用近红外光谱检测牛奶中的三聚氰胺

研究了用近红外光谱法快速定性和定量检测纯牛奶中三聚氰胺.实验分别配制了两组不同三聚氰胺含量的纯牛奶样品,用于定性和定量分析.通过近红外光谱与聚类分析法相结合,可将含有和不含有三聚氰胺的牛奶样品有效分类;结合光谱预处理和波长选择及模型优化方法建立的检测三聚氰胺的近红外定量分析模型具有较好的稳定性和预测能力.结果表明,近红外光谱分析是一种快速、方便和环保的检测乳制品中三聚氰胺的新方法.

PLS-BP法近红外光谱定量分析研究

建立BP模型用于近红外光谱定量分析时,为克服所建模型与训练样本集产生“过拟合”,先用线性算法为其压缩训练数据是必要的。目前多采用主成分法(PCA)和逐步回归法(SRA)。主成分法具有极强的压缩数据能力,用它压缩成的主成分输入BP网所建模型的预测精度一般能满足要求,但它处理数据时未考虑输出变量的影响。逐步回归法根据系统输出选择变量,但所选变量具有自相关性,而且与训练集样品的排列顺序有关,很难选出最好的变量,往往难满足预测精度要求。本研究用偏最小二乘法(PLS),根据输出变量将原始数据压缩为主成分,输入BP网并用所建模型预测30个小麦样品的蛋白质含量。结果表明,与PCA-BP模型的预测决定系数(R2)从92.50提高到97.10,训练迭代次数从12 000减少到4 500。

小波变换在土壤有机质含量可见/近红外光谱分析中的应用

使用高光谱仪ASD Field Spec在波长范围400-1 000 nm内采集有机质含量不同的土壤原始光谱;之后,求取土壤原始光谱及其A值的一阶导数（一阶导数光谱）;对以上两类一阶导数光谱进行小波去噪处理;并分析这两类一阶光谱在去噪前、后,光谱形态的变化情况,以及它们与有机质含量相关性的改善程度。结果表明：（1）土壤原始光谱及其A值的一阶导数中含有大量噪声,严重影响了对光谱曲线波形轮廓、特征信号点和有机质吸收特征的识别。（2）经小波去噪处理后,土壤原始光谱及其A值的一阶导数中的噪声被有效去除,一阶导数光谱的清晰度明显改善,光谱质量显著提高。（3）去噪后的土壤原始光谱的一阶导数,呈开口向下的＂喇叭口＂状,波长范围567-598 nm内与有机质含量呈较为稳定、显著的负相关性。（4）去噪后的土壤原始光谱A值的一阶导数,波形呈＂凹＂状,波长范围524-535 nm内与有机质含量呈比较稳定、显著的正相关性。

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。

红外光谱分辨率对气体定量分析的影响研究

利用不同分辨率(1,2,4,8cm-1)的红外光谱建立对多组分气体样本(一氧化碳、二氧化碳、一氧化氮)的定量分析模型,研究了分辨率对气体定量测量精确性的影响。研究发现:对于样本中的各气体组分,在合适的分辨率下都有其最佳的测量精确性;而对于模型的整体精确性,在高分辨率1和2cm-1以及低分辨率8cm-1时模型都有较好的精确性,各组分相关系数(r)均值达到0.9995以上,校正均方根误差(RMSEC)和验证均方根误差(RMSEP)的均值分别为18.36和15.43以下,而在分辨率为4cm-1时,模型测量精确性陡然降低,r均值降到0.98966,RMSEC均值为90.37,RMSEP均值为64.33。实验结果表明:光谱分辨率对气体定量分析有明显的影响。为提高定量分析测量的精确性,需要针对不同的待测气体和应用场合采用合适的分辨率参数。

二维近红外光谱定量分析内燃机油粘度指数性能的研究

针对常规近红外光谱技术测试内燃机油性能指标的不足,提出了以电压为外扰方式,获取内燃机油二维近红外光谱的技术。对内燃机油样品进行二维相关光谱分析可以定性分析内燃机油粘度等级。使用来自不同厂家、不同质量等级的35个内燃机油样品建立多维偏最小二乘(N-PLS)模型对内燃机油粘度指数进行了预测研究。结果表明,内燃机油的二维近红外光谱中含有与粘度指数相关的信息,使用N-PLS模型能够实现对内燃机油粘度指数的定量分析。该方法的提出为研究复杂对象性能指标的快速检测提供了一种新的技术手段。

