基于IRIV-SA的乙烯FTIR光谱波数优选

利用傅里叶变换红外光谱(FTIR)技术能够对有机物的成分及含量进行快速无损测量。作为重要的有机化工原料,乙烯在塑料、醇类和纤维等大宗化学品的制造中有着广泛的应用,但同时由于其易挥发性,乙烯对环境和人体有着潜在的危害。为提高FTIR技术检测乙烯浓度模型的精度,综合迭代保留信息变量法(IRIV)和模拟退火算法(SA)的优点,提出了改进的IRIV-SA红外光谱波数优选算法。该方法在IRIV算法稳定选取大量光谱特征波数的基础上,利用SA进一步筛选少量有效特征波数,从而降低模型复杂度,提高有机物光谱检测精度。实验首先利用IRIV-SA对乙烯红外光谱的浓度进行波数选取,最终获取的特征波数由全光谱的271个变量降低至5个变量,再利用特征波数进行建模,结果表明其验证集相关系数、均方根误差为0.9989和0.3943,预测集相关系数、均方根误差为0.9978和0.6652,较全光谱建模精度有大幅提高。为进一步验证该算法的有效性,同时建立IRIV、SA、CARS(自适应重加权采样算法)、SPA(连续投影算法)以及IRIV-CARS、IRIV-SPA波数选取模型对相同数据集进行对比实验,比对结果表明IRIV-SA算法优于上述6种波数选取方法,是一种更有效的特征波数优选方法。

模拟退火算法用于食醋总酸含量近红外光谱模型的波数点优选

为优选食醋总酸对应的特征波长并提高模型的预测精度,采用模拟退火算法优化窗口宽度和特征波数点,并结合偏最小二乘法建立食醋总酸光谱模型。在全国范围内收集90个不同品牌的食醋样本,用近红外光谱仪采集近红外光谱数据(波数4000～10000cm-1)和常规理化分析方法检测总酸含量。采用模拟退火算法共优选出17个总酸特征波数点,结合样本总酸含量建立偏最小二乘光谱模型,模型对应的预测集相关系数为0.9210,优于全光谱偏最小二乘法和区间偏最小二乘法对应的预测效果。结果表明,近红外光谱技术结合模拟退火算法能够快速预测食醋中总酸含量。