基于双脉冲LIBS结合偏最小二乘回归的稀土元素定量分析

激光诱导击穿光谱(LIBS)是一种以激光为激发源的等离子体发射光谱分析技术,已有将其用于稀土元素的定量分析研究,但由于稀土矿基体差异大、元素含量低,定量分析灵敏度和准确度仍有待提高。通过使用单激光分束构造双脉冲LIBS系统,并结合偏最小二乘回归(PLSR)算法实现对稀土矿石样品中的稀土元素La、Dy、Yb和Y的定量分析。结果表明,双脉冲LIBS结合PLSR可建立更加稳定的定标模型,与常规基本定标法相比,La、Dy、Yb和Y元素的相对均方根预测误差(RMSEP)从0.0061%、0.0037%、0.0045%、0.0280%降低至0.0044%、0.0016%、0.0029%、0.0134%,平均相对预测误差(AREP)从10.88%、15.27%、6.42%、17.20%降低至6.67%、3.62%、4.10%、7.98%。因此,双脉冲LIBS结合PLSR方法可以有效地提高LIBS对稀土矿石中稀土元素的定量分析能力。

基于偏最小二乘回归的谷子冠层氮素含量高光谱估测研究

为构建多品种谷子冠层氮素含量的高光谱监测模型,通过设置不同氮素水平和多品种谷子田间试验,分别获取谷子全生育期冠层高光谱反射率和叶片氮素含量,采用卷积平滑、一阶导数变换对光谱曲线进行预处理,利用光谱数据与氮素含量相关性分析、连续投影算法(successive projections algorithm,SPA)筛选出谷子各生育期和全生育期的氮素敏感波段、植被指数、高光谱特征参数,利用三者组合建立谷子冠层氮素含量的偏最小二乘回归(partial least square regression,PLSR)估测模型,并筛选各生育期最优模型。结果表明,不同生育期最优估测模型有所差异,拔节期基于敏感波段、植被指数、高光谱特征参数的模型精度最高;抽穗期基于敏感波段、植被指数的模型精度最高;灌浆期基于植被指数、高光谱特征参数的模型精度最高;成熟期基于敏感波段、植被指数的模型精度最高;全生育期基于敏感波段与植被指数的模型精度最高(R2=0.903,RPD=3.01)。多输入级综合模型可以充分利用光谱信息,有效提高模型预测精度和稳定性,其中基于敏感波段和植被指数的综合模型表现效果最好,预测集R2均在0.82以上、均方根误差均小于0.119、相对分析误差均大于2.1。以上研究结果为高光谱遥感诊断谷子全生育期氮素盈缺状况与施肥决策提供了理论依据和技术支撑。

基于偏最小二乘回归法分析陈醋理化指标和品质

以南阳市大型商超市售的3种陈醋为研究对象,参考国家标准检测方法对陈醋的总酸含量、不挥发性酸含量及pH值进行对比分析;以近红外光谱技术结合偏最小二乘回归定量分析法,确定最佳进光光程、最优流量及最佳预处理方式,并在此条件下对3种陈醋进行判别分析,从而确定基于偏最小二乘回归法分析陈醋理化指标的方法。结果显示,3种陈醋样品均符合国家标准规定的陈醋pH值(pH 3.6~3.9),3种陈醋样品的pH值分别为3.71±0.02,3.65±0.01和3.82±0.01;3种陈醋样品中总酸和不挥发性酸含量略有不同,分别在(0.567±0.011)~(0.593±0.02)g/L和(0.148±0.012)~(0.215±0.018)g/L。在进行近红外光谱检测中,在最佳光程选择上,去掉异常样品后pH值检测和不挥发性酸检测的最佳光程为3 mm,总酸检测的最佳光程为2 mm;在陈醋流量选择上,pH值检测和总酸检测应控制流量为0.2 L/min,不挥发酸检测应控制流量为0.6 L/min;在光谱预处理条件选择上,pH值检测和不挥发性酸检测应选择SNV预处理方式,而总酸检测应选择5点平滑预处理。结果表明,利用近红外光谱结合偏最小二乘回归法可以进行陈醋理化性质的检测,其检测效果良好、检测效率高。

