水中油测试仪器的研制与开发

介绍了水中油系列测试仪器的研制与开发过程,分析了水中油测试仪器的需求、企业发展战略、主要攻关内容及成果,介绍了自动萃取器和溶剂回收附件。为具有自主知识产权的“MadeinChina”分析仪器主导市场提供初始案例。

基于支持向量机的近红外特征变量选择算法用于树种快速识别

将稳定度自适应重加权采样特征变量选择算法用于支持向量机定性分析(Support vector machine-stability competitive adaptive reweighted sampling,SVM-SCARS)。该算法通过对数据多次采样建模计算各变量的稳定度值,稳定度值能更加客观准确地评估变量在建模中的作用,因此可作为变量重要性的评价依据。通过循环迭代方式,采用自适应重加权采样技术逐步筛选变量,然后以每次循环所得变量子集建立SVM模型,并以模型交叉验证分类正确率(Correct classification rate of cross validation,CCRCV)评估子集优劣,确定最优特征变量子集。将该算法结合漫反射近红外光谱技术建立了制浆造纸常用木材的树种识别模型,实现了对4种桉木和2种相思木的快速识别分类。最终共筛选出15个特征变量建立分类模型,模型对各树种分类的正确率达97.9%,具有较好的分类效果。与全光谱模型和递归特征消除支持向量机模型相比,SVM-SCARS能够筛选出更少的特征变量,且模型具有更好的预测性能和稳定性。研究结果表明,SVM-SCARS算法能够有效优化光谱特征变量,提高近红外在线分析模型在木材材性分析中的稳健性和适用性。

近红外光谱结合支持向量机快速识别树种

利用阿达玛变换近红外光谱结合支持向量机,对制浆造纸常用木材树种的快速识别进行研究。将各树种近红外光谱先进行多点平滑和标准正态变换预处理以消除噪音干扰和光散射导致的测量偏差,然后基于不同建模策略建立一对多和一对一两种支持向量机模型,考察这两种模型对多树种属间分类和种间分类的预测能力,并与传统的偏最小二乘判别分析分类法进行对比。结果表明,支持向量机预测模型对桉木、相思木、杨木、水杉等树种的属间分类正确率达到98%以上,种间分类正确率均达到95%以上,在处理复杂分类问题时模型稳健性明显优于传统分类方法,从方法上证明了近红外技术工业化应用的可能性,为进一步建立近红外在线检测木片材性分析系统奠定了基础。

利用近红外光谱快速分析制浆木片水分

针对实际生产中多采用混合品种木片制浆的情况,探讨了利用近红外光谱分析技术对混合木片的水分含量进行快速测定的可行性。通过国产便携式阿达玛光谱仪采集183个木片样品的光谱,经过预处理后,利用偏最小二乘法和完全交互验证方式建立4组木片的近红外光谱数据与其水分含量之间的关联模型。4个模型的相关系数均达到098以上,交叉验证均方根标准差在3%以内,相对分析误差值在68-103之间。利用建好的模型对预测集样品的水分含量进行预测,其中全局模型的预测标准差在127-240之间,结果较为精确。结果表明,尽管木材品种对木片近红外光谱水分特征吸收存在一定的影响,但在光谱预处理后,再以纯种木片与混合木片一起建立的全局模型,具有较好的适应性和较高的预测精度,可用于实际生产中快速测量混合木片的水分含量。

阿达玛变换近红外光谱仪

本文总结了近红外光谱仪已有各种分光技术的优缺点,介绍了阿达玛变换分光技术的基本原理,并对HT100阿达玛变换近红外光谱仪的系统结构、组成和仪器技术指标进行了介绍,利用HT100型阿达玛变换近红外光谱仪对汽油研究法辛烷值进行了实证预测研究,研究表明预测结果满足国家标准方法的要求。阿达玛变换近红外光谱仪有望成为下一代便携式近红外光谱仪。

制浆材综纤维素和聚戊糖含量的近红外预测

用传统方法测定了156个制浆材样品的综纤维素和聚戊糖含量并采集了样品的近红外光谱。对原始光谱进行多元散射校正后,运用偏最小二乘法和交互验证的方法,确定最佳主成分数分别为9和10并建立样品综纤维素和聚戊糖含量的校正模型。独立验证中两个模型的决定系数R_（val）~2分别为0.903 4、0.940 1,预测均方根误差（RMSEP）分别为0.69%、0.78%,相对分析误差（RPD）值分别为3.22、4.09,绝对偏差（AD）分别为-1.00%~1.20%、-1.39%~1.31%,两个校正模型较好地预测了验证集样品的综纤维素和聚戊糖含量,基本满足制浆造纸工业中快速测定的需求。

近红外光谱法快速测定速生相思的材性

为了实现制浆原料材性的快速测定,用常规方法测定了147个相思木材样品的化学成分和基本密度,并采集了样品的近红外光谱。对原始光谱进行预处理后,运用偏最小二乘法和交互验证的方法,建立样品综纤维素、木质素、苯醇抽出物、基本密度的校正模型,4个模型建立过程中所提取的最佳主成分数分别为10、8、9和9。对4种校正模型进行独立验证,得到其决定系数（R2val）分别为0.910 3、0.950 5、0.970 6和0.969 5;预测均方根误差（RMSEP）分别为0.45%、0.32%、0.21%和0.007 1 g/cm3;相对分析误差（RPD）值分别为3.34、4.50、5.82、5.73;绝对偏差（AD）分别为-0.60%～0.68%、-0.50%～0.48%、-0.29%～0.33%和-0.009 7～0.009 1 g/cm3,RMSEP和AD基本符合测定对误差的要求,4个模型能够满足制浆造纸工业中速生相思木材的快速测定。

在线荧光测油仪的研制

采用近现代紫外荧光测量技术,针对水质常规检测指标,围绕水环境质量在线监测、水污染事故应急监测、水环境污染源监测等方面需求,研制水中油在线荧光分析监测产品;仪器采用模块化结构设计,双光路、双通道、双测量采样、嵌入式系统控制、数据自动采集、存储和发送。采用低功耗255nm的LED灯激发光源,光电倍增管作为荧光检测器,可以检测水面表层至10m水深的油品含量。创新的采样流路设计,可有效地避免日光对测量的影响,及有效地清除长期使用过程中水中物质对流路的污染。

人工神经网络结合近红外光谱测定制浆材材性

用常规方法测定了141个制浆材样品的综纤维素、木素和苯醇抽出物含量并采集了样品的近红外光谱。对原始光谱进行多元散射校正后,运用反向传输神经网络结合交互验证的方法,确定模型参数并建立样品综纤维素、木素、苯醇抽出物的校正模型。独立验证中模型的决定系数Rval2分别为0.9478、0.9724、0.9367;预测均方根误差（RMSEP）分别为0.61%、0.46%、0.24%;相对分析误差（RPD）值分别为4.38、6.02、3.97;绝对偏差（AD）分别为-1.16%~0.93%、-0.67%~0.81%、-0.37%~0.47%、预测均方根误差和绝对偏差基本符合对误差的要求,3个校正模型能够满足制浆造纸工业中制浆材材性的快速测定。