甘草中甘草苷和甘草酸红外定量模型特征变量的筛选与解析

借助变量筛选方法可以从复杂的光谱背景下选择部分变量构建定量预测模型,在一定程度上提高建模变量的解释性。然而模型解释性的提高并不意味着建模变量有确切的理化意义。本研究以甘草中红外定量预测模型为载体,解析移动窗口偏最小二乘（mwPLS）、组合间隔偏最小二乘（siPLS）和竞争自适应抽样方法（CARS）三种变量筛选方法所得变量与目标成分化学特征的相关性,比较不同变量筛选方法下所筛变量解释性的差异。结果表明,mwPLS优先筛出黄酮和皂苷两类成分红外光谱上区别明显的苯环骨架振动和皂苷母核上甲基取代基弯曲振动所对应的波段,siPLS筛出了黄酮类成分的（φ）C—O,（φ）CC,（φ）C—H伸缩振动的特征区间组合和皂苷类成分的C—O,C—H,O—H伸缩振动的特征区间组合。相对于以上两种变量筛选方法,CARS筛选得到的变量能够更好地归属于甘草苷和甘草酸在中红外1 000~4 000cm-1特征区的特征峰,而且基于CARS筛选的变量建模,模型的预测性能得到了提高。因此,CARS筛选的变量能实现目标成分红外特征区大部分化学特征的解析,有利于增强模型的解释性。

花生自然风干种子蔗糖含量近红外定量分析模型构建

为快速测定花生种子蔗糖含量,筛选口感好的花生品种,本研究采集167份自然风干花生种子的近红外光谱,并利用高效液相色谱(HPLC)法测定其蔗糖含量,然后利用偏最小二乘法(Modified PLS)构建多粒自然风干花生种子样品蔗糖含量的近红外定量分析模型,经内部交叉检验和优化,确定该模型的最佳光谱预处理方法为最小-最大归一化法,蔗糖含量谱区范围为4 597.7~11 988.0 cm-1,维数为10,模型的决定系数(R2)为81.59,交叉验证根均方差(RMSECV)为0.414。经外部验证,所建模型可以较好地预测花生种子蔗糖含量。

基于红外定量分析方法检测烟幕粒子质量消光系数

烟幕粒子的质量消光系数是表征其遮蔽能力的重要参数。本文提出运用红外傅立叶变换光谱仪检测微粒红外吸光度,该技术基于红外定量分析原理,无需使用烟箱装置,在实验室内即可完成对新型气溶胶粒子消光性能的快速测试和评估。将一定质量的粉末样品均匀地分散在某种有机溶剂中,制作成悬浊液,运用红外光谱仪扫描后得出相应的吸收谱图。通过分析、计算求出粒子在测试波段的质量消光系数,所得结果与烟箱试验数据吻合较好,从而证实上述测试方法准确、可靠,测试成本较低,可用于新型烟幕材料衰减性能的初步鉴定、评判,是传统测试技术的辅助和补充。

有指导的正交投影技术结合斜率/截距校正法实现小试水分近红外定量模型向中试传递

针对小试制剂过程建立的近红外定量模型难以直接应用于中试或大生产过程中的问题,该文以小试和中试条件下多批次药用糊精流化床制粒过程为载体,在线采集其近红外光谱数据并测定水分含量,建立小试过程水分近红外定量模型,提出并应用有指导的正交投影技术结合斜率/截距校正的模型传递方法跨尺度预测中试样本,使中试两个测试集A和B的水分相对预测误差分别由51.04%和26.64%降至4.90%和3.99%,显著提高了模型预测的准确度。将该结果与无指导的正交投影技术结合斜率/截距校正法以及模型更新相比较,该方法能更加有效地去除待测样本光谱中的干扰信息,适用范围广,为小试建立的模型放大应用到中试甚至大生产过程提供了新方案。

用红外定量诊断法监测热设备内部状态

介绍了红外定量诊断对热设备内部运行状态进行监测的理论依据和方法。将红外测试技术与确定热设备内部温度分布的导热反问题结合起来 ,通过对空间离散化 ,用有限差分法 ,给出了获取计算设备内部温度分布空间步进迭代公式的通用步骤 ,计算了设备内部各点温度的具体数值 ,从而实现对热设备内部运行状态的监测 ,并以方形设备内的稳态热过程为例 。

