绝热闪蒸计算中内外层循环迭代变量的浅析

绝热闪蒸计算是《分离工程》教学中的难点内容之一。本文使用Matlab软件编写程序并计算,从理论和计算两个方面对宽沸程混合物的闪蒸计算中内外层循环迭代变量的选择问题进行探讨。不仅可以强化学生对绝热闪蒸基础知识的认识,也可以加强学生对绝热闪蒸计算过程本质的理解。

水安全系统多变量迭代综合评价模型的应用

现有的水安全评价方法多为指标的加权和,忽略了指标间的相互作用对整个系统评价带来的影响。在证实水安全系统具有复杂适应性的基础上,基于复杂适应系统的4个特性和3个机制及其之间的相互关系,从各特性和机制协调度的角度出发,建立了水安全系统多变量迭代评价模型。该模型充分考虑了系统内部指标间的复杂非线性关系,评价结果更加科学、客观。对建三江地区水安全系统进行评价,结果与该地区实际情况相符,充分证实了该模型的可行性与有效性。

水库调度方程组的定界迭代法(英文)

在进行水电站水库调度计算中采用逐时段递推计算时 ,一般求解方法是迭代算法 ,在生产实际中 ,现行迭代算法有时出现不收敛现象 .通过深入分析发现 :如果迭代变量的假设值小于新值 ,则假设值即为迭代变量的下界 x,新值为其上界 x;否则 ,假设值为迭代变量的上界 x,新值为其下界 x,迭代变量的真值必包含在上下界之间 ,即 x* ∈ ( x-x) .随着迭代次数的增加 ,迭代区间将逐步减小 ,直至逼近真值 ,由此即可构造定界迭代算法 .应用实例表明 ,提出的定界迭代算法原理简单 ,可保证迭代算法绝对收敛 ,且与迭代变量的修正方法无关 .

基于变量迭代空间收缩法的土壤有机质含量高光谱快速检测

高光谱被认为是检测土壤有机质含量(SOM)的一种快速方法。其准确度可与传统的实验室方法相媲美。然而,其海量的波段数据导致所建模型复杂且稳定性差。本研究旨在探讨变量迭代空间收缩法(VISSA)在土壤有机质高光谱检测中的有效性。从新疆吉木萨尔县采集土壤样品81份;用标准方法测量SOM,用ASD光谱仪扫描样品,获得光谱数据(350~2500 nm);对经竞争性自适应重加权算法(CARS)及变量迭代空间收缩法(VISSA)所选的光谱变量进行测试,并采用偏最小二乘回归(PLSR)估算SOM值。结果表明,VISSA筛选算法优于CARS筛选算法,VISSA算法可以去除大部分冗余波段,保留15.04%的波段变量;所构建的模型中,VISSA-PLSR最优,CARS-PLSR次之,全波段-PLSR最差;其中VISSA-PLSR模型达到有效定量预测土壤有机质含量的程度,其R_(p)^(2)可达0.91,RMSE_(P)仅为0.48 g/kg,RPD可达3.24。研究结果可为高光谱快速检测土壤有机质提供参考与借鉴。

水库调度方程组定界迭代法的改进及其应用研究

在水库调度水量平衡计算中由于迭代变量的修正方法选取不当,常常会造成迭代变量陷入死循环或者无法得到迭代变量的真值。针对这种情况,本文提出了一种新的迭代方法,通过算例结果表明,该方法可以有效的解决上述问题,并加快收敛速度。