基于偏最小二乘回归的土壤碱解氮含量估测

构建基于室内高光谱数据的土壤碱解氮含量估测模型,为快速、准确获取土壤中养分信息提供新的方法。对新疆乌鲁木齐市106个风干的土壤样品进行研磨过筛,在室内进行反射率光谱数据的采集,对采集的光谱数据进行Savitzky-Golay滤波、一阶微分(FDR)、连续统去除(CR)、多元散射校正(MSC)4种预处理,在此基础上利用连续投影算法对预处理后的数据进行特征波段的筛选,用偏最小二乘回归建立不同预处理后土壤碱解氮含量预测的高光谱分析模型。模型评价指标采用决定系数(R^(2))、均方根误差(RMSE)、相对分析误差(RPD)平均相对误差(MAE)。结果显示:4种预处理方法中以连续统去除处理的预测精度最为突出,其模型R^(2)、RMSE、RPD、MAE分别为0.90、13.0、2.26、0.13;模型的线性回归方程为:y=0.9316x+8.763。因此,利用连续统去除结合偏最小二乘回归,能够较好地估测乌鲁木齐市土壤中碱解氮的含量。该结果可为室内高光谱数据快速反演土壤碱解氮含量提供理论依据。

基于差示光谱及指纹图谱结合偏最小二乘回归分析法研究决明子提取物的平衡溶解度

目的:确定决明子提取物的最佳溶出介质,分析决明子提取物中主要成分在最佳溶出介质中对平衡溶解度的贡献程度,明确决明子提取物平衡溶解度的标志物。方法:以总蒽醌含量为指标,采用差示分光光度法测定决明子提取物在37℃时于水、0.1 moL/L盐酸和pH 6.8磷酸盐缓冲液中不同时间点的平衡浓度,确定最佳溶出介质。以决明子提取物总蒽醌指纹图谱为参照,采用HPLC法建立决明子提取物在最佳溶出介质中不同平衡时间点平衡浓度的指纹图谱,筛选决明子提取物平衡溶解度的标志物。结果:决明子提取物在37℃时于水、0.1 moL/L盐酸和pH 6.8磷酸盐缓冲液中平衡溶解度分别为10.344、10.910、11.099μg/mL,达到平衡时间点的时间分别为24 h、3 h和7 h。在最佳溶出介质中,VIP值>1的化学成分有22个,其中VIP值分别为1.13987、1.15565、1.12806、1.14825、1.14880的化学成分分别为已知成分橙黄决明素、大黄酸、大黄素、大黄酚和大黄素甲醚。结论:pH 6.8磷酸盐缓冲液为决明子提取物的最佳溶出介质,可以橙黄决明素、大黄酸、大黄素、大黄酚和大黄素甲醚为溶解度标志物考察决明子提取物的平衡溶解度。

基于偏最小二乘回归的城镇化与农业经济协调发展研究——以厦门市为例

文章选取《厦门经济特区年鉴(2011—2022)》数据为研究样本,运用偏最小二乘回归分析方法,构建了厦门市城镇化与农林牧渔业总产值、劳动力资源、财政支农资金、农民可支配收入的偏最小二乘回归模型,并对厦门市城镇化与农业经济协调发展关系进行实证分析。所得模型通过检验,表明模型对城镇化的解释能力较强,选取的各项指标中,农村居民人均可支配收入、农业产值、农林牧渔服务业、劳动力资源、财政支农对城镇化影响显著,是城镇化发展的主要影响因素。研究结果表明:渔业产值对城镇化有一定的解释作用,但对城镇化发展作用为负效应;牧业产值对城镇化发展影响不显著,说明目前牧业产能还比较低。为此,提出厦门应积极探索智慧牧渔业发展模式,加快渔业生产转型,稳步扩大现代水产养殖;精准规划生猪养殖规模,适度提高猪肉自给率等发展建议,为实现城乡融合发展、落实乡村振兴战略,提供合理参考。

