二进制蜻蜓算法-直接校正算法优选标样集在小麦粉蛋白质近红外模型传递中的应用

为了实现小麦粉蛋白质含量近红外分析模型的传递,探究二进制蜻蜓算法(Binary Dragonfly Algorithm,BDA)与直接校正算法(Direct Standardization,DS)相结合构成的BDA-DS算法挑选标样集对模型传递结果的影响。以棱光S450光栅型近红外光谱仪为主机,NeoSpectra Micro傅里叶变换型近红外光谱仪为从机,采集了126个小麦粉的近红外光谱,用偏最小二乘回归法建立了主机近红外光谱与小麦粉蛋白质的关联模型。经BDA-DS算法模型传递后,主机模型对从机样品预测决定系数为0.9812,预测标准偏差为0.1838,从机与主机的光谱集合平均马氏距离由22.34下降到1.40,均接近于主机模型精度水平。该研究同时与采用Kennard/Stone(K/S)挑选标样集再结合DS构成的传统K/S-DS算法进行了对比,结果表明:相对于K/S-DS算法,BDA-DS算法挑选出较少的标样集就能表征仪器的差异,有效地提高了主机模型对从机样品的预测精度,为近红外模型传递提供了一种更加有效的标样集选择方法。

小波变换-分段直接校正法用于近红外光谱模型传递研究

提出了一种新的传递算法(WT-PDS)———小波变换-分段直接校正法,并详细讨论了模型传递参数和传递结果。首先利用小波变换对光谱进行压缩处理,采用PDS算法消除不同仪器之间压缩数据的差异,最后利用经校正的压缩数据进行分析,实现模型传递。本方法能够扣除不同仪器之间的大部分差异,大幅度改善分析精度。传递后模型分析精度与源机模型稳健性紧密相关。如果源机模型稳健性强,则能够实现不同仪器之间的共享。本方法能够实现源机的0#轻柴十六烷值、凝点、馏出温度;-10#轻柴十六烷值、凝点以及-10#军柴凝点和馏出温度共10个模型在5台仪器之间共享,简化了建模的成本。与传统的PDS相比,WT-PDS方法具有传递和建模变量少、速度快、光谱校正性能高等优点,而其模型分析精度与传统PDS基本一致。

小波多尺度分段直接校正法用于近红外光谱模型传递的研究

分段直接校正(PDS)算法是目前最常用的近红外光谱模型传递方法,但它在对整个谱区进行校正时,始终依赖大小不变的传递窗口。为了提高传递效果,本研究在PDS基础上提出了一种新的算法——小波多尺度分段直接校正法(WMPDS),用于混胺的近红外光谱模型传递,并详细讨论了模型的传递参数和传递结果。本算法首先对混胺的近红外光谱进行小波分解,然后用PDS算法对每一层小波系数进行传递,PDS窗口随小波系数频率的提高进行动态调整,最后进行小波重构。本算法能有效消除不同仪器之间的大部分差异,大幅度地改善分析精度,与传统的PDS相比,传递效果明显提高。

波长筛选结合直接校正法用于近红外光谱模型传递研究

该文提出了一种新的传递方法模型———波长筛选结合直接校正法(WSDS)。首先利用样品的性质信息筛选出最有代表性的波长点信息,然后用直接校正法消除这些信息中包含的仪器间差异,以预测标准偏差(SEP)考察模型传递的效果。利用此算法对航空煤油的近红外光谱分析模型在不同仪器之间进行传递研究。经WSDS校正后,对航空煤油密度预测的SEP由0.004 6降至0.001 2,对航空煤油20℃时粘度预测的SEP由0.058 6降至0.020 9。结果表明,该算法能消除仪器间的大部分差异,较好地实现模型传递效果。与直接校正法(DS)、分段直接校正法(PDS)的比较表明,WSDS不仅在精度上能取得比DS、PDS更好的效果,而且能有效地对光谱数据进行压缩,是一种集压缩、光谱校正于一体的模型传递新方法。

样品选择结合分段直接校正法和偏最小二乘法用于近红外光谱分析模型传递研究

为了实现近红外光谱分析模型在不同仪器间的共享,对分析模型的传递方法进行了研究。以混胺燃料的分析模型为例,采用马氏距离法对转换集样品进行选择,采用分段直接校正(PDS)法结合偏最小二乘(PLS)法,对从仪器光谱进行校正。对转换集样品数、PLS回归的主因子数、PDS的窗口宽度进行选择,当转换集样品数为12、主因子数为1、窗口宽度为39时,转换集样品的光谱校正率达到96.5%.混胺分析模型传递后,预测集样品的标准偏差远远好于校正前的结果,与主仪器的非常接近。研究结果表明:采用马氏距离法选择转换集样品,并结合PDS-PLS算法计算转换矩阵,可有效扣除不同仪器间的光谱差异,提高混胺分析模型的传递精度,实现三乙胺、二甲苯胺、水分、密度的准确分析。

