波长筛选结合直接校正法用于近红外光谱模型传递研究

该文提出了一种新的传递方法模型--波长筛选结合直接校正法(WSDS).首先利用样品的性质信息筛选出最有代表性的波长点信息,然后用直接校正法消除这些信息中包含的仪器间差异,以预测标准偏差(SEP)考察模型传递的效果.利用此算法对航空煤油的近红外光谱分析模型在不同仪器之间进行传递研究.经WSDS校正后,对航空煤油密度预测的...     

近红外光谱测定溶液中甲醇的含量

测量了含微量甲醇(体积分数为0.04%～0.24%)的系列乙醇水溶液的近红外光谱,利用近红外光谱分析建立了预测甲醇含量的定量分析模型。比较了用外部检验法(Test Set-Validation)和交叉检验法(Cross-Validaton)建立的数学模型,研究了使用外部检验法时,校正集和检验集样品数的改变对模型预测结果的影响。结果发现,当校正集样品数为15检验集样品数为6(总样品数为21)时,使用外部检验法建立的数学模型预测结果较好,其校正集的均方根误差和检验集的预测均方根误差(分别为RMSEE和RMSEP)均较小(分别为0.0115和0.0105),而且很接近。结果表明,近红外光谱方法简单,准确而且实用。     

声光可调-近红外光谱技术分析烟草主要化学成分

建立了声光可调-近红外光谱方法(AOTF-NIR)检测烟草主要化学成分的方法。应用AOTF-NIR光谱仪测定了不同地区、不同等级烟草样品的近红外光谱,用Unscrambler(定量分析软件将光谱与对应的化学成分值相关联,建立了烟草中总糖、还原糖、总烟碱和钾的回归模型。用这些模型对未知样品进行了预测。总糖、还原糖、总烟碱和钾模型预测的平均相对标准偏差分别为2.71%、3.13%、4.04%和6.42%。     

短波近红外光谱技术对葡萄酒中总糖含量快速测定的研究

采用短波近红外光谱技术结合偏最小二乘法(PLS),建立了葡萄酒中总糖含量的定量分析数学模型,讨论了光谱预处理方法和主成分数对PLS模型预报精度的影响.应用所建模型对预测集样本中总糖含量进行预报,结果令人满意.该方法方便快捷,并且具有较高的预报精度,可以用于葡萄酒中总糖含量的快速测定.     

近红外光谱法同时测定通天口服液中天麻素和芍药苷的含量

本文应用近红外光谱结合偏最小二乘法建立了同时测定通天口服液中天麻素与芍药苷含量的方法。以高效液相色谱(HPLC)法测定通天口服液样品中天麻素和芍药苷的化学参考值,随机抽取60个样本作校正集,20个样本作预测集。用偏最小二乘法(PLS)将校正集样本的近红外光谱与相应样本的天麻素和芍药苷含量分别相关联建立模型。结果表明,天麻素和芍药苷校正模型的决定系数分别为96.28%、94.55%,模型的交叉验证均方差分别为0.0336、0.00908,预测集的决定系数分别为94.23%、92.86%,预测集均方差分别为0.0453、0.00839。同时还做了模型的精密度实验,该方法能用于大批量样品的快速分析。     

二进制蜻蜓算法-直接校正算法优选标样集在小麦粉蛋白质近红外模型传递中的应用

为了实现小麦粉蛋白质含量近红外分析模型的传递，探究二进制蜻蜓算法(Binary Dragonfly Algorithm, BDA)与直接校正算法(Direct Standardization, DS)相结合构成的BDA-DS算法挑选标样集对模型传递结果的影响。以棱光S450光栅型近红外光谱仪为主机，NeoSpectra Micro傅里叶变换型近红外光谱仪为从机，采集了126个小麦粉的近红外光谱，用偏最小二乘回归法建立了主机近红外光谱与小麦粉蛋白质的关联模型。经BDA-DS算法模型传递后，主机模型对从机样品预测决定系数为0.9812,预测标准偏差为0.1838,从机与主机的光谱集合平均马氏距离由22.34下降到1.40,均接近于主机模型精度水平。该研究同时与采用Kennard/Stone(K/S)挑选标样集再结合DS构成的传统K/S-DS算法进行了对比，结果表明：相对于K/S-DS算法，BDA-DS算法挑选出较少的标样集就能表征仪器的差异，有效地提高了主机模型对从机样品的预测精度，为近红外模型传递提供了一种更加有效的标样集选择方法。     