局部近邻标准化偏最小二乘的多模态间歇过程故障检测

本文针对多模态间歇过程数据多中心和模态方差差异明显的问题,提出了一种基于局部近邻标准化偏最小二乘方法.首先,采用统计模量方法处理间歇过程数据,再利用局部近邻标准化方法将统计模量后的训练数据进行高斯化处理,建立偏最小二乘监控模型,确定控制限;然后,同样对统计模量后的测试数据进行局部近邻标准化处理,再计算测试数据的高斯偏最小二乘监控指标,进行过程监视及故障检测.最后,通过数值实例和青霉素发酵过程验证方法有效性.实验结果表明所提方法解决了故障样本近邻集跨模态问题,对多模态数据具有更好的故障检测能力.

基于偏最小二乘回归的土壤有机质含量高光谱估算

为实现基于光谱分析土壤有机质含量的快速测定,该文以江汉平原公安县的土壤为研究对象,进行室内理化分析、光谱测量与处理等一系列工作,在土壤原始光谱反射率（raw spectral reflectance,R）的基础上,提取了其倒数之对数（inverse-log reflectance,LR）、一阶微分（first order differential reflectance,FDR）和连续统去除（continuum removal, CR） 3种光谱指标,分析4种不同形式的光谱指标与有机质含量的相关性,对相关系数进行P=0.01水平上的显著性检验来确定显著性波段的范围,并基于全波段（400~2 400 nm）和显著性波段运用偏最小二乘回归（partial least squares regression, PLSR）建立了该区域土壤有机质高光谱的预测模型,通过模型精度的比较确定最优模型.结果表明,进行CR变换后,光谱曲线的特征吸收带更加明显,相关系数在可见光波段范围内有所提高;基于全波段的 PLSR 建模效果要优于显著性波段,其中以CR的预测精度最为突出,其模型的决定系数R2和相对分析误差RPD分别为0.84、2.58;显著性波段的PLSR模型与全波段对比在模型精度方面虽有一定差距,但从模型的复杂程度来比较,具有模型简单、运算量小、变量更少的特点;最后,综合比较了全波段和显著性波段 4 种光谱指标的反演精度,发现 CR-PLSR 模型的建模和预测的效果比R-PLSR、LR-PLSR、FDR-PLSR 模型都要显著.该研究可为将 CR-PLSR 高光谱反演模型用于该区域土肥信息的遥感监测提供参考.

基于偏最小二乘回归分析的中长期电力负荷预测

针对中长期电力负荷预测,介绍偏最小二乘回归分析方法的原理,推导该算法的简化建模步骤。该方法能在最大限度保留原有数据信息的前提下,将数据信息集中在几个互不相关的主成分上,因而能有效解决建立负荷预测模型时由于样本个数较少及自变量存在严重的多重相关性,难以通过多元回归分析建立预测模型的问题。通过算例对偏最小二乘回归分析方法、最小二乘法和逐步回归分析方法进行了比较,结果表明,将偏最小二乘回归分析方法用于中长期电力负荷预测时,计算快捷,准确性高,具有较强的实用性。

宁夏生态足迹影响因子的偏最小二乘回归分析

生态足迹分析方法是一种度量区域生态可持续程度的有效方法,偏最小二乘回归法(PLS)能有效解决多元回归分析中变量的多重相关性问题,具有容易操作,相关分析精度高等特点。以宁夏为研究区域,在计算了宁夏2001—2010年人均生态足迹的基础上,应用偏最小二乘回归分析法,对影响宁夏生态足迹的各因子的重要程度进行了分析。通过变量投影重要性分析、特异点分析和预测分析,证明所得偏最小二乘回归模型具有较好的精度。研究结果为:2001—2010年,宁夏人均生态足迹由1.818103793 hm2上升至2.894958909 hm2,生态赤字由1.28352051 hm2上升至2.42316627 hm2,生态承载力由0.53458328 hm2下降至0.47179264 hm2;全区GDP、城镇居民人均生活消费支出、第二产业产值和第一产业产值是影响宁夏生态足迹的显著因子。

