净分析信号算法用于近红外模型优化的研究

将净分析信号概念引入多元复杂的银杏叶提取物分析中,利用净分析信号算法对近红外光谱图进行处理,并用净分析算法结合二维相关光谱算法对模型进行了优化,最终建立槲皮素、山柰素和异鼠李素三种组分同时测定的近红外定量模型。利用两种净分析信号算法(Lorber的NAS算法和Goicoechea与Olivieri的HLA/GO算法)作为光谱预处理方法,用一系列主因子重构后的光谱图建立校正模型,并通过净分析信号-二维相关光谱算法对图谱中主对角线处的波段进行选择,优化模型建立所采用的波段。所采用的两种基于净分析信号的预处理方法成功的应用于银杏叶中三种黄酮:槲皮素,山奈素和异鼠李素含量的同时测定。净分析信号预处理方法显著降低了建模所需主因子数,提高模型的稳健性。净分析信号-二维相关光谱算法能够优化建模波段,提高模型的预测能力。结论:净分析信号算法能够应用于近红外光谱模型预处理和优化过程,在复杂多组分且干扰未知植物药含量分析的研究中具有实际应用价值。

净分析信号预处理在喷气燃料重质组分快速分析中的应用

为了改善干扰信息与分析组分浓度变化产生偶然相关造成的分析模型预测精度下降的问题,将净分析信号概念引入多种烃类化合物构成的喷气燃料重质组分快速分析中。利用净分析信号(NAS)算法进行样品近红外光谱预处理,并结合偏最小二乘回归(PLS)建立反映喷气燃料重质组分含量信息的终馏点校正模型(NASPLS),并与常规PLS校正模型进行对比分析。结果表明,NAS预处理结合PLS方法相比常规PLS方法显著减小了建模所需主因子数,交互预测偏差降低了33%,模型的准确性和适应性得到一定的提高。净分析信号算法应用于近红外光谱模型预处理过程,对构成复杂且干扰未知的样品建立近红外光谱模型具有一定的借鉴作用。

应用光程校正空间法提升近红外无创生化分析模型性能

由于采用血流容积差光谱相减法进行近红外无创生化分析得到的样品光谱光程不定,很难得到高性能的定标模型,本文提出采用光程校正空间法来消除光程差异,提升定标模型性能。首先,介绍了净信号分析的原理和校正空间的获取方法;根据血流容积差光谱相减法的特点,提出了采用光程校正空间获取待测组分净信号的方法。然后,以含葡萄糖的脂肪乳溶液为例,通过光程校正空间获取葡萄糖净信号,建立定标模型。实验结果表明:相比没有处理光程直接建立的定标模型,采用光程校正空间后所建立的模型相关系数(R)从0.978 1提升到0.997 7,定标均方根偏差(RMSEC)从77.52mg/dL下降到25.02mg/dL,交叉验证均方根偏差(RMSECV)从93.01mg/dL下降到68.22mg/dL。结果显示,采用光程校正空间的净信号分析能够有效抑制光程差异对定标模型的影响,为血流容积差光谱相减法的实际应用奠定了基础。

近红外分析中光谱预处理及波长选择方法进展与应用

光谱预处理和波长选取方法在近红外光谱分析技术中相当重要。本文综述了常用的NIR预处理和波长选取方法及这一领域的最新进展 ,详细介绍正交信号校正 (OSC)、净分析信号 (NAS)和小波变换(WT)等新光谱预处理方法以及无信息变量消除 (UVE)和遗传算法 (GA)等波长选取方法 ,并给出了这些方法的具体算法和一些应用实例。