磷灰石主、微量元素的偏最小二乘判别分析在斑岩型矿床中的应用

如何区分成矿和不成矿斑岩,以及斑岩型铜和钼矿床成矿岩浆存在何种差异一直是矿床学界关心的科学问题。本文选取不同类型(包括成矿斑岩、不成矿斑岩、含铜矿斑岩、含钼矿斑岩等)斑岩中的岩浆磷灰石作为研究对象,通过多元统计方法(PLS-DA)对其进行聚类分析,尝试通过磷灰石的元素特征区分出成矿与不成矿斑岩以及形成不同矿种的斑岩,进而为副矿物找矿提供理论依据与技术支撑。通过PLS-DA模型的建立与讨论分析,发现根据岩浆磷灰石的Cl、SO_(3)、La、Ce、Eu、Sr、Y、Yb、Th等元素含量的差异,指示成矿斑岩的岩浆相比于不成矿斑岩的岩浆具有较高的氧逸度和水含量,且斑岩铜矿相比于斑岩钼矿具有相对高的岩浆氧逸度和较低的岩浆演化程度。

利用代谢组学方法分析生防菌抑菌机理模式的初步建立

应用9种杀菌剂来处理尖孢镰刀菌,通过HPLC/Q-TOF方法进行代谢轮廓分析。结果表明:不同菌剂处理后的尖孢镰刀菌代谢组显著差异,PCA分析可将其分为6组。将6组杀菌剂作为训练样本集,建立杀菌剂对尖孢镰刀菌抑菌机理的PLS-DA模型。以枯萎病生防菌短短芽胞杆菌为测试样本,利用该模型对其活性物质进行了抑菌机理的分析判别,发现其作用方式与嘧菌酯、氰霜唑类似,即通过抑制病原菌的呼吸作用而发挥抑菌功能,说明利用该模型判别生防菌对尖孢镰刀菌的抑菌机理是可行的。

基于高光谱成像技术的滩羊肉新鲜度快速检测研究

滩羊肉的新鲜度是其品质安全的一个重要衡量指标,也是肉品品质安全控制的关键环节。挥发性盐基氮(TVB-N)是表征肉品腐败过程主要的化学信息,能有效地评价出滩羊肉的新鲜度。然而,TVB-N的传统检测过程繁琐且人为影响因素大,检测结果缺乏客观性和一致性,不能满足当今肉品检测过程无损、快速、高效的需求。高光谱成像技术符合现代检测技术向多源信息融合方向发展的需求,已在食品安全领域得到广泛应用。利用可见/近红外高光谱成像技术(400~1 000 nm)结合动力学和化学计量学方法以及计算机编程技术,将同时实现滩羊肉贮存期内(15℃环境)TVB-N浓度的快速检测和贮藏期的预测。研究中提取每个样品感兴趣区域的平均光谱数据,选用蒙特卡洛算法剔除异常样本。采用X-Y共生距离(SPXY)法划分为校正集和预测集,分别选用多元散射校正(multiplicative scatter correction,MSC)、卷积平滑(savitzky-golay,SG)、标准变量变换(standard normalized variate,SNV)、归一化(normalization)、基线校准(baseline)五种方法对原始光谱数据进行预处理,优选出最佳预处理方法。采用竞争性自适应重加权法(campetitive adaptive reweighted sampling,CARS)和连续投影算法(successive projections algorithm,SPA)分别提取了21个和6个特征波长。为优化模型并提高其模型精度,采用SPA算法对CARS所选特征波长进行二次提取,优选出14个特征波长。基于所提取的特征波长建立TVB-N浓度的PLSR模型,优选出SNV-CARS-SPA-PLSR模型具有较高的预测能力(R^2 c=0.88,RMSEC=2.51,R^2 p=0.65,RMSEP=2.11)。同时,建立了滩羊肉TVB-N变化与贮藏时间的动力学模型,并将优化后的光谱模型和动力学反应模型相结合建立了滩羊肉光谱吸光度值与贮藏时间的高光谱动力学模型,实现对贮藏时间的预测,并通过PLS-DA判别模型对滩羊肉贮藏时间进行判别分析(校正集判别准确率为100%,预测集为97%)。研究表明,利用可见/近红外高光谱成像技术结合动力学和化学计量学方法以及计算机编程技术,可以有效地实现滩羊肉品质智能监控与质量安全快速无损分析,为开发实时在线检测装备提供理论参考。

基于高光谱成像技术的药用胶囊铬含量快速检测方法研究

研究了基于高光谱成像技术快速检测药用胶囊铬含量的方法。首先应用传统的原子吸收分光法对药用明胶空心硬胶囊分析结果作为对照组,再对1048个胶囊(含正常和含有重金属铬)样本的高光谱数据进行降维和定性分析,最后选择偏最小二乘判别分析方法对光谱数据进行处理。当用4个偏最小二乘算子(LV)作为偏最小二乘法模型中的输入特征,分类准确率可达100%,2种样本的交叉验证和样本预测相关系数分别为0.923和0.972;敏感度与特异度均为100%。

利用近红外吸收光谱对水稻种子活力的判别方法

为了实现对水稻种子活力的无损检测,采用近红外光谱分析技术,通过近红外光谱仪采集单粒水稻种子的透射光,比较不同的预处理方法的偏最小二乘判别分析模型(Partial Least-Squares Discriminant Analysis,PLS-DA),选择归一化+二阶差分+正交信号校正(Orthogonal Signal Correction,OSC)的预处理方法对透射光谱进行预处理,得到的日本晴种子的建模集识别率为94.44%,检验集识别率为91.67%;9311种子的建模集识别率为98.61%,检验集识别率为91.67%。表明该光学系统和数据处理模型对水稻种子的活力辨别具有较高的准确率。