应用波段深度分析和偏最小二乘回归的冬小麦生物量高光谱估算

当作物生物量较大时,现有植被指数由于受饱和问题限制,不能较好的估算作物生物量。针对此问题,尝试将波段深度分析与偏最小二乘回归(partial least square regression,PLSR)结合,提高对大田冬小麦生物量的估算精度,并将两者结合建立的模型与应用代表性植被指数建立的模型进行生物量估算精度比较。波段深度分析主要对冬小麦冠层光谱550～750nm范围进行,采用波段深度、波段深度比(band depth ratio,BDR)、归一化波段深度指数和归一化面积波段深度对波段深度信息进行表征。在建立的模型中,波段深度分析和PLSR结合的估算精度比应用植被指数模型的精度高,其中BDR与PLSR结合的估算精度最高(R2=0.792,RMSE=0.164kg.m-2)。研究结果表明波段深度分析与PLSR结合能较好的克服生物量较大时存在的饱和问题,提高冬小麦生物量的估算精度。

基于偏最小二乘回归建模的探讨

从工程应用的角度介绍了一种新的回归方法———偏最小二乘回归,分析了传统最小二乘回归所不具有的特点.数值实例研究表明偏最小二乘回归能在自变量间存在强相关的情况下建立模型,但最小二乘回归不能.同时,电路成品率估计研究表明,在较少样本点的情况下,利用偏最小二乘回归建模进行成品率估计是行之有效的,其预测精度能满足实际电路设计和分析的要求,且大大优于最小二乘回归.

主成分回归和偏最小二乘法在高炉冶炼中的应用

以邯郸钢铁公司2000 m3高炉采集的数据为样本,采用主成分回归(PCR)方法研究了各运行参数对高炉铁水含硅量的贡献,实现了高维复杂数据的降维.考虑到偏最小二乘法(PLS)在处理多重共线性数据中的优势,利用PLS对高炉铁水含硅量进行预测.结果表明,主成分回归和偏最小二乘法在对高炉冶炼过程中产生的大量数据的处理具有其独到的优势,取得了显著的效果.

利用TM影像和偏最小二乘回归方法估测三峡库区森林蓄积量

为进一步提高遥感模型预测森林蓄积量的精度和稳定性,分析了遥感特征因子、地形特征因子、郁闭度与森林蓄积量之间的相关关系。在此基础上,利用偏最小二乘回归方法构建了森林蓄积量遥感预测模型,生成了三峡库区森林蓄积量空间等级分布图,并与地面实测值进行比较。结果表明:该模型的最佳主成分数为3,且郁闭度、海拔、坡度、TM1、TM2、TM3、TM4、TM5、TM7、NDVI、RVI、TM7/TM3、TM4×TM3/TM2、亮度和湿度为预测森林蓄积量的入选变量;森林蓄积量预测的调整决定系数为0.524,相对误差为7.33%,均方根误差为1.763m3;利用该模型计算出三峡库区森林总蓄积量约为1.12亿m3,总体预测精度达到89.58%。研究结果为提高森林蓄积量遥感预测的精度提供了一种有效手段,有利于大面积应用和推广。

局部偏最小二乘回归建模参数对近红外检测结果的影响研究

报道了在局部加权（LWR）回归方法基础上，自主改进的更简单、实用的局部偏最小二乘回归（LPLS）的原理和方法。并以云南优质烤烟为实验材料，在国产光栅漫反射型近红外仪器上，研究了主成分数以及局部建模样品数对检测结果的影响。结果表明：应用交叉验证方法推荐的尼古丁组分模型主成分数并不是最优，通过适当降低主成分数可提高检测效果；局部建模样品数为30～50个时总糖、总氮、尼古丁预测准确度的提高幅度可分别达7％，14％，10％以上。该方法能有效提高近红外数学模型的预测准确度，是建立具有高度适应性近红外数学模型的有效方法。

