近红外光谱快速鉴别不同产地药用植物重楼的方法研究

重楼属植物极具药用价值，野生资源主要分布在我国西南省区。应用近红外漫反射光谱，以贵州、广西和云南三个不同产区的70份野生药用植物重楼为研究对象进行产地鉴别。采用多元信号校正、标准正态变量、一阶导数、二阶导数、Norris平滑和Savitzky-Golay 滤波六种方法，对训练集（50份样品）原始光谱进行优化处理。结果表明，多元信号校正结合二阶导数和Norris平滑预处理光谱效果最好。采用光谱标准偏差选择光谱波段（7450～4050 cm -1），结合主成分-马氏距离（principal component analysis-mahalanobis dis-tance ，PCA-MD）建立分类模型，前三个主成分累计贡献率、R2、RMSEC 和 RMSEP 分别为89.44％，97.58％，0.1796，0.2664，预测正确率90％；采用变量重要性图选择光谱波段（7135.33～4007.35 cm -1），结合偏最小二乘判别分析法（partial least square discrimination analysis ，PLS-DA ）建立判别模型，前三个主成分累计贡献率、R2、RMSEC和RMSEP分别为89.28％，95.88％，0.2348，0.3482，预测正确率为100％。比较两种方法的结果可知：采用变量重要性图方法选择光谱波段结合偏最小二乘判别分析法建立的判别模型能更准确地鉴别不同产区的重楼，该方法的建立为中药材真伪和品质评价奠定基础。

基于监督学习的紫外-可见光光谱水质在线异常检测方法研究

水资源关系到国计民生,近年来时有发生的水污染事件使污染物入侵预警得到了广泛的社会关注。针对现有基于紫外-可见光光谱的水质异常检测方法存在的检出下限偏低的问题,提出一种基于监督学习的紫外-可见光光谱水质异常检测方法。该方法首先获取不同数据集中的正常样本差异性空间,再使用正交投影方法去除差异性空间中的光谱数据分量,以达到基线校正的目的;然后采用偏最小二乘判别分析从校正后的光谱中提取特征,利用训练集得到的最优阈值确定离群点;最后采用序贯贝叶斯滚动更新每个时刻上的异常概率,确定水质报警序列。实验选用苯酚作为模拟污染入侵事件的注入试剂,采样2周内的紫外-可见光光谱数据,在实验平台上对提出的方法进行了验证。实验结果表明,采用的正交投影基线校正方法可以消除不同批次水质光谱的背景差异,更为充分的利用了光谱信息,降低了对特征污染物的检出下限。