基于PLS-LDA和拉曼光谱快速定性识别食用植物油

以6种食用油共计23个样本为分析对象,采用偏最小二乘线性判别分析法(PLS-LDA)和拉曼光谱进行单一种类(橄榄油、花生油和玉米油)食用油快速定性检测,通过自适应迭代惩罚最小二乘法(airPLS)对拉曼信号进行背景扣除,以及蒙特卡洛无信息变量消除法筛选波长变量,不但有效减少了波长点数,降低了建模运算量,而且提高了单一种类食用油的识别率,使得总体识别率均高于90%,并在此基础上进一步提出了采用PLS-LDA进行多种类食用油识别的检测流程。实验结果表明PLS-LDA在食用油定性识别检测中具有较好的应用前景和可行性,该方法也可为定性检测食品及农产品品质提供借鉴。

BiPLS结合GA优选可见/近红外光谱MLR变量

利用反向区间偏最小二乘法(BiPLS)定位光谱糖度若干信息区间,运用遗传算法(GA)从中选择波长点,建立了多元线性回归(MLR)模型。光谱进行卷积平滑和二阶导数处理后,将光谱(225个数据点)分割成25个子区间时,BiPLS优化结果最优。在所定位的信息区间进行GA二次选择特征变量,运行100次依次选择入选频率较高的12个波长点。为简化MLR模型,对于入选的相邻波长选择频率较高者,最后选择638,734,752,868,910,916和938nm作为回归变量,建立的MLR预测模型相关系数(R2)、校正均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为0.984,0.364和0.471,优于常用的逐步多元线性回归的建模结果。表明BiPLS结合GA可以有效地对李子糖度可见/近红外光谱MLR回归变量进行筛选,提高了模型的精度。

基于过程数据的动态PLS建模

许多工业过程中获得的输入输出数据在时间、空间上是高度相关的,且含有测量噪声。针对此类数据,提出采用动态PLS方法,最大化输入和输出变量矩阵之间的协方差,保留大部分有用信息,去除测量噪声,把高维数据空间降维,建立较为精确的工业过程数学模型。提出对MIMO系统进行研究,推导了可直接用于控制的动态PLS模型数学公式。对一个工业过程实例进行仿真,分别应用动态PLS回归和线性回归MLR方法,得出的结果经分析验证了此算法的有效性。

PLS2回归计算顾客满意度指数

介绍了PLS2回归计算顾客满意度指数的建模方法.对于算法中涉及的求高阶实对称阵的最大特征值及其特征向量,采用幂法加以实现.给出了一个具体例子,计算出了顾客满意度、忠诚度等二级指标的值,并对此做了简要分析.PLS2回归较好地克服了各指标间的多重共线性问题,通过此方法求得的顾客满意度指数更准确、合理.

CARS结合PLS-LDA法识别奶牛饲料中土霉素的可行性研究

收集了一年内不同月份不同种类的纯奶牛精补料20个,制备土霉素含量不同的掺假奶牛精补料100个,在全光谱范围内对样品进行近红外透反射光谱扫描,利用CARS法对光谱数据进行前处理,采用偏最小二乘-线性判别分析(PLS-LDA)法来建立判别模型。建立的PLS-LDA模型的交互验证最小错误率为0.0729,模型错分率为0,模型预测错误率为0.0417。说明利用近红外光谱技术建立定性判别模型来检测奶牛饲料中是否掺有土霉素是可行的。

LISREL与PLS建模方法的分析与比较

LISREL与PLS建模方法是目前结构方程建模最流行的两种方法。详细分析两种建模方法,尤其是PLS建模方法;并在此基础上对两种建模方法进行比较,给出各自的应用条件。

基于PLS建模在近红外光谱分析中的应用展望

对中国近年来基于偏最小二乘法(PLS)建模在近红外光谱分析中的应用情况作了综述,对基于偏最小二乘法(PLS)建模与其他方法单独建模的研究、非线性偏最小二乘法的建模过程及其在近红外线光谱分析中应用、基于偏最小二乘法(PLS)建模在近红外光谱分析中应用进行了展望。

基于PLS成分的变量筛选法

就多元线性回归模型,提出一种基于PLS成分的变量筛选法。其基本思想是利用偏最小二乘回归原理,提取系统的两个主要成分,然后根据变量入选原则,保留对因变量影响较大的变量;再利用PLS成分筛选剩下的变量,经有限次筛选,即可得到最佳变量子集。应用算例证实了这一方法的有效性和可行性。

