紫外吸收光谱结合SPA-ELM算法的水体磷酸根离子检测研究

在工业锅炉中随着水蒸气蒸发,大量的钙镁离子留在炉水中,如果不加处理,在水冷管中会形成水垢,造成爆管停炉。为了保障设备的安全运行,消除安全隐患,工业上通过维持水中一定含量的磷酸根离子来去除锅炉中的钙、镁水垢。传统的磷酸根离子检测技术主要有比色法、分光光度法、色谱法、电位法等,这些方法前期处理步骤较繁琐且耗时较长。光谱法是通过测定物质的吸收光谱并建立和浓度关系的数学模型,对物质浓度定量的一种分析方法。为了满足磷酸根离子快速、实时测量的要求,提出了一种基于紫外吸收光谱结合SPA-ELM算法快速测量磷酸根离子的方法。按照我国《工业锅炉水质GB/T 1576—2018》中所规定的进入热水锅炉前的水质参数要求,配置37份浓度范围在5~100 mg·L^(-1)磷酸根溶液,使用搭建的实验装置,采集紫外吸收光谱。使用SPXY将样品按照7∶3的比例随机划分训练集、测试集;使用Savitzky-Golay(S-G)滤波对数据预处理以提高光谱的信噪比;通过连续投影算法(SPA)压缩光谱数据,筛选出5个与磷酸根强相关的特征波长;使用极限学习机(ELM)将特征波长处的吸光度与样本浓度进行拟合,以决定系数R2和均方根误差RMSE作为模型评价指标,建立磷酸根离子的回归模型。采用所提出的建模方法所建立的模型训练集的R2与RMSE分别为0.9972和1.3015 mg·L^(-1),测试集的R^(2)与RMSE分别为0.9995和0.5174 mg·L^(-1)。为了验证所提出的SPA-ELM预测模型效果,另外建立了LASSO-ELM、PCA-ELM、SPA-PLS和SPA-SVR四种预测模型进行对比。实验结果表明,SPA-ELM建立的预测模型的R2和RMSE均优于其他四种预测模型,说明采用的特征选择方法和回归方法均为最优,能够对磷酸根浓度范围为5~100 mg·L^(-1)的水体进行准确预测,为水中磷酸根离子的检测提供了一种新的解决方法。

基于连续投影算法的土壤全氮和碱解氮含量高光谱估测

基于高光谱数据构建土壤全氮和碱解氮含量估测模型,为准确快速检测植烟土壤全氮和碱解氮含量提供新方法。以会东县和会理市植烟土壤为研究对象,利用高光谱成像获取土壤光谱反射率数据,应用连续投影算法(SPA)和相关分析法(CA)筛选特征波段,并分别采用全波段和特征波段构建偏最小二乘回归(PLSR)、岭回归(RR)和核岭回归(KRR)模型来估测土壤全氮和碱解氮含量。结果表明:(1)原始光谱经4种预处理方法处理后,建立的估测模型精度均有提高;其中经一阶导数(D1)组合标准正态分布(SNV)预处理后,使用全波段建立的全氮和碱解氮含量估测模型精度均较高。(2)SPA筛选出了10个土壤全氮特征波段,13个土壤碱解氮特征波段,分别占全波段数量的2.58%和1.98%。(3)原始光谱经D1-SNV预处理后,用SPA筛选特征波段构建的全氮和碱解氮含量KRR估测模型性能均较好;全氮估测模型验证集决定系数(R^(2))为0.87,均方根误差(RMSEV)为0.23,相对分析误差(RPD)为2.77;碱解氮估测模型验证集的R^(2)为0.91,RMSEV为14.15,RPD为3.39。运用SPA结合KRR构建的模型能较好地估测研究区土壤全氮和碱解氮含量,D1-SNV-SPA-KRR方法可实现该地区全氮和碱解氮含量的准确估测。

