KNN-KSR建模方法及其在卷烟主流烟气预测中的应用

提出在自变量空间寻找与未知样本最接近的K个已知样本,然后根据K个最近邻样本(KNN)与未知样本在自变量空间的关系去预测未知样本因变量的最优化保形映射方法(简称KNN-KSR)。以卷烟的稀释率、闭式吸阻、单支重、圆周、开式吸阻、硬度等6个物理指标及总糖、还原糖、总氮、总植物碱、氯等5个化学指标为自变量,以企业生产的595批卷烟测试数据为基础,采用KNN-KSR方法预测卷烟主流烟气中的焦油、CO、烟气烟碱,并将有关结果与传统多元线性回归(MLR)、主成分回归(PCR)及偏最小二乘(PLS)的结果进行了比较。留1/4样本检验结果表明:KNN-KSR方法各指标预测平均残差、平均相对误差(绝对值)、相关系数和准确率均优于传统的MLR、PCR及PLS的方法。以GB5606.5-2005所规定的误差范围为标准,用KNN-KSR方法对3个卷烟主流烟气指标的同时预测准确率可以达到94%。

紫外、近红外、多源复合光谱信息的银杏叶质量快速分析

为考察不同类型光谱信息用于银杏叶质量快速分析的适应性,收集了58个银杏叶样品,采用高效液相色谱方法(HPLC)测定其黄酮及内酯类活性成分的含量作为定标和检验样本的因变量(y)值,测定各样品的紫外、近红外光谱及包含紫外、可见及近红外信号的多源复合光谱信息作为样本的自变量(x)值;分别采用偏最小二乘回归(PLSR),以及根据待测样本在自变量空间最近邻K个样本与待测样本间的相互关系去预测其因变量值的KNN保形映射(KNN-KSR)方法,建立银杏叶活性成分的光谱定量分析模型,比较各光谱模型下检验集样本实测值与模型值的相关系数(R)、均方根偏差(RMSEP)、平均相对误差(MRE)。结果表明PLSR方法所建立的三类光谱模型的各项指标均不及KNN-KSR方法、且其紫外光谱模型的结果极差;而采用KNN-KSR方法根据三类光谱信息预测银杏叶中黄酮、内酯类成分时,R基本能达到0.8、RMSEP分别小于0.05与0.025且其平均相对误差均在8%以下。采用KNN-KSR方法根据紫外、近红外及多源光谱信息均可实现对银杏叶中四类黄酮醇苷成分及三类内酯成分含量的快速分析,突破了现有工作只是基于PLSR方法、根据近红外光谱信息对银杏叶总黄酮醇苷进行定量分析的局限;利用紫外和多源复合光谱信息及KNN-KSR方法进行银杏叶中黄酮醇苷及内酯类成分的快速检测,为银杏叶质量分析提供了更多的方法和选择。多源复合光谱仪具有体积小、成本低,便携的优点,非常适合银杏叶药材现场采购的快速检测及后续产品的质量分析与监控。

利用近红外光谱进行婴幼儿乳粉中营养物质含量的快速检测

婴幼儿乳粉的质量和安全日益受到人们的关注,研究了利用近红外漫反射光谱进行乳粉中各类营养物质含量的快速无损检测的适应性。以156个乳粉样本作为样本集,分别采用偏最小二乘回归(PLSR)和KNN保形映射(KNN-KSR)算法建立含量范围分别为14.5%~23.1%(蛋白质、脂肪)、(5.6~9.2)mg/g(钙)、(1.29~10.2)mg/100 g(锌、V_(B2))、(0.34~1.47)mg/g(Vc)的营养物质近红外定量分析模型。PLSR与KNN-KSR预测各类营养物质含量的平均相对误差分别小于5%与3%,2种方法对Vc的预测误差最大。不同光谱预处理方法所得结果显示一阶导预处理结果更为理想,可使每种营养物质的预测平均相对误差降低0.1%以上。将样品按照Vc浓度的量级划分为2个区间分别建立模型,平均相对误差较整个浓度区间建模结果减小1%以上。利用PLSR与KNN-KSR方法基于近红外光谱信息可快速预测乳粉中不同浓度量级的营养成分,KNN-KSR的预测效果更佳。为获得准确的预测结果,建议采用同量级浓度样品建立乳粉营养成分的近红外定量模型并分浓度区间进行应用。