均方根误差最小准则的偏最小二乘筛选中药药效物质方法

目的/意义研究一种均方根误差最小准则的偏最小二乘筛选中药药效物质方法,以便全面地观察和分析中药的作用机理。方法/过程以均方根误差(root mean square error,RMSE)最小为主要准则,通过偏最小二乘法获得特征的变量投影重要性指标(variable importance in the projection,VIP)值,再以VIP值的大小对特征重要性排序,最后通过偏最小回归法与前向搜索法,以RMSE最小、交叉性验证结果最好为标准,确定特征子集。采用大承气汤配比治疗急性胰腺炎实验数据,以及麻杏石甘汤治咳、平喘、退热实验数据进行验证。结果/结论该方法能得到回归性能最好时的最小RMSE和药效物质子集。VIP值大于1的特征是相对重要的,VIP值小于1的特征也可能对模型性能有影响。

正交偏最小二乘法探析大承气汤治疗急性胰腺炎多成分多药效关系

目的/意义分析大承气汤治疗急性胰腺炎实验数据,证实多成分多药效关系。方法/过程运用正交偏最小二乘法,分别探析配伍药味、煎煮液的药物成分、血液的药物成分与药效指标的关系。结果/结论配伍药味与药效指标之间、煎煮液的药物成分与药效指标之间、血液的药物成分与药效指标之间均存在一对多、多对一、多对多的作用关系。实验分析结果表明大承气汤治疗急性胰腺炎呈现多成分多药效的特点。

偏最小二乘法和近红外光谱技术快速测定发酵黄芪茎叶中黄酮含量及抗氧化活性

试验测定发酵前、后黄芪茎叶黄酮含量和抗氧化活性,并应用近红外光谱技术(NIR)结合化学计量学法快速预测发酵黄芪茎叶黄酮含量,为定量检测发酵黄芪茎叶黄酮含量提供理论依据以及为黄芪茎叶深加工利用提供技术支持。试验采用硝酸铝-亚硝酸钠比色法测定发酵黄芪茎叶黄酮的含量,测定黄酮对1,1-二苯基-2-三硝基苯肼(DPPH)自由基清除能力和羟基自由基的清除能力,利用偏最小二乘方法构建发酵黄芪茎叶黄酮的快速预测模型。结果表明,发酵黄芪茎叶黄酮抗氧化能力强于发酵前,构建快速预测模型采用了二阶导数(SD)+正态变量变换(SNV)+去趋势算法(Detred)的方法对全谱图进行预处理的效果较好,优化后的模型决定系数(R^(2))、校正均方根误差(RMSEC)、校准标准差(SEC)分别为0.92、0.24、0.24,其相对分析误差(PRD)为3.46,外部验证R2为0.88。研究表明,构建的NIR模型校正和交互验证决定系数均较大,PRD均大于2,说明模型预测性能较好,建立的模型有助于检测发酵黄芪茎叶黄酮含量活性成分。

基于偏最小二乘法的红外光谱对中药材的鉴别

本文以2021年高教社杯全国大学生数学建模竞赛E题为背景,以几种药材为研究对象,结合红外光谱数据及数学建模的相关知识,利用SPSS软件所给的数据进行探索性分析.通过聚类分析,本文将几种中药材分为三大类、六小类,并确定了每一类中药材的编号.本文对E题所给数据进行处理,按照药材的产地进行分类汇总,对同一产地的药材数据进行均值处理.笔者将均值处理后各个产地药材的数据和所要鉴别产地的药材数据绘出红外光谱图,然后两两进行对比,找出吻合度最高的药材产地.由于增加了近红外光谱数据,大量的数据用分类汇总的方法无法快速处理,因此笔者采用偏最小二乘法将数据归一化处理,从而提出有效数据,鉴别出所给药材产地.