近红外光谱法探索在线监测注射用五水头孢唑林钠干燥过程中的水分含量

目的建立在线监测注射用头孢唑林钠干燥过程中的水分含量测定方法。方法水分定量模型建模样品采以不同批次、不同干燥时间段五水头孢唑林钠原料为研究对象,结合干燥、引湿实验扩充样品水分范围,用积分球测定近红外漫反射光谱,并采用聚类分析挑选出建模光谱,光谱预处理方法为一阶导数+MSC法,谱段为7502~6499.2、5500.2~3 999.8 cm^(-1),回归方法偏最小二乘法。结果水分定量模型建模样品共计85个,水分含量质量分数为12.15%~16.41%,相关系数(coefficient of determination,R^2)为96.30,交叉验证均方差(root mean square error of cross validation,RMSECV)为0.181。外部验证样品52个,水分含量质量分数为13.28%~16.17%,外部验证均方差(root mean square error of predication,RMSEP)为0.149。模型专属性强,准确度、线性和精密度符合要求。结论建立的运用近红外监测注射用头孢唑林钠干燥过程的水分含量方法是可行的,为实现近红外在线干燥提供了实验基础。

光谱预处理对棉涤混纺面料近红外定量模型的影响

以46个棉涤混纺面料样品为研究对象，采集样品的近红外漫反射光谱，光谱范围为12000～4000cm^-1，利用偏最小二乘法建立定量校正模型，并用交叉检验法对模型进行检验，以交叉验证均方差RMSECV和决定系数R^2作为判断模型优劣的标准．对利用无光谱预处理、一阶导数法、二阶导数法、多元散射校正和矢量归一化五种不同预处理方法所建的模型进行了比较，发现对光谱进行矢量归一化预处理所建模型最优；此外还分析了建立纺织布料的近红外光谱定量分析模型时主要的误差来源及近红外光谱分析技术用于纺织面料定量分析的可行性．

人工神经网络-近红外光谱法定量分析Cofrel粉末药品

用人工神经网络(ANN)解析Cofrel药品的近红外(NIR)漫反射光谱,实现了对其有效成分磷酸苯丙哌啉的精确快速定量测定.设计了最好的ANN模型.分别讨论了输入层和隐含层节点数对测定结果的影响.用HPLC法的测定结果作为标准,磷酸苯丙哌啉浓度预测值的相对误差RE(%)<4.0%,可以应用于Cofrel药品实际生产中的质量控制.

主成分——逐步回归——BP算法在近红外光谱定量分析中应用的研究

本文提出一种新的Ｂ－Ｐ算法：主成分—逐步回归—ＢＰ算法．用于近红外光谱定量分析中，其所建模型的预测精度明显高于以往的逐步回归—ＢＰ算法和主成分—ＢＰ算法．

傅里叶红外光谱法测定罗汉果中罗汉果总甙含量

利用傅里叶变换红外光谱(FTIR)技术建立一种测定罗汉果中罗汉果总甙含量的新方法,通过最小二乘法拟合罗汉果总甙标准品红外光谱1059cm-1特征峰强度的标准曲线,得到回归方程,根据回归方程计算罗汉果样品甲醇超声波提取出物中的总甙含量。将计算结果分别进行精密度、重复性和稳定性检验,平行测定6次,罗汉果总甙的峰高相对标准偏差(RSD)分别为5.41%、5.47%和5.47%;FTIR法测定不同罗汉果样品的总甙含量与紫外分光光度计法的测定结果差异不显著(P>0.05)。本方法具有可行性与可靠性,能够满足实验室的准确度要求,可以作为罗汉果总甙定量测定的方法。

主成分──逐步回归法在近红外光谱定量分析中应用的研究

本文使用一种新的多元统计建模方法：主成分——逐步回归法，用于近红外光谱定量分析中，其预测精度接近偏最小二乘法．

人工神经网络-近红外光谱法非破坏定量分析Norvasc药片

用人工神经网络(ANN)解析Norvasc药片的近红外(NIR)漫反射光谱,实现了对其中有效成分苯磺酸氨氯地平精确的非破坏定量测定.设计了最佳的ANN模型,分别讨论了输入层和隐含层节点数对测定结果的影响.以HPLC法的测定结果为标准,苯磺酸氨氯地平浓度预测值的相对误差RE(%)<4.2%.

