别随机抽取80%(共1 380种)的药材作为训练集建立模型,其余20%(共345种)药材组成测试集,做预测。结果运用主成分-线性判别模型,全部1 725种中药的组内判别正确率为94.43%,交叉验证平均正确率为91.54%。训练组的组内回代判别正确率为94.78%,测试组的预测正确率为90.14%。结论基于主成分-线性判别对中药药性进行判别,不仅保证了线性判别的正常运行,而且判别准确率高,模型稳定性好,能够为临床用药提供依据。

花生种子品质的可见-近红外光谱分析

利用600～1100 nm 波段研究花生品种的可见-近红外反射光谱，对选取的三种具有代表性的花生种子进行实验。使用近红外光纤光谱仪采集光谱数据，对原始光谱进行小波分析以提取光谱特征，再用主成分分析方法进行聚类分析，最后把每一个样品的前4个主成分得分作为识别模型的输入，品种类别作为模型的输出，以马氏距离作为判别函数，建立了线性判别分析模型。对于每个品种的50个样品，随机挑选30个样本作为训练集，剩余的20个样本作为预测集。该识别模型对3个花生品种的平均正确识别率为95％。表明该方法能有效的识别花生种子，得到较好的分类效果，为花生种子品质的区分和鉴别提供了一种新方法。

红外光谱结合PCA-LDA对嘉峪关戏台文物建筑彩画胶料种类的判别

为了判别嘉峪关戏台文物建筑彩画的胶料种类,采用皮胶、鱼鳔胶、蛋清、蛋黄、牛奶为参考样品,使用傅里叶红外光谱仪采集了参考样品及三件文物样品胶料的红外吸收光谱,利用主成分分析结合线性判别分析(PCA-LDA)构建胶料种类判别的数学模型,并应用于文物样品。发现参考样品红外光谱在1800~1000 cm^(-1)区间包含了丰富的分子结构特征信息。该区间中蛋白类胶料的共同特征为1650 cm^(-1)附近的仲酰胺C=O键伸缩振动峰,1542 cm^(-1)附近的酰胺C—N键伸缩振动和N—H键弯曲振动峰,1240 cm^(-1)附近的酰胺C—N键伸缩振动峰。此外,蛋黄、皮胶和牛奶因其中含有较多脂类物质,在1745 cm^(-1)附近还存在饱和脂肪酸酯羰基C=O键伸缩振动峰。在此基础上,通过对参考样品红外吸收光谱主成分得分散点图的分析,发现不同胶料参考样品的红外光谱类间差异显著。据此,使用参考样品红外光谱的主成分得分为训练集,添加类别变量拟合判别函数,绘制函数组质心图并进行交叉验证,得出方程的判别正确率为93.3%。发现因老化降解导致三件文物样品的红外吸收光谱与参考样品光谱有所不同,但仍具有蛋白类胶料的特征。利用PCA-LDA分析模型对文物胶料种类进行判别,结果均为皮胶。该胶料种类判别模型稳定、有效,用该模型判定嘉峪关建筑彩画胶料为动物胶中皮胶。

HS-SPME-GC-MS结合电子鼻对10个品系红松籽油挥发性物质分析比较

采用顶空固相微萃取与气相色谱-质谱(headspace solid phase microextraction-gas chromatography-mass spectrometry,HS-SPME-GC-MS)联用技术结合电子鼻(electronic nose,E-nose)对10个品系(种)红松籽油挥发性物质进行区别和比较。10个样品中GC-MS共鉴定163种挥发性物质,包含烃类、醇类、醛类、酯类、酮类、酸类等类型的挥发性物质,且以烃类、醛类、醇类和酯类为主,主要贡献风味的物质为醛类、醇类和酯类。通过聚类分析和主成分分析(principal component analysis,PCA)对10个红松籽油品系进行区分,可以将样品分为3组,各组之间的挥发性成分含量存在显著差异。采用PCA和线性判别分析处理E-nose数据,PC的累计贡献率分别达到97.17%、88.82%,说明传感器识别度高、样品间区分度好。2种技术相关性分析结果表明,信号传感器与不同挥发性物质存在相关性。本研究评价10个品系松籽油的挥发性物质,探讨HS-SPME-GC-MS与E-nose相结合用于区别和比较10个品系松仁油挥发性成分的可行性。

基于高密度采样的县域尺度土壤重金属污染特征及源解析——以山东省昌乐县为例

为研究区域大尺度土壤重金属污染特征及来源,以山东省昌乐县为研究区域,通过网格化采样和分析测试,获得了5818件表层土壤样品的Cu、Pb、Zn、Ni、Cr、V、Mn、As、Co、Cd、Hg等11种重金属元素含量。进行了潜在生态风险评价,采用差异性分析、主成分分析、绝对主成分-多元线性回归分析、地统计分析等方法,定性、定量解析了来源。结果表明,研究区属土壤重金属高背景区,但总体污染风险低。潜在生态风险污染程度以中度为主,Hg、Cd对综合潜在生态危害的贡献最高,贡献率分别为47.94%和28.28%。解析结果显示,Co、Ni、Cr、V、Mn、Cu主要来自基性岩体控制的成土母岩风化的自然源;Pb、Zn主要来自交通和矿致异常的综合源;As、Cd主要来自碳酸盐岩和砂页岩成土母岩影响的自然源;Hg主要来自人类活动影响的人为源;Pb、V、Cd有30%以上的贡献来自未知源。以上污染源和未知源的平均贡献率分别为45.18%、16.19%、13.78%、5.95%、18.90%。自然源是研究区土壤重金属的主要来源,综合源和人为源对Pb、Zn、Hg的贡献最大,可能造成叠加污染。通过本文的分析研究可进一步筛选污染风险较大区域,在小尺度范围内开展重金属来源识别,尤其是未知源识别,为土壤重金属污染防控提供依据。

基于非接触式拉曼光谱分析人血与犬血的PCA-LDA鉴别方法

将拉曼光谱分析法与数理统计方法有机结合,构建人血与犬血种属判别模型,实现了不同种属血液样本的高效无损鉴别.采用拉曼光谱的无损测试模式对血液样本进行测试,考察了抗凝管管材、聚焦位置及曝光时间等对血液样本拉曼光谱的影响,在激发波长为632.8 nm,光谱扫描范围为200~1800 cm-1,功率衰减率50%,曝光时间5 s及累加次数为2次的优化条件下,获得了无损检测条件下的血液样本拉曼光谱图.针对血液样本组分复杂、拉曼光谱信号基底背景高等问题,提出了基于小波变换去噪,进行分段多项式基线校正的预处理方法,有效解决了血液样本拉曼光谱谱图的高噪音和基线漂移问题.实验选择30例正常人血和33例比格犬血为样本训练集,5例正常人血和5例比格犬血为测试集,基于主成分分析法(PCA)联合线性判别法(LDA)模型,训练集分类正确率达到95.23%,盲测集分类正确率达90.00%.这种基于非接触式血液样本拉曼光谱和PCA-LDA判断模型的测试方法在进出口检验检疫等涉及血液无损鉴别的领域具有广泛的应用价值和前景.