偏最小二乘法在激光诱导击穿光谱定量分析中的应用研究

介绍了激光诱导击穿光谱(laser induced breakdown spectroscopy,LIBS)技术、主元分析(principal component an alysis,PCA)法和偏最小二乘(partial least squares,PLS)法的基本原理。对Pb元素特征谱线附近的36个维度进行主成分信息提取,对36维波长数据压缩到2维后,采用每个样品的20个脉冲的主元分数进行偏最小二乘拟合,对数据进行平均处理后,拟合结果质量较高,拟合系数平方的值从0.49810提高到0.97000;残差平方和从0.72529下降到1.36366*10^(-4)。PCA法可以有效的缩减具有一定相关性的样本数据空间,对于数据维度较大的数据处理能显著提升效率,再结合PLS法拟合压缩后的主元,实验结论得出PLS适合用于LIBS定量分析。

遗传算法用于偏最小二乘方法建模中的变量筛选

利用全局搜索方法─—遗传算法（ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ， ＧＡ）对近红外光谱快速分析中的波长变量进行筛选，再用偏最小二乘方法（ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅｓ， ＰＬＳ）建立分析校正模型。对两类样品的近红外光谱分析应用实例表明，这种选取变量进行校正的方法，不仅简化、优化了模型，而且增强了所建模型的预测能力，尤其适用于单纯ＰＬＳ较难校正关联的体系。

苹果可溶性固形物近红外光谱检测的偏最小二乘回归变量筛选研究

为了提高苹果可溶性固形物含量近红外光谱校正模型的预测能力和稳健性,分别采用反向区间偏最小二乘法、遗传算法和连续投影算法,筛选苹果可溶性固形物的近红外光谱变量,并建立了偏最小二乘回归模型。利用遗传算法筛选的141个变量建立的校正模型,预测效果最好,与全谱建立的校正模型比较,预测相关系数,从0.93提高到0.96,预测均方根误差,从0.30°Brix降低到0.23°Brix。实验结果表明遗传算法结合偏最小二乘回归方法,有效地提高了苹果可溶性固形物近红外光谱检测模型的预测精度。

偏最小二乘变量筛选法在毒品来源分析中的应用

提出了一种新的偏最小二乘变量筛选方法,该方法利用PLS回归建模过程中的一些信息,删除一部分冗余的或对建模影响不大的变量来简化、优化预报模型。用此方法结合变量扩维方法处理云南昆明、思茅、西双版纳3个来源地缴获的244个海洛因样本的ICP-MS数据时,与传统的算法比较,模型的判别准确率得到大大提高,达到95%以上。且所得到的模型含变量少,很容易分析或解释各变量对模型的影响。因此该方法可用于对毒品来源有效的识别或鉴定。

近红外光谱技术结合改良偏最小二乘法和反向传播神经网络预测葵花籽皮营养成分含量

本研究旨在利用近红外光谱(NIRS)技术结合不同化学计量学方法建立葵花籽皮营养成分含量的预测模型。采集101份葵花籽皮样品,测定水分、粗蛋白质(CP)、有机物(OM)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、酸性洗涤木质素(ADL)、粗灰分(Ash)、钾(K)、钙(Ca)、磷(P)、镁(Mg)、铁(Fe)、锰(Mn)、锌(Zn)和铜(Cu)含量。通过主成分分析(PCA)剔除异常值后,利用KS算法将剩余样品分为定标集和验证集,利用NIRS技术结合改良偏最小二乘法(MPLS)和反向传播神经网络(BPNN)分别建立葵花籽皮营养成分含量预测模型。结果表明:1)葵花籽皮中水分、NDF、ADF、Ash、Mg、Fe和Mn含量的预测决定系数(RSQ)为0.88~0.99,验证相对分析误差(RPD)为2.82~8.36,利用MPLS和BPNN模型定标结果较好,且预测准确性较好,能够用于实际测量。2)葵花籽皮中K和Zn含量的MPLS模型的PRD分别为2.75和2.44,而BPNN模型的PRD分别为1.76和1.69,K和Zn含量可利用MPLS模型进行实际预测。3)葵花籽皮中CP、Ca和P含量的BPNN模型的RSQ分别为0.9、0.89和0.83,而MPLS模型的RSQ分别为0.75、0.62和0.71,CP、Ca和P含量可通过BPNN模型进行实际预测。4)葵花籽皮中ADL和Cu含量的MPLS和BPNN模型的RSQ为0.30~0.68,RPD为1.03~1.79,预测结果不可用于实际预测。综上所述,利用NIRS技术结合MPLS和BPNN建立的预测模型能够准确预测葵花籽皮中水分、CP、NDF、ADF、Ash、K、Ca、P、Mg、Fe、Mn和Zn含量。