净信号的局部建模算法及其在近红外光谱分析中的应用

提出了一种基于净信号分析的局部建模算法,以克服光谱定量分析中样本间差异性过大和样本待测性质与光谱之间存在非线性等问题。首先利用净信号分析方法得到校正样本和待测样本的净信号,然后用待测样本净信号和校正样本净信号之间的欧式距离作为样本相似性判据,选取一定数量的与待测样本最相似的校正样本组成局部校正子集,建立局部PLS回归模型。针对一组猪肉近红外光谱数据集的实验结果表明,该方法的预测精度显著优于全局建模方法和基于光谱欧式距离的局部建模方法。

基于近红外频域自适应分析法的电煤发热量模型研究（英文）

目前由于部分电站锅炉所用到的燃煤大多为配煤,在有些情况下,其复杂的物理化学特性导致难以获得高精确度的常规近红外定量分析模型,这给电煤发热量的在线检测带来了一定困难。针对该问题,深入研究了电煤近红外光谱时域和频域特征,提出一种能够通过全局优化策略自动在频域内建立最优近红外定量分析模型的新方法—频域自适应分析法。该方法首先将时域近红外光谱通过快速傅里叶变换转换为频域近红外信号;然后采用有效光谱能量率得到合适的频域信息范围;接着根据近红外光谱频域下的相关系数谱图、方差谱图以及谐波在频域中的坐标合理构建了频域信息量评价参数,利用该参数对模型输入变量的种群位置进行初始化;最后采用频域分区搜索和综合性能评价函数得到最佳建模方案。与此同时,结合电煤煤粉近红外图谱的特性,并以其发热量为待测目标对该方法进行了验证,取得相对较好实验效果,与传统方法主成分回归、偏最小二乘回归、反向传播神经网络以及基于遗传算法的偏最小二乘回归和支持向量机回归相比,该方法预测精度更高,并且有效避免了频域随机搜索潜在的过拟合和虚假有效模型的弊端,具有良好的应用前景。此外,该方法也可推广用于其他类型的光谱定量分析。

主成分分析-二阶导数在中红外光谱定量分析中的应用

介绍了运用最小二乘法建立傅立叶变换中红外光谱定量分析模型的原理和方法。以苯甲酸和邻苯二甲酸氢钾为实验材料获取红外吸收光谱,采用MATLAB工程语言编程,分别以吸收光谱和二阶导数光谱为校正集样本,采用主成分分析方法对样本进行优选压缩,以建立了中红外光谱定量分析模型。用此模型预测混合物的含量,预测值与实际值的相对误差小于5.0%。

PLS法和PCA法在近红外光谱定量分析中的应用研究

利用啤酒的近红外光谱数据比较了 PLS(偏最小二乘法,partial-Squares)和 PCA(主成分回归法,principal componentregression)两种方法在近红外光谱定量分析中的应用。并应用所建模型预测了 21 个啤酒样品麦芽的含量,结论为两种方法均适合近红外光谱定量分析,PLS 法所得预测结果准确度更高。

尿素的无机酸盐的光谱定量方法研究

光谱分析是尿素的无机酸盐的合适定量方法。试样制成标准溶液，用ＦＴ－ＩＲ光谱仪收集１９００～１４００ｃｍ－１范围的光谱可得到基线稳定、强度变化敏锐的羰基、胺基分析峰。根据其回归方程可确定吸光度－浓度工作曲线及线性回归线的置信区间和检测上下限。本文还讨论了溶剂对尿素的不同无机酸盐的回归曲线的影响。

回归系数迭代改进法在近红外光谱定量分析中应用的研究

本研究对多元线性回归模型中的残差部分再次进行回归分析 ,提取其中与自变量相关的成分 .用所得回归系数与初次回归所得系数相加作为新的回归系数 ,建立改进的回归方程 .将此建模方法用于近红外光谱定量分析 。

近红外光谱分辨率对定量分析的影响

利用近红外光谱建立了多组分混合物中对乙酰氨基苯酚和乙水杨胺的定量分析模型。定量模型可以快速准确地测定混合物中对乙酰氨基苯酚和乙水杨胺的含量。研究发现,光谱分辨率对定量分析模型有重要影响。以光谱分辨率4cm-1获得的光谱数据建立的对乙酰氨基苯酚定量模型,其校正集回归系数达到0·9992;其标准偏差为0.2120;同时模型的验证集回归系数为0.9996,而标准偏差达到0.1848。以分辨率1cm-1和8cm-1收集的光谱为基础获得的定量模型,其预测能力呈现不同程度下降趋势。研究结果表明,针对具体样品的特定组分,需要选择合适的光谱分辨率,进而获得最佳的定量分析结果。