减小样品温度对近红外定量分析数学模型影响的建模方法

本文以大豆样品为例 ,研究不同的样品温度对于脂肪含量近红外定量分析数学模型的影响 ,并且通过在回归建模过程中包含温度影响因子的混合建模方法来减小温度对于模型的影响 ,使得模型对于温度的适应性增强。实验结果表明 。

傅里叶自解卷积红外定量分析法测定氟康唑

采用傅里叶自解卷积红外定量分析技术测定了氟康唑片剂中氟康唑,选择合适的分析峰,可排除其它成分的影响,且吸光度与氟康唑的质量分数成良好的线性关系,平均回收率为100.5%,RSD为1.5%。本方法可用于氟康唑片剂中氟康唑的测定。

三维球形拐角内壁缺陷形状的红外定量计算

用红外技术、导热反问题计算及计算机技术相结合诊断工业热设备内壁缺陷的方法,因涉及到复杂的数学问题并受设备几何形状的限制,而具有挑战性。用该方法对三维球形拐角内壁缺陷进行计算。利用红外热像仪获取内壁形状未知设备的外壁温度场,将其作为强制边界条件,结合传热反问题计算,推导出了该形状内壁曲面的普适方程,从而确定缺陷的位置及尺寸,并从理论上证明了该方法的可行性,为这类缺陷的诊断提供了基础。给出的数学方法具有普适性,可应用到内部边界为第二及第三类条件的情况中。

红外定量分析中标准添加法的数学处理过程

本文就红外定量分析中标准添加法的误差进行了分析，提出了一种新的数据处理的方法，使标准添加法的误差大大降低。

红外定量分析的准确度及灵敏度

从分析峰的选择及测定，最佳透过率的选择，仪器操作条件的选择，溶剂的选择以及吸光度的测定，对红外定量分析的准确度及灵敏度进行了探讨．

AKD活性组分红外定量分析

采用红外光谱法对Hercon乳胶中活性组分AKD进行定量测定。在本方法中，用甲醇添加剂对样品进行预处理，用庚烷对AKD进行萃取，扫描庚烷层红外光谱，测试波数为1885cm^-1的羰基吸收峰。

废旧聚酯纤维制品近红外定量分析模型的建立及验证

为解决废旧纺织品回收利用中纯聚酯的分拣问题,以聚酯、棉、锦纶、羊毛、聚酯/棉混纺、聚酯/锦纶混纺、聚酯/羊毛混纺织物共计276个样品为研究对象,利用近红外光谱仪获取样本的原始近红外光谱图,通过化学计量学软件CM-2000对样本原始近红外光谱图进行预处理,并用偏最小二乘法作为校正方法建立废旧聚酯纤维制品近红外定量分析模型。所建模型的校正集相关系数为0.994,验证集相关系数为0.989,校正标准偏差为1.832,验证标准偏差为2.065,内部预测正确率为90.58%。用未参与建模的173个样本(7种织物)对模型进行外部验证,验证正确率为88.44%,而对纯聚酯样本的外部预测正确率可达96%。结果表明,该模型可以较准确地将纯聚酯织物从废旧纺织品中鉴别出来。

近红外定量分析技术在粮食中的应用

近红外定量分析技术是近几十年迅速发展的一项新的测试分析技术，它最大特点是能测定各种自然状态下样品中各成分的含量。仪器操作非常简单，一名非专业分析人员只要稍加学习就可得到与常规实验室同样准确、可靠的分析结果，省略了通常实验室分析所必需的繁琐的化学前处理...

近红外定量分析自然风干花生油酸和亚油酸及棕榈酸含量的探索

近年来,近红外光谱分析技术在农作物育种中得到广泛应用。利用近红外定量分析技术,改进花生含有的主要不饱和脂肪酸组分近红外模型,对进一步开展花生品质育种具有重要意义。利用来源不同、种皮颜色不同、粒型不同的材料,建立起自然风干花生种子油酸、亚油酸和棕榈酸含量的近红外定量分析模型。经探索,花生种子的最佳光谱预处理方法均为"一阶导数+矢量归一化法",油酸含量谱区范围为8 717.1~5 446.3cm^(-1)(厘米波数),维数为9,模型的决定系数(R^2)为89.16,均方差(RMSECV)为2.62;花生种子亚油酸含量谱区范围为9 666~5785.7cm^(-1),维数为9,模型R^2为90.85,RMSECV为2.00;花生种子棕榈酸含量谱区范围为8 717.1~5 446.3cm^(-1),维数为8,模型R^2为79.21,RMSECV为0.525。该模型的构建在花生品质育种有很大作用。