遗传算法和连续投影算法结合的土壤有机碳含量高光谱估算模型

土壤有机碳含量是土壤肥力与土壤质量的主要决定因素,与土壤生产力密切相关。采用高光谱模型估算土壤有机碳含量成为了解土壤肥力的重要方法。利用高光谱分析技术结合机器算法实现快速、高精度的估算土壤有机碳含量,对土壤肥力的可持续利用至关重要。根据实测的土壤有机碳含量及其高光谱反射率数据,运用Savitzky Golay方法对光谱波段进行平滑去噪,采用连续投影算法(SPA)、遗传算法(GA)对原始光谱及其5种不同数学变换光谱分别进行特征波段的筛选,并基于随机森林(RF)方法构建土壤有机碳含量的高光谱估算模型。为进一步降低模型的复杂度,将SPA算法与GA算法相结合,寻找最佳特征参数,以提升土壤有机碳含量特征波段的识别率和可信度。结果表明:(1)在原始光谱中,基于GA算法筛选SOC含量的高光谱响应波段主要集中在350~410、827~928、997~1064、1201~1234、1541~1574、1667~1710、2153~2186和2357~2707 nm;当RMSE为6.09时,SPA算法筛选了11个特征变量。(2)基于GA算法筛选特征波段时,原始光谱R、标准正态变量(SNV)、多元散射校正(MSC)、一阶微分(FD)、对数的倒数(RL)与连续统去除(CR)的维数分别降低到407、697、668、667、493、784维,占全光谱波段的18.93%~36.47%;基于GA-SPA算法筛选后,6种光谱变量的维度介于8~17维,RMSE介于4.53~6.30。(3)在一阶微分光谱形式下,基于GA-SPA算法挑选的12个特征变量所构建的RF模型预测效果最好,模型的建模集R_(c)^(2)为0.78,RMSE c为5.48,验证集R_(p)^(2)为0.82,RMSE_(p)为4.50,RPD为2.18。研究表明,光谱一阶微分可以增强土壤的光谱信息,GA算法结合SPA算法寻找光谱特征变量,既简化了估算模型的复杂度,又提高了估算模型的精度,基于遗传算法-连续投影算法的高光谱模型具有较高的估算能力。

基于连续投影算法与BP神经网络的玉米叶片SPAD值高光谱估算

叶片叶绿素含量是评价作物生长状况的重要指标。为实现玉米叶片叶绿素含量的准确、高效高光谱估测,以玉米大田试验为基础,于7月1日(大喇叭口期)、7月19日(灌浆初期)和8月18日(腊熟期)利用ASD高光谱仪和便携式叶绿素仪(SPAD-502)分别测定了玉米叶片高光谱数据和叶绿素含量相对值SPAD;利用连续投影算法提取出玉米叶片光谱的特征波长,再用BP神经网络构建SPAD值的估算模型,并对模型进行验证。结果表明,3个日期的分段监测模型及统一监测模型的R2分别为0.885,0.900,0.675,0.827;RMSE分别为2.156,2.103,3.236,2.651;7月1日模型、7月19日模型和统一监测模型均具有较高的精度,同时检验模型RPD均大于2,具有很好的预测能力;而8月18日的监测模型表现较差(RPD=1.641),但也达到可用水平。表明利用连续投影算法结合BP神经网络可以进行玉米叶片SPAD值的高光谱估算。

小波变换和连续投影算法在火龙果总酸无损检测中的应用

应用可见/近红外光谱技术、小波变换（WT）和连续投影算法（SPA）,对火龙果总酸含量（TA）进行精确、快速的无损检测,为火龙果内部品质无损检测提供科学依据。利用Maya2000光纤光谱仪采集380~1 099nm范围的火龙果漫反射光谱数据,通过WT消噪、SPA优选波长和偏最小二乘回归（PLSR）分析方法,建立了火龙果总酸的定量预测模型。试验结果表明：经过WT消噪联合SPA优选波长压缩光谱变量后建立的WT-SPA-PLSR模型,预测精度都高于全谱PLSR模型。由全部样本的原始光谱变量作为输入变量建立PLSR模型的预测相关系数（R_p）为0.851 394,预测均方根误差（RMSEP）为0.086 848;全部样本的原始光谱数据使用dbN（N=2,3,…,10）小波进行分解消噪,其中消噪效果最优的是db4小波2层分解（db4-2）,WT-PLSR模型的Rp为0.915 635,RMSEP为0.066 752,小波变换消噪后的光谱预测模型精度明显提高;原始光谱经过db10-3小波消噪联合SPA算法,从570个光谱变量中优选出530,545,604,626,648,676,685,695,730,897,972,1 016nm共12个变量作为输入变量,建立WT-SPA-PLSR预测模型,模型的RP为0.882 83,RMSEP为0.077 39。SPA算法适合火龙果TA模型的光谱变量选择,能够有效提取与总酸相关度高的波长变量,增加了预测模型的精度和稳定性。研究结果表明小波变换技术联合连续投影算法的漫反射近红外光谱无损检测火龙果总酸含量具有可行性。