圆形截面管路内PIV流场测量的直接校正方法

为修正圆形截面管路内PIV(粒子图像测速)流场测量中的图像畸变,建立了一种基于光学原理的直接数值校正方法.该方法不受流体饱和温度限制,可对坐标和速度矢量进行同步校正,壁面附近的光学畸变也能够进行较好还原,同时不需要额外的辅助设备.采用Fortran语言编制了通用的计算机代码,只需改变程序相关输入参数,即可应用于其他条件下的图像校正.使用方形规则化网格对其进行了验证,误差不超过3%.对于双层圆形管壁内低温气液两相流动的PIV流场测量实验,该方法能够给出满意的校正结果.

直接校正算法的柑橘溃疡病高光谱模型传递

针对目前所建立的柑橘溃疡病高光谱模型普适性差、预测精度低的问题,提出了基于不同仪器间高光谱模型传递来提高模型稳健性的方法。以脐橙52和卡拉卡拉红肉脐橙为研究对象,利用实验室高光谱成像平台(System 1,S1)和便携式高光谱成像仪(System 2,S2)采集了健康和染病柑橘的高光谱图像,建立了独立的柑橘溃疡病判别模型,并分析了不同预处理方法和判别模型对模型预测性能的影响。将S1和S2分别作为源机和目标机,利用直接校正算法对目标机获取的高光谱图像进行校正,分析模型传递前后的模型判别能力。结果表明,采用二阶导数预处理,极限学习机预测性能最佳,基于S1和S2检测的预测集识别率分别为97.5%和98.3%;以S1数据建立主模型,对经直接校正算法校正后的S2高光谱图像进行识别,预测集的识别率从校正前的38.1%提高到了86.2%。说明该方法可用于不同型号高光谱成像仪之间的定标模型传递,对于建立稳健可靠的柑橘溃疡病判别模型具有重要意义。

基于最小角回归结合一元线性直接校正法的近红外光谱模型传递方法

针对近红外光谱分析技术中模型通用性较差的问题,提出了一种新的模型传递方法——最小角回归结合一元线性直接校正法(Least angle regression combined simple linear regression direct standardization,LARSLRDS)。该方法首先采用小波变换对样品光谱数据进行预处理,然后利用LAR实现样品全谱区光谱特征波长点的筛选,最后利用SLRDS对筛选出来的变量进行校正。采用汽油和药品样本的近红外光谱数据验证LAR-SLRDS性能,汽油数据集C7、C8、C9和C10成分的光谱差异为0. 002 8、0. 002 7、0. 002 6和0. 002 7,预测标准差为0. 410 6、0. 849 2、1. 034 9和1. 215 8;药品数据集活性、硬度和重量成分的光谱差异为0. 030 0、0. 031 8和0. 033 6,预测标准差为1. 933 8、0. 440 2和2. 130 9。结果表明,LAR-SLRDS算法不仅能够消除主、从仪器光谱之间存在的差异,实现模型传递,而且能够提高PLS定量模型的准确性和稳定性,具有广泛的应用潜力。

直接正交信号校正算法在烷烃类多组分气体定量分析中的应用

针对烷烃类多组分混合气体中红外光谱存在的基线漂移问题,提出一种直接正交信号校正算法用于光谱数据预处理。实验中采用傅里叶变换红外光谱仪采集了936组混合气体样本的光谱数据,混合气体主要由不同浓度范围的七种组分气体组成。将直接正交信号校正算法与导数算法进行了对比分析,采用偏最小二乘回归方法建立了各组分气体定量分析模型,并对模型参数(主元个数、导数步长及正交分量的个数)进行了遍历优化选取最优分析模型。结果表明直接正交信号校正算法对于中红外光谱基线校正效果最好,直接正交信号校正算法用于烷烃类混合气体中红外光谱基线校正可行,效果良好,具有一定的实用和研究价值。

炮检域迭代直接静校正方法及应用效果

不同地区的表层结构往往有其特殊的复杂性,由此产生的静校正问题是困扰野外采集和资料处理的关键技术难题,甚至成为制约资料品质提高的瓶颈。研究工区内,由于广泛分布冲沟、悬崖等特殊地表,使得资料处理面临的一个主要难题就是静校正问题。根据该区的资料特点和表层结构特点,提出了炮检域迭代直接静校正方法,通过共炮点叠加剖面和共接收点叠加剖面直接求取高程静校正的修正量,成功地解决了该区存在的复杂静校正问题。