PLS回归应用实例

在研究因变量y与p个自变量的线性回归关系时 ,常遇到自变量间存在多重共线性的问题。文献 [3]介绍了用PLS回归来消除多重共线性的方法。本文通过两个例子的计算建立PLS回归 ,并发现了PLS回归实施过程中的若干问题 。

基于人血浆荧光光谱与CARS-PLS-LDA的结直肠癌早期检测

该文利用竞争性自适应加权算法(CARS)筛选重要的人血浆荧光光谱变量,并结合偏最小二乘法判别分析(PLS-LDA)建立了结直肠癌患者与非癌患者的分类模型,同时与全波长模型和基于平行因子分析(PARAFAC)建立的模型进行比较。从模型评价指标看,CARS-PLS-LDA的性能显著优于全波长模型和基于PARAFAC的模型。高波未稀释组和低波稀释组的荧光光谱结合CARS-PLS-LDA分类模型的AUC(Area under curve)值均高于0.9,可有效地识别结直肠癌患者。结果表明,CARS变量筛选能够明显改善结直肠癌分类模型的性能,有助于后续癌症临床诊断工具的开发与研究。

17集总动力学模型和线性PLS模型在连续重整装置芳烃收率在线预测上的应用

本论文将17集总反应动力学模型和线性回归模型用于在线预测工业级连续重整装置的芳烃收率。首先对17集总模型进行了简化处理从而提高模型计算速度,然后使用偏最小二乘法(PLS)对线性回归模型的参数进行估计,从而提高模型求解精度和稳定性。离线验证结果证明两个模型都是非常适合的。在此基础上,提出了有效的在线预测和在线校正策略,两个模型的在线预测精度分别是0.52wt%(重量百分数)和0.39wt%,与离线模拟精度几乎相当。两个模型可以同时用于在线预测,发挥各自的优势。

指纹图谱技术结合化学计量学方法鉴别制首乌产地的研究

目的建立一种指纹图谱技术结合化学计量学方法的制首乌产地快速鉴别方法。方法建立33批不同产地制首乌的指纹图谱并对其进行相似度评价,对色谱峰信息进行偏最小二乘判别法分析(PLS-DA)和线性判别分析。结果以对照指纹图谱为参照,不同批次药材间化学成分及含量差异较小,采用指纹图谱结合相似度的评价方法无法对其产地进行区分;选取PLS-DA分析法,基于变量权重重要性排序(VIP)值确定其中的差异标志物,由此建立不同产地制首乌的线性判别函数模型并对不同产地制首乌进行预测,模型对测试集的验证结果良好。结论指纹图谱技术结合化学计量学方法可作为一种有效鉴别不同产地制首乌的方法。

基于NNPLS的电子政务公众满意度测评

构建了电子政务公众满意度测评模型。将神经网络偏最小二乘法(neural networks partial leastsquares,简称NNPLS)应用到电子政务公众满意度测评中。实证研究的结果表明,NNPLS与传统顾客满意度测评模型所采用的偏最小二乘法(PLS)相比,NNPLS收敛速度快,求解稳定,具有较好的拟合效果和较高的预测精度。

多项式偏最小二乘法对非线性体系红外谱图的分析

文章利用了一种非线性模型多项式偏最小二乘法(PPLS),结合傅里叶变换红外光谱遥感技术,对大气中的五组分混合体系进行了同时分析。并与偏最小二乘法(PLS)得到的结果进行了比较,PPLS显示出较好的处理非线性数据的能力。尤其是对混合物中的苯和氯仿的预测,均方根预测误差(RMSEP)分别是0.043和0.087,用PLS预测相应的RMSEP为0.402和0.842。PPLS的这一预测精度,可以满足遥感傅里叶变换红外光谱对大气中有毒气体的实时、在线监测的需要。同时PPLS可以用较少的潜变量对变量进行解释,显示出PPLS模型的稳健性和简单化。