应用遗传算法结合连续投影算法近红外光谱检测土壤有机质研究

应用遗传算法结合连续投影算法近红外光谱检测土壤有机质研究。采集浙江省文城地区农田土壤样品近红外光谱数据,土壤样品数为394个。为简化模型,采用遗传算法结合连续投影算法挑选出18个特征波长建模,应用偏最小二乘回归建立有机质预测模型,建模集的决定系数为0.81,均方根预测误差为0.22,剩余预测偏差为2.31,预测集的决定系数为0.83,均方根预测误差为0.20,剩余预测偏差为2.45。研究发现,遗传算法结合连续投影算法在简化模型同时,模型的预测评价指标同采用全谱波长建模并没有明显降低。因此,遗传算法结合连续投影算法挑选的特征波长可以应用于近红外光谱检测土壤有机质含量。

连续投影算法在砂糖橘总酸无损检测中的应用

酸度是评价砂糖橘品质的重要指标之一,为了消除光谱变量间的共线性影响、减少建模变量以提高校正速度,该文应用连续投影算法(SPA)对砂糖橘总酸近红外光谱无损检测模型进行优化。利用连接点修正方法修正近红外光谱,结合学生化残差图和模型回归图剔除异常样本,利用SPXY(sample set partitioning based on joint x-y distances)方法划分样本集,最后利用SPA进行变量选择,比较SPA选择的变量建模和全光谱变量PLS模型的预测效果,并分析橘皮对总酸模型的预测精度的影响程度。结果表明,只用了全部2001个变量中的9个变量,整果测定酸度情况下的SPA-MLR模型和SPA-PLS模型的预测精度与全部变量PLS模型的预测精度相当,预测相关系数Rp分别为0.829470,0.837095和0.857299。去皮留果肉测定酸度情况下则优选了13个变量,其SPA-MLR模型和SPA-PLS模型的Rp分别为0.819430、0.825277,均比全光谱变量PLS模型的Rp(0.780146)高,SPA算法提高了去皮留果肉测定酸度情况下的模型预测精度。

基于连续投影算法的土壤总氮近红外特征波长的选取

讨论了如何利用连续投影算法提取土壤总氮的近红外特征波长。使用连续投影算法对光谱数据进行初步压缩,将优选出的波长按其对总氮贡献值的大小进一步筛选,剔除不敏感的波长,降低模型的复杂度。分析85份土壤样品的近红外光谱,使用连续投影算法得到了总氮的12个波长,贡献值筛选后,波长数量减少到6个,所建模型的预测相关系数(Rp)为0.913,预测均方根误差(RMSEP)为0.011%,模型的预测精度与贡献值筛选前相当,且优于全谱偏最小二乘回归结果。结果表明结合贡献值筛选的连续投影算法能够有效选取待测成分的特征波长,文章所优选的土壤总氮的6个特征波长可以作为小型滤光片式近红外光谱仪波长选择的参考依据。

连续投影算法及其在小麦近红外光谱波长选择中的应用

采用全谱建立多元校正模型时,通常计算量大,模型不够稳健,而且模型的预测精度往往也不能达到最优。文章介绍一种新的波长选择方法:采用连续投影算法(successive projections algorithm),并将其集成偏最小二乘(partial least squares)多变量校正技术构成SPA-PLS方法,用于谷物小麦近红外光谱波长优化选择及其与水分含量的定量分析。结果表明:在经SPA算法后,光谱波数可削减97.72%,后继的定量校正模型结构得到显著简化,模型的稳健性也大大增强;同时,被选取的波长物理意义明确,模型的解释能力增强,而模型的预测性能也与GA-PLS方法相当。

连续投影算法在油菜叶片氨基酸总量无损检测中的应用

应用近红外光谱技术结合连续投影算法(SPA)实现了油菜叶片氨基酸总量(TAA)的快速无损检测。对150个油菜样本进行光谱扫描,通过比较不同预处理,建立油菜叶片氨基酸总量预测的最优偏最小二乘法(PLS)模型。同时应用SPA提取有效波长,作为多元线性回归(MLR),PLS和最小二乘-支持向量机(LS-SVM)的输入变量,分别建立SPA-MLR,SPA-PLS和SPA-LS-SVM模型。以决定系数(R2)和均方根误差(RMSE)作为模型评价指标。结果表明,SPA-MLR和SPA-PLS均优于全波段的PLS模型,SPA-LS-SVM获得了最优的预测结果,其预测的R2和RMSEP分别为0.9830和0.3964,获得了满意的预测精度。说明应用光谱技术检测油菜叶片TAA是可行的,并能获得满意的预测精度,为进一步应用光谱技术进行油菜生长对逆境胁迫的反应及大田监测提供了新的方法。