基于IRIV算法优选大豆叶片高光谱特征波长变量估测SPAD值

在植物叶绿素特征波长变量筛选过程中,与叶绿素关系较弱的波长变量极易被忽略,导致这些弱信息变量包含叶绿素的有效信息丢失,因此,确定叶片光谱中弱信息变量对揭示叶绿素高光谱响应规律具有重要意义。该研究以江汉平原大豆鼓粒期的叶片为研究对象,采集80组大豆叶片高光谱和SPAD(soil and plant analyzer development)值,分析SPAD值与大豆叶片反射率相关关系和光谱波长变量自相关关系,基于迭代和保留信息变量法(iteratively retains informative variables,IRIV)筛选大豆叶片的特征波长变量,建立偏最小二乘回归(partial least squares regression,PLSR)和支持向量机(support vector machine,SVM)模型估测SPAD值。结果表明,大豆叶片SPAD值与光谱反射率在可见光波段具有极显著负相关,在近红外波段存在不显著的正相关性(P>0.01);可见光、近红外2波段的波长变量之间相关性较弱,但2波段内变量之间的相关性较强;基于IRIV算法确定了大豆叶绿素的特征波长变量,利用特征波长变量建立的估测模型的估测能力高于仅利用强信息波长变量建立的估测模型,表明弱信息变量对估测叶片SPAD值具有重要意义;IRIV-SVM模型估测能力最优,验证集R2和相对分析误差(RPD)分别为0.73、1.82。该文尝试证明了光谱中弱信息变量的重要性,为揭示叶片高光谱响应机理提供了理论依据。

利用介电参数和变量筛选建立玉米籽粒含水率无损检测模型

为了实现玉米含水率的快速无损检测,该文利用精密阻抗分析仪和自制介电参数测量传感器通过激励电压在1 kHz^5.462 MHz频率范围内测量了热风干燥过程中不同含水率与不同温度下玉米籽粒的介电常数ε′和介电损耗ε″。通过对双介电参数频谱的分析,对含水率回归模型建模频段进行了初步选择,以1.072~5.462 MHz之间15个测量频点的双介电参数和温度值T共计31维变量作为支持向量回归机(support vector regression,SVR)模型的输入全变量,分别利用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)、迭代保留信息变量算法(iteratively retains informative variables,IRIV)和CARS-IRIV联合算法筛选特征变量,建立全变量、CARS、IRIV和CARS-IRIV筛选特征变量与玉米籽粒含水率的SVR模型。引入鲸鱼优化算法(whale optimization algorithm,WOA)优化SVR模型参数c(惩罚因子)和g(核函数参数),结果表明CARS-IRIV筛选特征变量(ε′3.854MHz、ε″3.854MHz、e′5.462MHz、e″5.462MHz、T)建立的SVR模型经WOA优化后(CARS-IRIV-WOA-SVR)具有最优的预测精度,预测集决定系数、预测集均方根误差和剩余预测偏差分别为0.9984,0.40%和24.55,且模型复杂度最低。该研究为基于双介电参数和支持向量回归机实现玉米含水率快速无损检测提供了新的研究思路和基础数据。

基于混合变量选择的绿茶酚氨比近红外光谱检测方法

【目的】为建立绿色、快速绿茶滋味品质指标酚氨比近红外光谱检测方法,并利用化学计量学方法有效提高检测精度。【方法】首先,利用标准正态变量变换(SNV)对茶叶浸出物近红外光谱进行预处理,消除光散射引起的噪音,提高光谱信噪比。其次,采用变量组成集群分析-迭代保留信息变量(VCPA-IRIV)混合特征提取方法、竞争性自适应重加权算法和连续投影算法对茶叶浸出物近红外光谱波长变量进行优选,利用优选的特征变量建立非线性随机森林(RF)预测模型,并与线性偏最小二乘(PLS)进行比较。【结果】VCPA-IRIV有效筛选出18个与茶多酚和氨基酸相关的特征波长,且避免了茶汤中水的强相关光谱特征信息干扰。RF模型性能优于PLS,RF模型训练集相关系数(Rc)和均方根误差RMSEC分别为0.949,0.231;测试集相关系数(Rp)、预测均方根误差(RMSEP)和相对分析误差(RPD)分别为0.943、0.232和3.019。【结论】VCPA-IRIV方法能够有效的提出有效近红外光谱变量,消除冗余光谱信息,可为利用近红外光谱技术在农产品品质与安全快速检测方法提供新的研究思路。