中红外、近红外和拉曼光谱法测定商品农药制剂中氰戊菊酯和马拉硫磷的含量

利用近红外、中红外和拉曼光谱法定量分析了商品农药制剂中有效成分氰戊菊酯和马拉硫磷的含量.采用偏最小二乘法(Partial least squares,PLS)建立氰戊菊酯和马拉硫磷的定量模型并进行了优化,用独立检验集对模型适应性进行评价.近红外和中红外法测定氰戊菊酯、马拉硫磷定量模型的相关系数分别是0.9981,0.9994和0.9946,0.9998,外部验证集标准差分别是0.082,0081和0.092,0.075,两种方法的定量效果接近;拉曼法氰戊菊酯和马拉硫磷定量模型的相关系数分别为0.9872和0.9993,外部验证集标准差分别为0.254和0.317,预测精度不及近红外和中红外法高.MIR-ATR,NIR和Raman 3种方法均能满足现场检测农药质量的需要.     

最小二乘支持向量机结合红外光谱法测定润滑油酸值

在润滑油酸值进行红外光谱法测定中,采用最小二乘支持向量机(LS-SVM)建立了酸值的定量预测模型。用Kennard-Stone方法将30个样本划分为训练集(24个样本)和验证集(6个样本),进行定量预测,并与偏最小二乘法和径向基函数神经网络所建模型的预测进行比较。结果表明:LS-SVM所建模型的预测标准偏差(SEP)最小,仅为0.002;预测值的相对误差为1.3%~5.3%。由此认为LS-SVM所建模型的训练和预测结果均优于其余两种方法所建模型。对5个未知样品的分析结果表明:LS-SVM模型的预测值与化学法实测值之间的相对误差(1.2%~3.1%)也较少。     

烟草组分的近红外光谱和支持向量机分析

测定了120个产自福建、安徽和云南烟草样品的近红外光谱. 在利用支持向量机(SVM)技术建立其定量、定性分析模型之前, 用小波变换技术对光谱变量进行了有效的压缩, 然后采用径向基核函数建立了75个烟草样品的分类模型, 同时建立了总糖、还原糖、烟碱和总氮4个组分的定量分析模型, 并利用45个烟草样品对模型进行了检验. 仿真实验表明, 建立的SVM分类模型分类准确率达到100%, 而4个组分的定量分析模型的预测决定系数(R2)、预测均方差(RMSEP)和平均相对误差(RME)3个指标值显示其模型泛化能力非常强, 预测效果良好, 可见这是一种有效的近红外光谱的建模分析方法.     

无信息变量消除法变量筛选优化烟草中总氮和总糖的定量模型

应用近红外光谱技术对烟草常规化学成分中总氮和总糖进行了测定。无信息变量消除(UVE)剔除光谱矩阵中没有有效信息的数据点,并用偏最小二乘方法(PLS)建立总氮和总糖的定量分析模型,外部检验对模型效果进行了评价。总氮定量模型校正集的决定系数R2为93.35%,标准偏差SEC为0.10;外部检验集的决定系数R2为94.09%,标准偏差SEP为0.11,相对标准偏差RSD为6.12%;总糖的定量模型校正集的决定系数R2为98.20%,标准偏差SEC为0.95;外部检验集样品的决定系数R2为98.01%,标准偏差SEP为0.78,相对标准偏差RSD为2.93%。结果表明:采用UVE建立的总氮与总糖的模型优于用全谱建立的模型,UVE提高了PLS模型的预测能力。