基于无信息变量消除法和连续投影算法的可见-近红外光谱技术白虾种分类方法研究

应用无信息变量消除法结合连续投影算法对可见-近红外光谱区进行有效波长的选择,选择后的波长作为输入变量建立最小二乘-支持向量机模型,对白虾属中三种典型种,脊尾白虾、秀丽白虾和东方白虾进行鉴别分类.实验采用Kennard-Stone算法选取150个样本作为建模集,50个样本作为预测集,通过UVE-SPA优选了数值分别为392、431、517、551、595、627、676、734、760、861、943和1018 nm的12个波长为LS-SVM的输入变量,建立了白虾种分类模型.该模型对50个预测集样本检验的准确率达到了92.00%.结果表明,采用可见-近红外光谱对白虾种进行鉴别是可行的,UVE-SPA能够有效地进行波长选择,使LS-SVM模型获得最优的分类结果.

连续投影算法在近红外光谱校正模型优化中的应用

主要从减少变量、提高校正速度的角度,采用了一种新的变量提取方法——连续投影算法(successive projections algorithm)来优化白酒酒精度的近红外光谱定量模型,对于异常样品的剔除沿用了T2椭圆法,使模型更具代表性和稳健性,只用了全部变量的1.17%(9个变量)建立模型,其预测相关系数0.9477,得到了较好的预测效果,并与采用经无信息变量消除法进行波长优选后的偏最小二乘(partial least-squares)方法建立的校正模型做了比较,进一步证明这种算法是切实可行的。

基于连续投影算法的小麦湿面筋近红外校正模型优化

为减少建模过程中的计算量、提高模型的稳健性及预测精度,将连续投影算法用于小麦湿面筋近红外校正模型的建立。首先采用SPXY算法选择具有代表性的校正集样本,然后对光谱数据作不同预处理,增强光谱特征;运用连续投影算法对原始光谱和预处理后的光谱进行敏感波点提取,进而分别建立多元线性回归校正模型。测试结果表明,对光谱标准正态变量变换后利用连续投影算法提取敏感波点所建多元线性回归模型预测效果最好,预测均方根误差和预测相关系数分别为1.3332和0.94319,优于同等条件下建立的偏最小二乘回归模型。

水稻叶片氮含量光谱监测中使用连续投影算法的可行性

使用5段移动平滑法、基线校正、光谱面积归一化、多元散射校正方法对水稻叶片可见-近红外光谱进行预处理,使用连续投影算法(SPA)进行有效波长的选取。分别基于光谱指数RVI、NDVI建立多元线性回归(MLR)模型,基于SPA有效波长建立MLR模型,基于全部波长建立主成分回归(PCR)及偏最小二乘法(PLS)回归模型。利用模型预测水稻叶片氮含量,对比发现基于SPA有效波长建立的模型的预测效果明显好于基于光谱指数RVI及NDVI建立的模型,略差于基于全部波长建立的PCR及PLS模型。基于MSC预处理光谱及SPA有效波长建立的模型预测集预测结果 r=0.794 3,RMSE=0.455 8。在水稻叶片氮含量光谱监测中使用连续投影算法进行有效波长的选取是可行的。

基于连续投影算法的光谱主成分组合优化方法研究

应用连续投影算法(successive projections algorithm,SPA)选择由主成分分析(principal componentanalysis,PCA)得到主成分的最佳组合。首先对奶粉的短波近红外光谱进行PCA分析,然后通过SPA得到的脂肪和蛋白质含量预测最佳主成分组合分别为主成分1,2,4,5,6和7以及主成分1,2,3,4,5和8。通过最小二乘支持向量机(Least-squares support vector machine,LS-SVM)对奶粉中脂肪和蛋白质含量进行预测,SPA选择得到的主成分组合均优于分别采用前4个到前8个主成分。基于SPA得到的主成分组合得到脂肪含量预测结果的确定系数(Rp2),预测误差均方根(root mean square error for prediction,RMSEP)和剩余预测偏差(residual predictive deviation,RPD)分别为0.9890,0.1703和9.5343。而蛋白质含量预测结果的Rp2,RMSEP和RPD分别为0.9876,0.1348和8.9274。说明SPA能够用于快速有效选取最佳的主成分数,寻优过程简单快速,并且不用对大量参数进行调试。

