近红外光谱与组合的间隔偏最小二乘法测定清开灵四混液中总氮和栀子苷的含量

应用近红外光谱分析技术结合化学计量学方法,建立了中药清开灵注射液中间体总氮和栀子苷含量测定的新方法.首先采用Kernard-Stone法对训练集样本和预测集样品进行分类,然后应用组合的间隔偏最小二乘法(Synergy interval partial least squares,siPLS)对所得近红外透射光谱进行有效谱段范围的选择以及二者定量校正模型的建立,并对光谱预处理方法进行了详细的讨论.所建立的总氮和栀子苷校正模型的预测相关系数(R)分别为0.999和0.708;交叉验证误差均方根(RMSECV)均为0.023;预测误差均方根(RMSEP)分别为0.074和0.159;预测结果表明,本实验所建方法快速、无损且可靠,可推广并应用于中药注射液中间体的在线质量控制.

基于近红外光谱与组合间隔偏最小二乘法的稻米镉含量快速检测

采用近红外光谱(near infrared spectroscopy,NIRS)结合组合间隔偏最小二乘法(synergy interval partial least squares,siPLS)建立稻米镉含量快速检测的方法。收集并分析72个稻米样品的NIRS谱图。对光谱前处理方法进行优化,确定平滑、多元散射校正与均值中心化处理为最优方法。采用siPLS法筛选特征波数,建立稻米镉含量的定量模型。稻米镉siPLS模型交叉验证均方根(RMSECV)与预测均方根(RMSEP)值分别为0.247与0.261,训练集相关系数(Rc)与预测集相关系数(Rp)值分别为0.919与0.895。结果表明:运用siPLS法选择特征波长后,不但可以降低模型的复杂度,同时还能够提高预测精度。NIRS作为一种快速、无损与便捷的初筛方法,可用于检测稻米中镉含量是否超标。

基于近红外光谱及组合间隔偏最小二乘法的天南星中水分及总黄酮含量测定研究

目的建立天南星中水分及总黄酮的近红外含量预测模型。方法采用近红外漫反射光谱,利用TQ Analyst 9.0软件进行光谱预处理,并结合Matlab平台下的组合间隔偏最小二乘法进行波段的优选。以校正集相关系数(R_c^2)、校正集预测均方根误差(RMSEC)、验证集相关系数(R_p^2)、验证集预测均方根误差(RMSEP)为指标评价模型的优劣。结果水分较为理想的建模波段范围为4613.6~4968.4 cm^(-1)、8871.2~9226 cm^(-1)、10 299.4~10 645.2 cm^(-1);总黄酮建模波段范围为4376.3~4849.6 cm^(-1)、5796.2~6269.5 cm^(-1)、8182.6~8635.9 cm^(-1)。建模后水分的含量预测模型R_c^2=0.956 2,RMSEC=0.332,R_p^2=0.905 2,RMSEP=0.554;总黄酮含量预测模型为R_c^2=0.937 7,RMSEC=0.021,R_p^2=0.898 8,RMSEP=0.027。结论建立的近红外光谱测定方法操作简便、快速、准确,为水分及总黄酮含量的快速检测提供了借鉴。

对数比变换和偏最小二乘法在地球化学组合异常提取中的应用——以湘西北铅锌矿为例

以湘西北水系沉积物测量常量元素含量数据为研究对象,针对湘西北铅锌矿床的层控特征,以研究区含矿层地球化学常量元素含量的统计规律为基础,利用对数比变换(alr、clr、ilr变换)对原始数据进行预处理,并在此基础上进行偏最小二乘(PLS)降维分析,提取了地球化学组合异常,并与常用的主成分分析、因子分析的结果进行对比。分析结果表明,等距对数比变换(ilr变换)相对于其他变换方法有明显的优势,变换后的数据对称特征明显,更趋于正态分布。相对于其他两种降维方法,偏最小二乘法提取的元素组合与研究区铅锌矿的地球化学基本特征更为接近,组合异常与已知矿床分布和构造特征耦合良好,与研究区地质特征吻合,比主成分分析与因子分析得到的结果更易于地质解释。

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。

基于间隔偏最小二乘法的农产品近红外光谱谱区选择方法

怎样建立准确的农产品内在质量的近红外光谱预测模型,一直是国内外近红外光谱分析者的研究重点,而现有的农产品近红外光谱数据建立光谱预测模型时,都要面临选择合适的光谱谱区的问题。本研究提出一种间隔偏最小二乘法的农产品近红外光谱谱区选择方法,并将其应用于建立苹果糖度近红外光谱模型。结果表明,该方法可以减小建模运算时间,剔除噪声过大的谱区,使最终建立的农产品品质检测近红外光谱模型的预测能力和精度更高。