灰色软测量在球磨机料位检测中的应用

火力发电厂锅炉制粉系统的主要设备之一——球磨机的运行状况优劣在一定程度上决定了电厂的经济运行好坏,本文将非线性PLS回归方法与灰色一致相关联理论相结合用于球磨机料位的软测量,通过对球磨机筒内料位的监测来控制给煤机转速以使球磨机处于最佳运行工况,从而获得最小制粉单耗。工程应用结果表明,该软测量方法具有较高的估计精度,可满足实际需要,解决了由于安全保守运行而导致磨长期低负荷运行的不经济状况。

基于线性回归算法的春玉米叶面积指数的冠层高光谱反演研究

利用辽宁锦州地区2013年生长季不同土壤水分控制条件下的春玉米冠层高光谱数据,及对应的植株叶面积指数(leaf area index,LAI)数据,分析在不同发育期内不同生长状况下的春玉米冠层高光谱特征及其与植株叶面积指数的关系。采集并计算共313组有效样本,包括350~2 500nm波段范围光谱的反射率、反射率倒数的对数、反射率一阶导数及LAI,应用多元逐步线性回归法和偏最小二乘回归法,对剔除了受大气水分影响较为严重光谱波段的其他波段数据进行降维,构建叶面积指数的全波段冠层高光谱数据模型,并进行精度检验与比较。结果表明,春玉米LAI与光谱反射率在可见光波段(350~680nm)、红外波段(1 430~1 800和1 950~2 450nm)均呈显著的负相关;反射率倒数的对数在对应区间为显著的正相关;反射率一阶导数则在可见光和近红外波段(350~1 350nm)存在较显著相关波段。三种全波段冠层高光谱数据在春玉米LAI的线性回归中,偏最小二乘法在以冠层反射率为自变量的模型构建中,比多元逐步线性回归拟合度好,其总均方根误差为0.480 7;以冠层光谱反射率的倒数的对数及一阶导数为自变量,应用逐步线性回归法建模,拟合度较好,其总均方根误差分别为0.333 5和0.348 8;三种光谱数据的春玉米LAI两种回归算法中,以冠层反射率倒数的对数为自变量,应用逐步线性回归方法建模的拟合度最佳。

NNPLS方法在顾客满意度测评中的应用

分析了顾客满意度测评模型中各变量间存在的非线性关系,将神经网络偏最小二乘法(NNPLS)应用到顾客满意度测评中。算例的计算结果表明,与传统顾客满意度测评模型所采用的偏最小二乘法,以及神经网络的方法相比,NNPLS具有更高的拟合精度和较低的预测误差。因此NNPLS在顾客满意、顾客忠诚与其影响因素之间建立了一个稳健的模型,并为顾客满意度测评提供一种新的思路。

煤质的近红外光谱定量分析研究

实验中首先采用多元散射校正(MSC)的方法对煤粉样品的漫反射光谱进行了预处理,然后分别通过偏最小二乘法(PLS)和主成分分析(PCR)的方法建立煤粉样品的近红外光谱的全水分、挥发分和灰分的定量分析模型,通过预测集对建立的模型进行验证,发现利用偏最小二乘法建立的煤粉全水分模型最优,r=0.975,RMSEC=0.166,RMSEP=0.169,RPD=3.22,通过主成分分析方法建立的挥发分和灰分的模型最优,最后通过选取验证集样本对建立的模型进行了验证,得出利用近红外光谱分析技术间接对煤质进行定量分析是可行的。

InP/GaAs/InPⅡ型量子阱的光致发光研究

报道了用金属有机化合物化学气相沉积技术生长ＩｎＰ／ＧａＡｓ／ＩｎＰ量子阱结构，通过线性形变势理论计算表明该结构为Ⅱ型量子阱结构．

基于偏最小二乘的风电机组发电效率提升性能评估

为了评估风电机组技术改造的效果,需利用运行数据对其发电功率进行建模。采用偏最小二乘(PLS)回归的方法为风电机组的发电功率进行分段线性建模。其输入包含与本机相关性较高的相邻机组的运行数据,但不包含风速测量值,以避免因测量精度低和输入变量维数少而导致的模型精度低的问题。将得到的模型应用在改造后的机组上。对真实输出和模型输出进行比较,以评估改造对发电功率提升的有效性。该方法完全基于数据,而无需机理模型或知识,为评估系统改造效果提供了一种切实可行的新思路,可用于各种复杂系统。金紫山风场的建模和应用结果证明,目标风机机组的改造提升效果明显。