基于连续投影算法的黄酒成分检测模型

为减少建模过程中的计算量,提高模型的稳健性以及预测精度,将连续投影算法(SPA)应用于黄酒非糖固形物、酒精度、总酸和氨基酸态氮的近红外检测模型的建立。首先采用K-S法选择具有代表性的校正样本100个,然后运用SPA算法对全光谱进行敏感波点提取,4个指标经SPA筛选分别得到20、23、19、13个特征波长点,与其特征分子结构的吸收峰位置相对应。进而分别建立SPA-PLS、SPA-MLR以及全光谱-PLS模型。结果表明:SPA-MLR模型效果最好,各指标R2分别达到0.881、0.998、0.983和0.924,且RMSEP也较全波段建模减小了10%,有效地加快模型运算速度的同时,提高了模型的稳定性与准确度,为黄酒品质快速检测提供了参考。

连续投影算法在猪肉pH值无损检测中的应用

利用鲜肉的近红外光谱中少量特征波长对其pH值进行预测,可以大幅度降低模型复杂性和计算量,对开发无损检测装置,实施肉品生产加工过程中pH值监测有重要意义。该文通过连续投影算法(SPA)选择特征波长建立简单多元线性回归模型(SPA-MLR),并对比了SPA-MLR模型与全波段(5000～10440cm-1)偏最小二乘回归模型(PLSR)及逐步线性回归(SMLR)、遗传算法(GA)选择特征波长所建模型的性能。结果表明经连续投影算法提取37个特征波长建立的模型,所用变量数仅占全波段的2.6%,校正集相关系数0.870,校正集均方根误差为0.094,验证集相关系数0.892,验证集均方根误差为0.085;性能与经多元散射校正预处理的PLSR模型接近,但采用变量数明显减少,优于逐步线性回归和遗传算法选择特征波长建立的模型,表明该方法可较好的选择特征波长,建立简单的预测模型。

K均值算法结合连续投影算法应用于土壤速效钾含量的高光谱分析

为解决在土壤速效钾含量的高光谱定量预测分析过程中,光谱数据维数高、冗余度较大等问题,提出了一种结合K均值算法(K-means)和连续投影算法(SPA)的高光谱特征波段选择方法。该算法首先将全波段数据分别根据不同的距离度量进行K-means聚类分析,之后对聚类后的每个波段簇分别使用SPA法提取其中的特征波段。对全波段组合、传统SPA法提取的特征波段组合以及结合K-means聚类与SPA法提取的特征波段组合分别建立土壤速效钾含量的BP神经网络预测模型,通过对比模型预测效果来比较特征波段选择方法的性能。以盐城市348份土壤样品进行试验,结果表明,结合K均值算法与连续投影算法的特征波段选择方法可以有效地解决光谱预测分析过程中的数据冗余问题,实现对土壤速效钾含量快速精确预测分析。

连续投影算法的润滑油中含水量的近红外光谱分析

应用近红外光谱技术结合连续投影算法(SPA)实现了油中含水量的分析。对57个油样进行光谱扫描,通过比较不同预处理方法,以相关系数(R)和均方根误差(RMSE)作为模型评价指标,建立油中含水量预测的全波段偏最小二乘法(PLS)模型。同时应用SPA提取有效波长,作为PLS的输入变量,建立了SPA-PLS模型。结果表明经连续投影算法提取24个特征波长建立的模型,所用变量数仅占全波段的4.68%,SPA-PLS优于全波段的PLS模型,其对验证集样本进行预测的相关系数和均方根误差分别为0.994 4和5.455 1×10-5,获得了满意的预测精度。说明应用光谱技术检测油中含水量是可行的,并能获得满意的预测精度,为进一步应用光谱技术进行油中其他污染物的在线监测提供了新的方法。

基于改进连续投影算法的光谱定量模型优化

分别对葡萄酒和苹果的原始光谱及其小波变换(WT)后的谱图采用改进连续投影算法(MS-PA)进行酒精度和可溶性固形物信息的提取,偏最小二乘(PLS)回归用于定量模型的构建,预测均方根误差(RMSEP)、预测相关系数Rv和akaike信息标准(AIC)用于模型优劣的评价.结果表明:葡萄酒的原始光谱经WT-MSPA-PLS方法优化计算后得到了较简化的酒精度分析模型,模型的RMSEP由0.178减小为0.139,Rv由0.963变为0.976,AIC由4 085.60减小为-1.06,建模变量由2 073缩减为34;苹果光谱经WT-MSPA-PLS方法运算后,可溶性固形物定量模型的RMSEP由0.565减小为0.541,Rv由0.920提高为0.930,模型的AIC值由1 047.20减小为57.43,建模变量由535减小为41.