红参提取物总皂苷近红外定量分析建模中的变量筛选

注射用益气复脉(冻干)是由红参、麦冬、五味子3种药材制成的新型冻干粉针制剂。红参提取物总皂苷是注射用益气复脉(冻干)生产过程的重要质控指标,传统分析方法分析结果具有滞后性,无法快速反馈生产过程质量信息。近红外光谱(NIR)作为一种快速无损的过程监控工具已经广泛应用于中药质量控制领域。中药成分复杂且近红外光谱吸收强度弱、谱区重叠严重,如何从干扰严重的复杂光谱中提取有效信息是提高测量准确度的关键。模型集群分析(MPA)通过随机采样,最大限度地提取了样本信息,打破了传统一次性建模思路,为变量筛选方法提供了新的思想。采集了55批红参提取物近红外光谱数据,运用多元散射校正(MSC)进行光谱数据预处理,并将MPA衍生的随机蛙跳法(RF)、竞争自适应重加权(CARS)、变量组合集群分析法(VCPA)、VCPA联合迭代保留信息变量(IRIV)方法与OPUS软件自带的变量筛选方法分别用于总皂苷含量偏最小二乘(PLS)定量分析模型的建立中。结果表明,OPUS软件、CARS-PLS与RF-PLS所建模型校正集相关系数(Rc)仅为0.6013,0.5653与0.6440,拟合效果不理想。VCPA-P LS法所建模型的R c为0.9512,是几种变量筛选方法中最高的,但是其预测性能不佳,模型稳健性不理想。VCPA-IRIV-PLS模型具有最好的预测效果,Rc为0.928,RSEP%为7.99%。

基于VSPAI的近红外光谱小麦蛋白质分析方法研究

基于模型集群分析思想,利用变量选择比自适应迭代法(VSPAI)结合偏最小二乘法(PLS)建立了小麦蛋白质含量的近红外光谱预测模型。VSPAI利用蒙特卡罗采样法随机选取样本子集,运用PLS建立样本子集的回归模型,并计算各变量回归系数的平均值和标准差,求出每个变量的初始权重,并与加权自助采样法相结合选取最佳特征变量。结果表明,VSPAI-PLS模型与竞争性自适应重加权采样结合PLS、变量组合集群分析结合PLS、变量组合集群分析迭代保留信息变量法结合PLS、引导软阈值算法结合PLS模型相比,VSPAI-PLS模型的预测精度提高了39.9%、5.9%、25.4%、46.9%。综上,将VSPAI-PLS模型应用于小麦蛋白质的近红外光谱无损检测具备可行性。

一种双层-四级随机-鲁棒优化调度模型及求解

提出一种考虑场景概率和出力不确定性的配电运营商-多微电网双层-四级随机-鲁棒优化模型及其求解方法。基于主从博弈原理构建上层配电运营商和下层微电网之间的主从关系,并分析主从博弈交易机制;配电运营商建立考虑风电场景概率不确定性的随机定价模型;下层微电网考虑风电场景概率不确定性和出力不确定性的影响,建立min-max-max-min四级结构的随机-鲁棒优化调度模型;提出了一种变量交替迭代的列约束生成算法,通过解耦四级结构来求解下层微电网随机-鲁棒模型;利用粒子群算法求解非凸的双层优化模型。最后,通过算例验证所提模型和方法的有效性。