基于偏最小二乘法的组合S型增长曲线预测模型与应用

在许多时间序列预测中,常用S型曲线描述增长过程。由于S型曲线形式多样,结构不同,对同样观测值预测,结果略有差别。为了增加预测精度,提高预测的可靠性,考虑不同增长曲线预测结果存在多重共线性,该文利用偏最小二乘法,建立组合S型增长曲线,实例表明组合S型增长曲线预测结果精度高。

优化基于近红外光谱的联合间隔偏最小二乘法建模检测芝麻油掺伪含量

应用近红外光谱(NIR)分析技术建立测定芝麻油中大豆油含量的定量分析模型。基于32个含量梯度共384个掺伪芝麻油样品的近红外光谱,首先采用标准正态变量变换(SNV)对光谱进行预处理,再采用无信息变量消除法(UVE)初步筛选波长变量,然后结合联合间隔偏最小二乘法(SiPLS)和带极值扰动的简化粒子群优化算法(tsPSO)建立芝麻油中大豆油掺伪含量预测模型,经特征波段选取后建立的模型变量减少,波长变量由451个减少到219个,训练集和测试集相关系数分别为0.9998和0.9919,均方根误差分别为4.39E-2和3.99E-2。结果表明,该方法能够作为芝麻油中大豆油掺伪含量的快速检测方法。此外,该方法也可应用到芝麻油中掺入其他低价值油的掺伪含量检测中。

基于遗传算法和间隔偏最小二乘的苹果硬度特征波长分析研究

利用傅里叶近红外光谱(FT-NIRS)测定了苹果的硬度。通过使用几种基于遗传算法和间隔偏最小二乘法的特征波长选取方法,包括动态向后间隔偏最小二乘(dynamic backward version of interval PLS,dynamic biPLS)、动态向后间隔偏最小二乘结合遗传算法(dynamic biPLS & GA-PLS)和反复的遗传算法(iterative GA-PLS),分析了苹果硬度的特征波长。结果表明,运用遗传算法和间隔偏最小二乘选择特征波长后,不但可以降低模型的复杂度,同时能够达到提高模型预测精度的效果。在此基础上,研究分析了苹果硬度特征波长的物理化学意义。由于果胶是在苹果成熟过程中一种和硬度有很大关联的物质,通过比较苹果硬度的特征波长和果胶的特征吸收峰,发现两者具有有很好的一致性。因此,采用遗传算法和间隔偏最小二乘法得到的苹果硬度的特征波长能够反映果胶的吸收信息,从而解释了近红外技术检测苹果硬度的机理。

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。

改进偏最小二乘法在航空煤油的近红外光谱分析中的应用

针对建立近红外光谱定量分析的偏最小二乘校正模型时,存在变量多以及光谱复共线性多样化等问题,采用一种间隔组合偏最小二乘法(icPLS)的近红外光谱谱区选择方法用于建立航空煤油闭口闪点近红外光谱模型。通过与整个光谱参与建立的近红外光谱模型的分析比较,icPLS模型的预测均方根误差(RMSEP)和相关系数R2分别为1.08和0.8088,而全谱偏最小二乘法(PLS)模型的RMSEP和R2分别为1.6和0.7381.实验结果表明,采用改进偏最小二乘法所建模型更稳定可靠,预测结果也得到明显改善。

遗传算法结合区间偏最小二乘法在草莓酸度近红外光谱检测的研究

为探索近红外漫反射光谱技术快速无损检测草莓酸度的新方法,共采集了100颗草莓漫反射近红外光谱数据（波长范围1 000~1 800 nm）。通过采用标准正交变换（SNV）对原始光谱进行预处理后,将全光谱分为10个子区间,通过样本交互验证法优化每个子区间的最佳主成分数并计算区间对应的交互验证均方根误差（RMSECV）,得到第4个子区间（共80个特征波长）对应的预测均方根误差最小。采用遗传算法对第4子区间内的波数点进一步优选出1 483,1 482,1 485,1 460 nm 4个波数点,用这4个波长的光谱信息建立的草莓近红外酸度模型预测集相关系数为0.937 5,预测集均方根误差为0.072。结果表明：间隔偏最小二乘法结合遗传算法能筛选出最优波长并能减少建模所用变量,提高检测精度,保证模型的稳健性。