近红外光谱法结合偏最小二乘法预测生物柴油中甲醇的含量

生物柴油中甲醇的定量分析对其品质监控具有重要科学意义与实用价值,因此进行了题示研究。制作44个含不同体积分数甲醇的生物柴油样品,采集了相应的近红外光谱。采用Savitzky-Golay平滑滤波(SG)和标准正态变换(SNV)相结合的方法对原始光谱进行预处理,并采用协同区间偏最小二乘法(SIPLS)提取特征变量,确定在6270~6640 cm^(−1)和10900~11240 cm^(−1)波段内采用偏最小二乘法(PLS)建模。结果显示,所建SG-SNV-SIPLS-PLS模型的留一交叉验证决定系数R2 cv为0.9994,均方根误差RMSECV为0.0488,预测集决定系数R_(p)^(2)为0.9996,均方根误差RMSEP为0.0563,变量数为207,优于PLS模型以及单变量线性回归模型的。

热裂解-气相色谱-质谱法结合偏最小二乘法鉴别地理标志产品镇江香醋

目的建立热裂解-气相色谱-质谱法(pyrolysis-gas chromatography-mass spectrometry,Py-GC-MS)结合偏最小二乘法(partial least squares,PLS)鉴别地理标志产品镇江香醋的方法。方法利用Py-GC/MS采集106个食醋样本的总离子流图,挑选21个共有峰,并通过美国国家标准与技术研究院质谱数据库(National Institute of Standards and Technology Mass Spectral Database,NIST MS)对其进行定性分析。21个共有峰的峰面积组成样品的基本矢量数据,经标准化处理后,通过“去N法”筛选模型特征变量,并利用经典的PLS算法构建地理标志产品镇江香醋鉴别模型。结果模型验证结果显示:建模集食醋样品(71个)的正确识别率为94.4%,验证集食醋样品(106个样品)的正确识别率为96.2%,表现出较高的准确性和稳定性。结论本研究提供了一种简便、可靠的地理标志产品镇江香醋鉴别方法,具有较高的应用价值。

谱效研究结合偏最小二乘法在石菖蒲挥发油有效成分筛选中的应用

目的建立谱效研究结合偏最小二乘法(PLS)筛选石菖蒲挥发油有效成分的方法。方法采用GC-MS技术和药效实验对石菖蒲挥发油进行谱效研究,应用SIMCA P11.5软件进行偏最小二乘法判别分析,通过各成分的相关系数和投影变量重要性值预判起药效作用的主要成分,再采用单体进行验证。结果 PLS筛选出石菖蒲挥发油耐缺氧作用和催醒作用的主要有效成分是β-细辛醚,单体验证试验结果一致。结论谱效研究结合PLS在筛选有效成分的研究中有很好的应用。

多变量偏差补偿递推最小二乘法及其收敛性

对于带白色观测噪声的多变量自回归(AR)信号,提出了未知模型参数和噪声方差估计的偏差补偿递推最小二乘算法,用动态误差系统分析方法严格证明了所得到的模型参数和噪声方差估值是强一致的,即它们以概率1收敛于相应真实值。一个仿真例子说明了其有效性。

偏最小二乘法在回归设计多因变量建模中的应用及其优化

本文利用国际通用统计软件SAS,探讨偏最小二乘法在二次回归旋转设计中多因变量回归建模的技术;同时,应用国际优化大师L ingo软件对多目标进行优化,给出了最优的工艺参数值。

基于双重筛选的多因变量偏最小二乘逐步回归方法

偏最小二乘回归分析中的一个重要问题是变量选择,文章的主要目的是给出一种改进的多元数据分析方法-基于双重筛选的多因变量偏最小二乘逐步回归方法。双重筛选方法既能按自变量对因变量的关系进行分组,又能使每个自变量对各组因变量的作用反映出来。因此基于双重筛选的多因变量偏最小二乘回归方法能很好地处理这类问题,并得到好的结果。

基于核偏最小二乘法的热轧板凸度预测

以某2160 mm热连轧生产线为研究对象,结合生产数据和数据驱动算法,提出并建立基于核偏最小二乘法和偏最小二乘法的热轧板凸度预测模型,并对模型的参数进行调整和优化。结果表明:偏最小二乘法模型的预测值与实测值误差为-25~30μm,88.74%的板凸度预测值绝对误差小于10μm;核偏最小二乘法模型的预测值与实测值误差为-25~25μm,91.57%的板凸度预测值绝对误差小于10μm。因此,优化后的核偏最小二乘法模型具有更好的预测效果。