基于介电特性与IRIV-GWO-SVR算法的番茄叶片含水率检测

为了探究利用介电特性检测作物水分状况的可行性,研究了一种基于介电特性的有效、快速、精确检测番茄叶片含水率的方法。以300片不同含水率的番茄叶片为研究对象,通过LCR测量仪测定叶片在0.05~200 k Hz下的相对介电常数ε′和介质损耗因数ε″,并采用干燥法测量叶片含水率。利用迭代保留信息变量法(iteratively retains informative variables,IRIV)对介电参数进行特征变量选取,并与连续投影算法(successive projections algorithm,SPA)进行比较,利用支持向量回归机(support vector regression,SVR)分别建立叶片全变量、2种特征变量与叶片含水率的关系模型。结果表明,基于迭代保留信息变量法选取特征变量的支持向量回归模型(IRIV-SVR)具有良好的预测能力,但预测精度仍需提高,故引入灰狼优化算法(grey wolf optimizer,GWO)优化模型的参数c(惩罚因子)和g(核函数参数)。最终,经GWO优化后的模型(IRIV-GWO-SVR)的预测集决定系数R2与均方根误差RMSE分别为0.963 8,0.020 7。因此,利用介电特性结合IRIV-GWO-SVR算法预测番茄叶片含水率是可行的,同时为其他叶片含水率检测提供了一种新的方法和思路。

基于近红外光谱的橄榄油品质鉴别方法研究

目前市面上销售的橄榄油主要分为特级初榨橄榄油和普通初榨橄榄油两类,为了鉴别两种不同品质的橄榄油,提出了一种应用siPLS-IRIV-PCA算法的橄榄油品质鉴别的新方法。基于橄榄油的近红外光谱数据,应用联合区间偏最小二乘法(siPLS)对橄榄油的近红外光谱进行了波长区间优选,使用交叉验证均方根误差(RMSECV)评估模型的性能并选择最优波长区间,通过迭代保留信息变量(IRIV)算法从最优波长区间中选择特征波长,根据选择的特征波长构建主成分分析(PCA)模型。对90组特级初榨橄榄油和90组普通橄榄油样本进行了判别鉴定。PCA将1 427个波长变量作为输入变量,前两个主成分贡献率为51.891 8%和26.473 2%;siPLS-PCA将408个波长变量作为输入变量,前两个主成分贡献率为56.039 1%和36.2355%;siPLS-IRIV-PCA将6个波长变量作为输入变量,前两个主成分贡献率为66.347 6%和32.304 3%。结果表明,与PCA和siPLS-PCA鉴别方法相比,siPLS-IRIV-PCA具有最佳的鉴别性能。

IVISSA算法冷鲜滩羊肉嫩度的高光谱模型优化

高光谱成像可同时获取被检测对象的图像信息和光谱信息,并对其内部成分进行定性和定量分析。国内外学者采用高光谱对肉品品质的研究多集中在水分、菌落总数、色泽、 pH、挥发性盐基氮等方面,在肉品嫩度检测中应用区间变量迭代空间收缩法优选特征波长的研究鲜有报道。利用可见-近红外(400~1 000 nm)和近红外(900~1 700 nm)高光谱结合化学计量学方法对冷鲜滩羊肉嫩度进行无损预测,优选最佳建模波段。首先,采集羊肉的高光谱图像,提取样本感兴趣区域的光谱反射值,采用TA-XTplus质构仪测量滩羊肉嫩度;其次,将两个波段下的原始光谱数据进行多元散射校正(multiple scattering correction, MSC)、去趋势(de-trending)、基线校准(baseline)、标准正态变量(standard normal variable, SNV)、归一化(normalize)和卷积平滑(Savitzky-Golay)等预处理;分别采用连续投影算法(successive projection algorithm, SPA)、竞争性自适应加权算法(competitive adaptive reweighted sampling, CARS)、变量组合集群分析法(variables combination population analysis, VCPA)和区间变量迭代空间收缩法(interval variable iterative space shrinkage approach, IVISSA)对最佳预处理的光谱数据优选特征波长;最后,建立冷鲜滩羊肉嫩度的偏最小二乘回归(partial least squares regression, PLSR)预测模型,优选最佳建模波段。结果表明:(1)滩羊肉嫩度的近红外高光谱模型的预测效果优于可见-近红外高光谱;(2)经过多种预处理方法所建立的滩羊肉嫩度的模型中,近红外区域的原始光谱(original spectra, OS)模型效果最优,其Rc=0.83,Rp=0.79, RMSEC=874.94, RMSEP=1 465.97;(3)近红外高光谱的原始光谱经SPA, CARS, VCPA, IVISSA四种方法共挑选出15, 16, 13和123个特征波长,占总波长的7%, 6%, 5%和54%;(4)近红外高光谱结合OS-IVISSA-PLSR建立的冷鲜滩羊肉嫩度预测模型最好,其Rc=0.85,RMSEC=850.86,Rp=0.79, RMSEP=1 497.11。IVISSA算法不仅可大幅度减少模型运算次数,还可以保证模型的精准和稳定性。研究表明, OS-IVISSA-PLSR模型对冷鲜滩羊肉嫩度进行高光谱的快速无损检测是可行的。