随机森林结合直接正交信号校正的模型传递方法

为增强近红外光谱模型通用性,解决直接正交信号校正算法在光谱处理过程中可能出现过拟合、模型不稳定的现象,提出一种将随机森林与直接正交信号校正算法相结合的模型传递方法(Random Forest-Direct Orthogonal Signal Correction,RF-DOSC)。该方法首先利用随机森林算法进行近红外光谱波长点筛选,然后采用直接正交信号校正方法进行光谱处理并建立回归方程,由PLS计算回归系数求得模型传递矩阵。实验使用三台光谱仪(S,S1,S2)测得的玉米近红外光谱数据集建立传递模型,数据集1(D1)水分、油分、蛋白质、淀粉成分预测标准偏差(SEP)分别为0.1267、0.0982、0.1569和0.4051,数据集2(D2)四种成分的SEP分别为0.1548、0.0819、0.1366和0.3836,均小于传统方法。实验结果表明本文所提模型传递方法能有效消除光谱噪声,减小主仪器和从仪器光谱之间的差异,提高模型的稳定性和准确性,实现不同仪器之间模型的共享。

基于DEM的SAR影像直接与间接正射校正方法比较

对基于DEM的SAR影像直接校正与间接校正方法的原理、步骤、校正效果与适用性进行了比较,并利用正射校正过的高精度光学卫星影像作为基准影像,对两种方法的校正精度进行验证与比较。分析表明,两种方法所采用的校正模型相同,但出发点不同,校正步骤与复杂度也不同,最终校正效果也不一样,但精度没有差很多,都能满足常规SAR正射校正精度需求,在实际应用中需要根据实际情况选择合适的方法。

SR-CDKF在组合导航直接法滤波中的应用

为了解决SINS/GPS组合导航系统姿态、速度和位置等导航参数的非线性估计问题,提出了一种基于平方根中心差分卡尔曼滤波(SR-CDKF)的直接式滤波估计方法。系统状态方程选取惯导力学编排方程,系统状态向量和观测向量分别选取SINS导航参数和GPS输出参数,构建了SR-CDKF滤波器。该滤波器可以使导航参数动态过程得到直接反映,并使得直接式滤波计算流程得以实现。以MATLAB中areoblk_HL20模块为基础构建了仿真系统并进行了仿真。仿真结果表明,该算法具有较高的滤波精度、良好的滤波收敛性和稳定性,能使非线性模型下SINS/GPS组合导航系统的导航要求得到满足。

一种新的多元校正模型分子光谱传递方法（英文）

无论是近红外还是红外光谱,多元校正模型的传递问题都尚未解决。为了实现模型和光谱的传递,提出了一种改进的PDS算法——SA-PDS算法,论方法通过PDS算法进行模型传递,使用光谱间的夹角大小作为判定准则来选择传递参数,使得模型传递过程不受到样品性质参考值的影响,也不再依赖于模型,并且可以双向传递。该方法分别通过在近红外数据和中红外数据中应用来证明模型传递的可行性,实验收集烟叶样本测得其近红外光谱,沥青样本测得其中红外光谱,将烟叶总糖会计师和沥青蜡含量作为模型预测对象。使用光谱夹角作为PDS参数选择标准与使用预测标准偏差作为判定准则相比,实验表明:对于近红外光谱的从机向主机的传递,其验证集预测精密度RMSEP从5.257 4降低至1.337 1,优于RMSEP(1.350 3)方法,预测偏差也同样被改善。对于中红外光谱从机向主机的传递,新方法验证集预测精密度RMSEP从0.525 1降低至0.186 9,优于RMSEP(0.219)方法。主机向从机的传递也取得了满意的传递结果。

改进的K/S算法对近红外光谱模型传递影响的研究

在近红外光谱分析模型传递中,常用Kennard/Stone算法(K/S算法)来选择转换集样品。K/S算法是根据样品间光谱的欧氏距离来计算样品间差异的。为了寻求样品间差异的最佳表达方式,用K/S算法选出更有代表性的样品。文章分别用欧氏距离和马氏距离计算混胺样品的光谱差异,用PDS算法传递混胺中二甲苯胺近红外光谱分析模型,通过传递后的预测标准偏差(SEP)评价两种距离的优劣。用性质差异和光谱差异结合的方式计算样品间的差异,并与单独用光谱差异和性质差异的方式进行比较。结果表明,在PDS算法中,马氏距离选出的样品更具有代表性,性质差异和光谱差异的结合更能代表样品间的差异。