谈谈近红外定量水分测量仪的使用

浅析了近红外定量水分测量仪的测量原理与特点 。

应用红外光谱定量分析模型测定进口血竭中血竭素的含量

目的:利用红外光谱定量分析模型快速测定进口血竭中血竭素的含量。方法:根据进口血竭在1 135.87~1 025.94/cm、779.10~719.32/cm、715.46~649.89/cm的中红外吸收光谱以及4 485.61~4 420.05/cm的近红外吸收光谱,采用偏最小二乘法(PLS)建立了校正模型。采用二阶导数预处理方法时能最有效的提取光谱的信息。结果:中红外定量校正模型中血竭素的校正集标准偏差(RMSEC)为0.034,校正集相关系数为0.999 5,预测集标准偏差(RMSEP)为0.536,预测集相关系数为0.906 1;近红外定量校正模型中血竭素的校正集标准偏差为0.169,校正集相关系数为0.993 9,预测集标准偏差为0.351,预测集相关系数为0.984 3。结论:红外光谱技术快速简便,适合中药指标成分的快速分析。

定量红外光谱法鉴定聚碳酸酯回收料的可行性分析

通过分析聚碳酸酯(PC)原生料与两种回收料的傅里叶变换红外光谱数据,验证了采用红外光谱法鉴定PC原生料与回收料的可行性,并研究了原生料与两种回收料的溶解性、热性能与微观结构的差异。在红外吸收光谱中,以3301 cm^(-1)处的羟基特征吸收峰作为标定分析峰,建立PC原生料标样浓度与羟基特征吸收峰强度的线性回归曲线,建立了定量分析方法。结果表明:在该体系中,回归曲线的线性关系良好,线性相关系数在0.85以上,在±80%相对误差区间内可区分新料与回收料;该方法为实现PC回收料的快速鉴别提供了可能性。

改进自编码网络特征提取在近红外定量分析的应用

针对近红外光谱高维、非线性、大量噪声对定量建模的影响,将深度自编码网络引入到光谱特征学习中,提出一种改进卷积自编码网络的特征提取方法(1D-BCAE),并将其应用到烟叶关键指标的近红外光谱定量建模中,提高了模型的准确性和稳健性.首先利用适合光谱数据的一维卷积核和池化窗口进行特征提取,其次在编码过程中加入BasicBlock模块和批归一化(BN)结构优化网络结构,减少了参数量和计算量的同时,降低了光谱中的噪声和非线性特征的影响,优化了网络的训练效率.通过设计一种对应相连的结构,把编码器中各模块的参数传递给相应的解码器,减少了网络训练过程中细节特征的丢失.通过实验对比重构误差和均方根误差,验证了所提方法的有效性,然后分别采用全谱段和主成分分析(PCA)、卷积自编码(CAE)网络、1D-BCAE提取后的特征结合偏最小二乘(PLS)法建立了关于烟叶中烟碱、总糖指标的定量模型,并进行了对比分析.结果表明,1D-BCAE能有效学习高维数据中的内在结构和非线性关系,所建的模型具有更好的性能.所提方法实现了对待测组分光谱信息的有效提取,对建立稳健校正模型、降低模型复杂度具有重要意义.

基于主成分回归分析的SF_6分解组分红外光谱定量

SF6气体分解组分的定量分析对于气体绝缘组合电器(gas insulated switchgear,GIS)设备的在线监测与故障诊断具有重要的意义。基于朗伯比尔定律进行气体红外定量分析时存在吸收系数的难确定性和多组分检测的繁琐性问题,为解决此问题,采用了主成分回归分析的红外定量算法,并选取SO2F2、SOF2、SO23种分解组分及其特征吸收峰作为研究对象。该算法分别以光谱数据与气体体积分数作为输入和输出,建立了吸收光谱图与浓度信息的直接对应关系。试验配制了3种特征组分的含量样本,由训练样本获得光谱数据并依据算法建立了红外定量预测模型。通过比较主成分回归分析算法和拟合法的红外定量效果,表明了回归算法模型定量精度高于拟合法。检验样本和实测数据的预测结果都表明,该算法和预测模型具有很好的适用价值。