基于改进动态偏最小二乘法故障检测方法

目的 针对滚动轴承早期故障的特征信号微弱,在实际运转中由于数据具有时序相关性,使得滚动轴承早期阶段的故障特征提取难度增大等问题,提出一种基于深度分解理论的改进动态偏最小二乘法(DeepDPLS)的滚动轴承早期故障检测方法。方法 首先选择时滞参数使原始数据矩阵形成动态增广矩阵,确定深度分解的阶数;再应用深度分解理论得到分解生成的各个子空间;最后用偏最小二乘法(PLS)计算各个子空间的统计量和控制限,通过将每一个子空间的统计量与其对应的控制限进行比较来判别系统是否发生故障。结果 提出的DeepDPLS与PLS及其相关方法相比,极大地提高了滚动轴承的早期故障检测率;与DeepPLS相比,在一阶分解时故障检测率可达到100%,建立的模型更加精确,能更早地检测出滚动轴承的早期故障。结论 笔者提出的基于DeepDPLS的检测方法对于滚动轴承的早期故障检测是可行、有效的。

后向变量选择偏最小二乘法用于近红外光谱定量校正模型的建立

目的:对小麦中蛋白质含量以及橘叶中的橙皮苷含量建立定量校正模型。方法:将原始数据分为校正集、停止集和测试集,考察不同的停止集样本量对删除变量数的影响,并以相关系数与采用传统的偏最小二乘法(PLS)所建立的模型进行对比。结果:使用于建模的变量数分别减少了79%和89%,同时相关系数分别从0.9016和0.7730提高到了0.9306和0.8657。结论:较之于传统的偏最小二乘法,该方法所需用于建模的变量数大大减少,提高了模型的运行速度和预测能力,并且使所建立的模型更富于解释性。

基于偏最小二乘法对水库pH值预测与应用

根据水库中藻类数量和pH值数据,基于偏最小二乘法对影响pH值变化的5个因素进行建模分析,结果表明,各藻类数量对pH值的影响程度不同,小球藻>小环藻>辐节藻>骨条藻>范式冠盘藻。通过实测数据验证,偏最小二乘法回归模型的拟合能达到满意的效果,预测pH值与实测对比,模型可以很好地表征赫章公鸡寨水库中藻类对pH值的影响趋势,但是不能精确地预测实测值,这主要的原因可能是影响pH值变化的因素还有很多,比如水温、溶解氧、浊度、高锰酸盐指数、年降雨量等。

短程硝化过程的光谱特征波段选择与间隔偏最小二乘法建模

序批式活性污泥反应器(SBR)是目前应用较广的活性污泥处理装置。通过SBR反应器处理人工模拟高氨氮废水研究短程硝化反应系统启动过程中硝酸盐氮和亚硝酸盐氮含量的变化,利用紫外光谱采集所得数据为基础建立模型,以期快速预测SBR反应器出水中硝酸盐氮、亚硝酸盐氮含量。采用实验室配置的不同浓度硝酸盐氮和亚硝酸盐氮混合溶液,以三种不同波段选择的区间偏最小二乘法(iPLS)构建标准混合液的校正模型。研究结果显示,所建模型对混合液中硝酸盐氮和亚硝酸盐氮实测值与预测值相关性均较好。测定反应器出水指标,同样以三种不同波段选择的偏最小二乘法算法构建紫外光谱与硝酸盐氮和亚硝酸盐氮含量的模型。利用校正集相关系数、交叉验证均方根误差(RMSECV)、预测集的相关系数以及预测均方根误差(RMSEP)评价指标来评价模型结果。在iPLS、siPLS、biPLS三种模型中利用联合区间偏最小二乘法(siPLS)将全光谱分别等分为24、19个区间时,分别联合子区间[24]、[38]建立的模型预测拟合结果最优,其校正模型r=0.9393、RMSECV=1.6504,r=0.9507、RMSECV=0.4421,预测模型r=0.9992、RMSEP=1.3418,r=0.9119、RMSEP=2.6770。该模型对硝酸盐氮和亚硝酸盐氮的预测效果总体较好,表明利用紫外光谱建立区间偏最小二乘法模型可以实现对短程硝化反应器出水硝氮和亚硝氮含量的快速预测。