不同品种间的猪肉含水率高光谱模型传递方法研究

针对目前的模型传递方法研究大多为不同仪器间的近红外光谱模型传递,该文采用高光谱技术建立猪肉含水率定量检测模型,并针对不同品种间的模型传递提出了一种分段直接校正结合线性插值(piecewise direct standardization combine with linear interpolation,PDS-LI)的传递算法。以杜长大、茂佳山黑猪和零号土猪3个品种为研究对象,以杜长大作为主品种,茂佳山黑猪和零号土猪作为从品种,采用偏最小二乘回归(partial least squares regression,PLSR)法建立猪肉含水率主模型,经PDS-LI算法对主模型进行传递后,主模型对茂佳山黑猪和零号土猪样品的预测决定系数R2p分别由传递前的0.263和0.507提高到0.832和0.848,预测均方根误差分别由传递前的1.151%和0.857%降低到0.470%和0.440%,剩余预测偏差(residual prediction deviation,RPD)分别由传递前的1.000和1.214提高到2.447和2.364。结果表明,PDS-LI传递算法能够实现杜长大对茂佳山黑猪和零号土猪样品的模型传递。研究结果为提高猪肉含水率模型适配性问题提供参考。

PDS用于不同温度下的近红外光谱模型传递研究

采用合适的计算方法可降低测定环境对近红外光谱校正模型稳健性的影响。该文以喷气燃料为研究对象,考察了分段直接校正算法对所建模型预测结果的影响,通过选择转移样品数及窗口宽度,建立了最佳的校正模型和光谱转移参数。结果表明,在20℃下建立近红外光谱校正模型,直接预测30℃下喷气燃料的密度,预测集样品均方根误差(RMSEP)为0.2031,而30℃近红外光谱采用分段直接校正算法模型转移后,预测集样品均方根误差(RMSEP)降低为0.1354,预测结果得到明显改善,有效地解决了样品温度对近红外光谱分析结果的影响。

脐橙总糖近红外光谱模型传递研究

为实现近红外光谱模型在同类光谱仪器间的共享,以脐橙总糖为例,在主仪器上建立最优的偏最小二乘(PLS)近红外光谱模型,采用斜率截距(Slope/Bias)校正法和直接校正(DS)算法把主仪器上建立的模型传递到从仪器上,并探讨标准化样品个数对模型传递效果的影响。研究表明:在主仪器建立的模型经DS算法传递后,从仪器预测集的预测标准差(RMSEP)为0.448%,经Slope/Bias校正法传递后的预测标准差(RMSEP)为0.756%,DS算法更优于Slope/Bias校正法,利用直接校正法实现脐橙总糖傅里叶近红外光谱模型传递是可行的。

考虑品种差异的冷鲜猪肉含水率高光谱信号补正算法

为提高含水率高光谱校正模型对不同品种冷鲜猪肉样本的适用性,该文提出了1种品种敏感波段选择结合分段直接校正的高光谱信号补正方法。首先用主品种偏最小二乘回归模型和添加了7个从品种样本后更新模型的模型回归系数相对差异值,以此选出对品种敏感的波段,然后采用分段直接校正算法对选中波段的光谱信号补正,以消除品种差异对模型预测效果的影响。以猪肉含水率为检测指标,以零号土猪肉为主品种,以恩施山黑猪为从品种,经该算法补正后,主品种模型对从品种样本的预测均方根误差从补正前的1.42%减小到0.50%,预测决定系数从0.20提高到0.84,预测偏差比率(residual prediction deviation,RPD)从0.91提高到2.58。结果表明,该文提出的补正算法能显著提高零号土猪肉含水率模型对恩施山黑猪含水率的预测能力。

生物质近红外光谱模型传递方法的研究

在建立近红外光谱预测模型时,由于受到环境、温度以及其他因素的影响,使得原模型无法预测新样本成分,造成模型预测精度的下降。文章探讨了基于近红外光谱技术的林木类生物质工业分析的预测模型在不同时间之间的转移方法,即采用斜率/截距校正和分段式直接校正两种方法进行研究。结果表明:采用斜率/截距方法后,对于工业分析,模型的RMSEP比转移前分别降低了0.91,0.78,1.23和1.03,R2分别上升了96.97%,37.99%,23.83%和23.51%;采用分段式直接校正方法后,模型的RMSEP比转移前分别降低了0.93,0.83,1.24和1.08,R2分别上升了102.22%,43.73%,26.92%和29.35%。经过模型转移方法处理后,预测结果的精度有较大程度的改善,尤其是采用分段式直接校正方法的效果更为明显。