基于Tikhonov和全变分正则化混合约束盲去模糊方法

为了使模糊图像在边缘区域和平滑区域有更好的复原效果,通过分析图像的稀疏平滑特性,提出一种基于Tikhonov和全变分正则化混合约束（Tikhonov-Total variation model,TTV）模型的盲去模糊方法。首先用Shock-Direction Filter（简称为SDF滤波器）提取图像边缘信息,然后利用Tikhonov模型和全变分模型分别在图像特殊区域的不同表现,分别对不同区域进行不同的正则化约束,最后提出一种多变量正阈值约束的分裂布雷格曼（Multivariable Positive threshold constraint Splitting Bregman,MPSB）算法对提出的新型模型进行数值最优化求解。从实验结果可以看出,相对对比算法,该方法不仅能够准确的估算模糊核（Blurring Kernel,BK）,而且在主观上实现了更好的复原效果,在客观上本文方法的峰值信噪比（PSNR）增量提高了3.4~4.7 d B。

水安全系统的复杂适应性机理研究与评价模型初探

鉴于目前水安全系统研究、评价理论及方法的局限性,引入复杂适应系统(CAS)理论,可以有效模拟水安全系统演化规律,准确描述主体行为特征及发展方向。阐述水安全复杂适应系统的4个特性和3个机制,以及他们之间的相互关系,在此基础上建立了基于多变量迭代系统的水安全综合评价模型,为进一步研究水安全系统管理、评价及预警提供理论依据,拓展了复杂适应系统理论的应用范围。

木材抗拉强度的近红外光谱MC-UVE-IVSO建模方法

木材抗拉强度是评价木材力学性质的重要指标。针对近红外光谱建模中样本数据量小、波长信息冗余所导致预测模型精度低的问题,提出一种基于模型集群分析MC-UVE-IVSO波长优选的木材抗拉强度建模方法。以桦木为例,选取150个桦木样本作为实验对象,首先使用900~1700 nm波段的近红外光谱仪采集试件光谱数据,并采用力学试验机获得相应的抗拉强度真值;然后对采集的光谱数据运用多元散射校正(MSC)、一阶求导和卷积平滑(SG)相结合的方法进行预处理,完成光谱平滑滤波;分别采用变量组合集群分析算法(VCPA)、蒙特卡罗无信息变量消除法(MC-UVE)、迭代变量子集优化算法(IVSO)及MC-UVE-IVSO组合优化算法进行波长筛选,并对比优选波长结果;最后在优选近红外波长基础上,建立桦木抗拉强度的偏最小二乘预测模型(PLS)。实验结果表明:基于MC-UVE-IVSO算法优选波长的PLS模型,光谱变量数由512减小到98,优选波长占总波长的19%,其预测决定系数R^(2)为0.94,预测均方根误差RMSEP为7.50,性能偏差比RPD为3.16,相比于全波段、MC-UVE、VCPA、MC-UVE-VCPA与IVSO相应的R^(2)(0.92、0.93、0.82、0.87、0.93)、RMSEP(17.91、11.7、14.91、12.12、8.47)和RPD(2.81、2.91、2.25、2.28、2.78)均有不同程度提升;通过统计特征波长所建立的预测模型箱形图,进一步证明了MC-UVE-IVSO算法在处理多变量波长的稳定性。实验结果表明,MC-UVE方法可以消除与建模不相关的多数变量,而IVSO算法能有效搜索出最优变量子集,基于MC-UVE-IVSO的光谱优选算法提升了木材抗拉强度预测模型的准确性和稳定性,为木材近红外光谱的无损、快速与精准检测提供了一定的理论基础。