偏最小二乘回归在军用飞机价格预测中的应用

由于军用飞机性能要求的不断提高,影响飞机采购价格的费用驱动因子繁多,使得原有的价格预测模型已经不适用于现代军用飞机。分析了军用飞机采购价格样本数据少、费用驱动因子多的特点,考虑到偏最小二乘回归(PLSR)方法在处理小样本多元数据方面的优势,应用PLSR对军用飞机采购价格进行预测。PLSR首先提取第1、第2主成分对采购价格样本的特异点进行剔除;然后进行变量投影重要度分析以筛选费用驱动因子;最后,PLSR对费用驱动因子进行回归建立军用飞机价格预测模型。实例表明,在军用飞机价格预测方面,与原有的预测模型和逐步多元回归模型相比,应用PLSR预测的精度更高,更能体现采购价格与飞机性能参数之间的关系。

基于偏最小二乘回归和最小二乘支持向量机的大坝渗流监控模型

利用偏最小二乘回归法对影响大坝渗流的诸多因素进行分析,提取对因变量影响强的成分,克服了变量间的多重相关性问题,降低了最小二乘支持向量机的输入维数,从而可以较好的解决非线性问题,建立了基于PLS-LSSVM的大坝渗流监控模型。实例分析表明,PLS-LSSVM模型的拟合与预测精度均优于独立使用PLS或LSSVM建模的精度;PLS-LSSVM模型的学习训练效率比LSSVM模型有较大的优势,更适合于大规模的数据建模。

采用正交信号修正法与偏最小二乘回归的中长期负荷预测

介绍正交信号修正法的基本思想并详细推导该算法的实现步骤,将一种改进后的正交信号修正法(orthogonal signal correction,OSC)与偏最小二乘法(partial least square method,PLS)相结合,对原始数据通过OSC消除正交分量,利用PLS建立中长期负荷预测模型。该方法能有效地去除自变量系统中与因变量无关的正交数据信息,增强自变量、因变量之间的相关性,在有限的成分中提高成分解释能力。通过算例将PLS与OSC-PLS进行比较分析,结果表明,运用OSC-PLS进行中长期负荷预测,尽管预测模型提取的成分个数变少了,但模型成分的解释性却大幅度增强,预测精度明显提高,具有较强的实用性。

基于偏最小二乘回归的水稻腾发量建模

利用气象因子计算水稻腾发量过程中 ,各自变量之间经常存在多重相关性 ,从而导致传统的多元回归模型 (基于最小二乘法 )的失真 ,丧失稳健性 ,预测精度降低。该文采用偏最小二乘回归建模 ,借助主成分分析与典型相关分析的思路 ,采用成分提取的方法 ,有效地解决了各气象因子之间的多重相关性 ,建立了水稻腾发量模型 ,并对模型进行了辅助分析 。

利用偏最小二乘回归从冬小麦冠层光谱提取叶片含水量

通过人为控制灌溉水平,在冬小麦3个发育期(孕穗、开花、乳熟)测定了冠层光谱和叶片含水量(leaf water content,LWC)。针对每期数据,结合偏最小二乘回归和迭代特征去除,建立了基于诊断波段的LWC回归模型。结果表明,叶片水分的光谱响应及反演精度受小麦生长状态的影响。在孕穗、开花和乳熟3个发育阶段,回归模型中光谱数据的最佳利用形式分别为对数光谱、导数光谱和反射率光谱;重要光谱区间为SWIR,NIR和SWIR;模型交叉验证决定系数(R2CV)为0.750,0.889和0.696。研究结论对今后监测冬小麦旱情和开发作物水分遥感产品具有重要的指导作用。