组合区间偏最小二乘法结合红外光谱法测定在用润滑油的运动粘度

采用组合区间偏最小二乘法结合红外光谱法快速测定在用润滑油的运动粘度。采用组合区间偏最小二乘法高效提取与粘度变化相关的光谱信息,提高粘度校正模型的测量精度。在设置4 000~400cm-1范围的区间数为12时,选择2,10,11,12等4个子区间,对应的光谱区域为1 300~400cm-1、3 700~3 400cm-1,模型校正偏差达到0.031 5。对模型预测精度的验证结果说明本法与运动粘度标准方法之间具有很好的相关性,模型可以用于定量分析在用润滑油在40℃时运动粘度值。

红外光声光谱技术结合区间、组合区间偏最小二乘测定油菜籽含氮量和含油量

应用红外光声光谱技术结合区间、组合区间偏最小二乘,建立了油菜籽含氮量和含油量的校正模型。结果表明,红外光声光谱技术可以应用于油菜籽品质的快速测定。相对于全谱偏最小二乘建模,区间、组合区间偏最小二乘的采用筛选出了含氮量和含油量的相关波段,使模型简化,并提高了模型预测精度。

不同偏最小二乘法的近红外光谱技术测定大米中水分的研究

通过近红外光谱法对大米中含水量进行分析,运用Kennard-Stone法对校正集及预测集样本进行选取,利用Range Normalization法、二阶导数和多元散射校正加一阶导数法,分别对近红外光谱进行预处理优化,并采用偏最小二乘法(PLS)、组合区间偏最小二乘法(SiPLS)和移动窗口偏最小二乘法(MWPLS)分别建立了定标模型。结果显示,相较于全谱建模,2种变量优选方法都能在有效减少建模所用的变量数,同时提高模型性能。其中采用MWPLS优选变量所建的大米水分定量模型的性能最优,决定系数为0.9525,校正集均方根误差为0.4093。利用40个验证集样本对定标模型进行了验证和配对t检验,预测相关系数达0.9617,相对分析误差为3.64,模型预测值与标准方法测定值没有显著性差异,说明模型具有良好的预测能力。基于MWPLS的近红外光谱技术能够实现大米中水分含量的快速检测。

基于区间组合移动窗口法筛选近红外光谱信息

近红外光谱信息的筛选方法是近红外光谱技术简化模型和提高预测精度的重要手段,为选择近红外光谱分析中最优的建模光谱波段,提出区间组合移动窗口偏最小二乘法(SCMWPLS)。该方法通过大小连续变化的移动窗口和交叉有效性筛选出连续的建模区间。以葡萄糖溶液的近红外光谱为测试对象,分别采用所提方法以及传统的间隔偏最小二乘法(IPLS)和窗口移动偏最小二乘法(MWPLS)建立近红外光谱预测模型。所提方法与传统的间隔偏最小二乘法和窗口移动偏最小二乘法模型相比,预测均方根误差分别降低了44%和25%。

基于SiPLS和SPA波长选择的玉米组分测量研究

研究分析80个玉米实验光谱数据,经预处理后,分别进行区间偏最小二乘(iPLS)、组合区间偏最小二乘法(SiPLS)和连续投影算法(SPA)优选玉米水分组分的最佳波长,建立校正模型。结果表明,iPLS、SiPLS和SPA将建模变量从700个分别降低到70、140和2个,各占据全光谱的10%、20%和0.29%,而其建模精度比700个全谱变量建模精度甚至更好。其中SiPLS和SPA的建模精度相当,但是SPA方法将建模变量从700个降低到2个,计算复杂度得到最大程度的降低,并保持了建模精度,表明SPA是一种有效的特征波长提取方法,且这一研究方法可推广应用到对玉米中油脂、蛋白质和淀粉的含量检测中。

基于GA和SCMWPLS算法的NIR光谱信息变量提取研究

光谱数据压缩、信息变量提取是近红外应用研究的热点，是简化模型、提高预测精度的重要手段。本文以杏可见／近红外光谱为例，采用二阶导数、标准化和正交信号校正（OSC）处理以滤除光谱与浓度阵无关的信号；使用SCMWPLS选择出880，894-910和932nm为建模区间建立PLS预测模型，其相关系数（R）、校正误差（SEC）和预测误差（SEP）分别为0．920，0．454和0．470；进行独立运行GA程序100次，依次选择入选频率较高的2个波长点888和900nm作为回归变量，建立GA-MLR预测模型，其R，SEC，SEP分别为0．905，0．488和0．459，均优于全谱的偏最小二乘建模结果。结果显示，OSC可以滤除光谱与浓度阵无关的信号，减少建立模型所用的主因子数；SCMWPLS和GA可以寻找最优信息变量组合。该方法对于建立低维度、高精度近红外快速分析模型具有普遍参考意义。

基于BP-ANN算法建立紫石英中CaF_2拉曼光谱定量模型

目的:利用拉曼光谱技术建立误差反向传播人工神经网络(back-propagation artificial neural networks,BP-ANN)定量分析模型,用于紫石英中CaF_2含量的快速检测。方法:采集紫石英及紫石英不同CaF_2含量配比品共计54批样品的拉曼光谱,光谱在OPUS 7.0软件中作Fourier自去卷积(Fourier self-deconvolution,FSD),并以一阶导数(FD)+矢量归一化(VN),9点平滑的方法进行预处理,逐级组合区间偏最小二乘法(si PLS)优选建模谱段,以乙二胺四乙酸滴定法测定各批样品中CaF_2含量结果为参考值,在Matlab 2014a软件中以BP-ANN算法建立CaF_2快速定量模型。结果:建立了以1 675~1 625,1 525~1 475,850~800,750~700,650~600 cm^(-1)为特征建模谱段的3层BP-ANN定量分析模型,模型预测均方根误差(RMSEP)2.73%,R^2=85.64%,预测结果最大相对偏差5.55%,平均相对偏差2.30%,平均回收率99.74%,表明模型的预测效果良好。结论:在si PLS优选所得谱段基础上,建立了紫石英BP-ANN定量分析模型,该模型预测能力较好,可用于紫石英中CaF_2含量的快速、准确测定。

近红外光谱快速测定电子烟油中烟碱含量的波段优选研究

围绕电子烟油中烟碱含量的近红外测量模型,采用63个不同烟碱含量和不同口味的电子烟油样品进行光谱数据的采集,利用蒙特卡罗交互验证法剔除异常样本后,采用区间偏最小二乘法(iPLS)、组合区间偏最小二乘法(SiPLS)选择最佳波长并建立校正模型。结果表明,iPLS算法识别出的近红外测量电子烟油中烟碱含量的特征波段分布在1090~1228 nm和1370~1508 nm这两个波段附近,SiPLS算法通过对不同波段进行组合,进一步确定了最佳波段为1126~1240 nm,1358~1414 nm,1474~1530 nm这一波段组合,SiPLS-PLS模型与全谱-PLS模型相比,所采用的变量数降低了2/3,预测均方误差值从1.188降低到了0.963,模型预测的准确性得到了提高。