改进的随机蛙跳算法对农机润滑油污染浓度的近红外光谱检测研究

润滑油是农业机械正常作业的必要物资,农业机械发动机工作的动力性、安全性、经济性以及寿命与润滑油状况有着紧密联系。污染浓度作为油液的综合评价指标,常规的实验室检测耗时长、成本高,所以开发高效的润滑油污染浓度检测技术具有重要意义。提出了一种基于近红外光谱技术的农机润滑油污染浓度的检测方法,同时针对随机蛙跳(RF)特征波长选择算法中迭代次数大,结果再现性低等缺点,提出了一种迭代保留信息变量的随机蛙跳(IRIV-RF)特征波长选择算法。该算法一方面利用迭代保留信息变量(IRIV)算法提取出强信息变量和弱信息变量,将其作为RF算法中的初始变量集,消除初始变量集的随机性对结果再现性的影响。另一方面通过对变量按被选概率值由大到小正向排序后,从首个波长开始依次增加一个波长建立偏最小二乘回归(PLSR)模型,选择交叉验证均方根误差(RMSECV)值最小时的变量子集为特征波长,消除RF算法所提取的特征波长数量的不确定性。利用近红外光谱仪采集自行配制的101份不同污染浓度的农机润滑油原始光谱数据,选用三种不同的预处理方法分别对原始光谱进行处理,确定最佳的预处理方法为变量标准化(SNV)。在此基础上通过RF,IRIV和IRIV-RF三种算法分别对全谱进行特征波长选择,并建立PLSR模型。通过对全谱-PLSR,RF-PLSR,IRIV-PLSR以及IRIV-RF-PLSR模型的预测精度进行比较,结果表明,经过IRIV-RF算法提取特征波长后所建立的PLSR模型预测精度最高,预测相关系数(R_(p))为0.9657,预测均方根误差(RMSEP)为9.0584,显著提升了预测精度与运行效率,降低模型复杂程度。IRIV-RF是一种有效的特征波长选择算法,研究证明了近红外光谱联合改进的IRIV-RF算法检测农机润滑油污染浓度的可行性,为鉴定润滑油品质提供了一种新的思路。

VB循环语句编程教学探讨

本文通过对如何确定迭代变量初值、迭代公式、迭代次数的分析,说明编写迭代法循环算法的规律。

基于高光谱成像技术和IRIV算法的玉米种子品种纯度识别

基于高光谱成像技术,提出了一种无损、快速的玉米种子纯度识别方法.首先,采用多元散射校正(MSC)等方法对数据进行预处理;其次,应用竞争性自适应重加权法(CARS)和迭代保留信息变量法(IRIV)提取特征波长;再次,建立支持向量机(SVM)和线性判别分析(LDA)等纯度识别模型;最后,设置随机种子值,使用采集函数“expected-improvement-plus”搜索置信区间中的待评价点,得到使交叉验证损失最小的超参数值,提高模型的准确率.结果表明:MSC-IRIV-LDA识别模型准确率最高,训练集和预测集的准确率分别为0.9604和0.9333,K值为0.9186;对LDA的δ和γ超参数值进行优化后,进一步提高了训练集、预测集准确率和K值;本研究提出的方法能够实现玉米种子纯度无损、快速识别,为精准农业的发展提供技术支持.