紫外光谱结合间隔偏最小二乘法测定短程硝化过程中硝酸盐氮和亚硝酸盐氮的含量

采用序批式活性污泥反应器(SBR)研究了短程硝化反应系统启动过程中,紫外光谱预测反应器出水中硝酸盐氮和亚硝酸盐氮的含量可行性。利用实验室配制不同浓度梯度的硝酸盐氮和亚硝酸盐氮混合溶液,以及反应器出水样品,采用间隔偏最小二乘法建立了样品中紫外光谱与硝酸盐氮和亚硝酸盐氮含量的定量分析模型。结果表明:采用实验室配制硝酸盐氮和亚硝酸盐氮混合溶液时校正集相关系数分别达到0.9993、0.9283,校正均方根误差分别为0.0257、0.3596,预测值与真实值的误差范围为-6.672%~9.097%和-21.839%~17.645%。采用反应器出水时校正集相关系数分别达到0.9799、0.9750,校正均方根误差分别为2.8847、4.5015,预测值与真实值的误差范围为-4.445%~5.505%和-7.791%~14.484%。模型总体预测效果较好,说明紫外光谱可以实现对生物短程硝化出水样品进行快速定性和定量分析。

基于iPLS原理最优化信息区间的桃糖度组合权重PLS模型研究

采用反向区间偏最小二乘法和组合区间偏最小二乘法优化桃糖度可见/近红外光谱的信息区间组合,在选择的信息区间的基础上建立了一种线性组合权重PLS模型.对近红外光谱进行二阶导数处理、卷积平滑校正后,发现在区间分割数为15时筛选结果最优,BiPLS所选择的信息区间为742～770nm和862～920nm,SiPLS所选择的信息区间为742～770nm、832～860nm和892～920nm.直接组合信息区间BiPLS和SiPLS模型的RMSEP值分别为0.386和0.308,线性组合权重PLS模型的RMSEP值分别为0.351和0.364.结果说明在近红外定量分析中线性组合权重模型的建立克服了复杂样品各信息区间对PLS建模贡献率不一样的问题.

间隔偏最小二乘-紫外光谱法海水硝酸盐最佳建模波长区间选取

利用紫外光谱结合偏最小二乘法(PLS)建立了海水硝酸盐浓度计算模型,并利用间隔偏最小二乘法(interval PLS,i PLS)对建模区间进行了优化。相比全波段建模,优化后模型校正集均方根误差(RMSECV)从39.1降低到9.83。同时利用35个预测集样本对i PLS优化模型进行验证,i PLS优化模型将预测样本平均相对偏差从3.23%降低到1.81%。研究结果表明,相比全波段建模,利用i PLS进行建模波长区间优化,不仅减少了自变量个数,简化了运算,同时提高了模型预测准确度。

LED光源的波段间隔选择在彩色视觉中的应用

在彩色视觉的应用中,当检测目标背景拥有多种颜色时,检测目标总是难以从复杂的背景的中区分出来。选择合适的光源波段能够提高检测目标与背景的分辨力。该文首先利用四块具有不同反射率的标准板,将各表面的反射函数进行标定。然后应用偏最小二乘法选择合适的光源波段间隔。变量在投影方向的重要程度(VIP)得分作为波段间隔选择的挑选依据。VIP得分>1.0的波段视为有效的波段间隔。最终选取三个波段间隔作为视觉系统的光源照明,并进行了实验同时区分开实验图像的各表面并提高其分辨力。实验结果验证了该方法的有效性。

硝基氧化剂中四氧化二氮含量的快速测定

硝基氧化剂是一种常用的液体推进剂,由于硝基氧化剂属于无机物,具有近红外光谱区域的信号相对较弱、关联性不强的特点,因此在进行近红外光谱快速分析研究时,采用一种间隔组合式的改进型偏最小二乘法(icPLS),通过特定方法筛选特征波长或波长区间,建立了硝基氧化剂的N_2O_4含量的近红外光谱分析模型,实现了硝基氧化剂的快速定量分析。通过与利用全谱建立的近红外光谱模型的分析比较,ic PLS模型的预测均方根误差(RMSEP)和R_p^2分别为0.26%(m/m)和0.8406,预测精度明显提高。实验结果表明,针对建立复杂样品且光谱信息关联性较弱的样品,ic PLS算法优于全谱PLS算法。该方法的应用对于建立近红外区域信息量不丰富的无机物的近红外定量分析模型具有重要参考价值。

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%。

相幅组合的函数型数据特征提取方法研究

当前函数型数据分析更多关注于函数的振幅变化而忽略相位变化,很多场合下,相位变化中含有对统计分析有用的信息。基于偏最小二乘法提出了相幅组合的函数型数据特征提取方法,首先使用函数对齐技术获得刻画相位变化的时间弯曲函数,再将对齐函数和弯曲函数通过分段函数的方式重新组合,最后利用偏最小二乘法提取相幅组合函数的成分特征,并应用在回归和分类模型上。实验结果表明,与主成分分析方法相比,所提方法具有更优越的预测性能。

基于PLS的组合预测模型及其应用

本文运用组合预测理论,利用偏最小二乘回归方法建立了基于灰色预测模型GM(1,1)、2阶自回归模型AR(2)和龚伯兹曲线模型的组合预测模型,并对农业贷款需求进行了预测。