多导体传输线串扰实验不确定度的预测

利用随机降阶模型（SROM）对影响线缆串扰的不确定变量进行了敏感性分析,在此基础上预测了在这些不确定性变量影响下的串扰不确定度。并搭建三导体传输线串扰实验系统,测量了近端串扰和远端串扰,根据标准GB/Z 6113.401—2018/CISPR/TR 16-4-1:2009,评估了串扰实验的测量不确定度。将基于SROM方法的串扰不确定度,与实际测量获得的不确定度进行对比。结果表明,二者随频率变化趋势一致,且实验测试不确定度在预测不确定度范围内。采用SROM方法选取样本计算的不确定度可用于预测串扰实际测量结果不确定度。     

基于不确定油液光谱数据的综合传动装置剩余寿命预测

原子发射光谱分析得到的磨损微粒元素浓度是综合传动装置性能劣化评估和剩余寿命预测的重要监测指标。由于系统随机劣化过程和光谱测量误差的影响,油液光谱数据中不可避免包含系统劣化随机性和光谱测量不确定性。然而,现有基于油液光谱数据的剩余寿命预测研究中,没有考虑劣化过程的随机性和测量的不确定性对剩余寿命预测的影响。因此,针对综合传动装置劣化随机性和油液光谱数据测量不确定性对寿命预测的影响,提出一种考虑系统随机劣化和数据不确定测量的综合传动装置劣化过程建模方法。基于随机过程首中时间的概念,定义了综合传动装置的剩余寿命;基于Wiener随机过程,建立了考虑系统随机劣化和不确定测量数据的综合传动装置劣化模型,利用极大似然估计方法,估计了劣化过程模型的参数;利用卡尔曼滤波技术,实现了综合传动装置劣化状态的实时估计与更新,进一步得到了考虑系统劣化随机性和光谱数据测量不确定性的剩余寿命分布。研究结果表明,提出的劣化建模方法能够准确估计装置的运行状态,避免了采用条件维护时间对装置进行维护与保养的局限性;综合传动装置的维护时间预测值比条件维护时间延长了193 Mh（113.5%）;考虑光谱数据测量不确定性的剩余寿命预测方法优于不考虑测量不确定性的方法。     

CH_4/H_2/CO_2/O_2平面火焰细胞状不稳定性研究

本文采用OH-PLIF探测系统对在McKenna平面火焰炉上产生CH_4/H_2/CO_2/O_2细胞状火焰进行了定量测量和分析。研究发现,平面火焰在稀燃极限附近会出现胞状结构,细胞数量随当量比/掺氢比的增加而增加,主要是由火焰自身不稳定性导致。同时我们通过OH-PLIF图片定量提取并定义了相关参数以表征平面火焰的不稳定程度,并发现随着火焰悬浮距离的减少火焰趋向于稳定,火焰对炉面的热损失有抑制不稳性发生的作用。通过线性理论分析,我们发现RS模型能够很好预测火焰稳定性随当量比变化趋势,但无法预测随掺氢比的变化趋势。在掺氢状态下,火焰面离炉面更近,炉面对火焰不稳定性的抑制作用不可忽视,故理论模型对掺氢影响的预测失效。     

采用极限学习机的流场积分吸光度快速测量方法

发动机是飞行器动力系统的核心组件,发动机流场的动态监测可以掌握发动机内部流场的燃烧情况,对于飞行器状态监测和性能评估具有重要意义。拥有先进的诊断技术是发展发动机技术的基础,也是研制新型航空航天飞行器的必要条件之一。激光吸收光谱技术可以实现燃烧场气体参数的测量,在发动机严苛的流场环境中,吸收光谱波长调制技术（WMS）可以提高信噪比。但基于WMS解算积分吸光度和温度、浓度二维分布的方法都是以模拟退火算法（SA）为核心,因此存在执行时间较长的问题。根据随时间演化的流场光谱参数、光线分布为固定信息这一内在关联性,以及已有的WMS方法可以计算积分吸光度值,采用机器学习方法建立谐波信号（S_2f/1f）与积分吸光度（A）的模型,选择极限学习机算法（ELM）,其训练时间短,预测结果快。利用神经网络可以逼近真值的特性,仿真确定光线布局下不同流场模型的S_2f/1f和A,构造数据集对神经网络开展模型训练。在数值仿真验证中,共仿真2 000组数据集,随机选取1 800组作为训练集训练模型,其余200组作为预测集,统计测试集的预测积分吸光度平均相对误差为1.058%,决定系数平均值为0.999,验证了训练模型的可靠性。为进一步探究模型的抗噪声性,采用的方法是在测试集S_2f/1f数据集中分别加入3%,5%和10%的随机噪声,统计预测积分吸光度平均相对误差分别为3.1%,4.6%和8.1%,这一结果可以表明ELM具有较好的抗噪声性。基于该方法,在直连式超燃冲压发动机上开展验证实验,实验有效时长为5 s,采集数据约10 GB,分别采用ELM和WMS两种方法解算积分吸光度,对比发现：结果基本一致,且相比执行时间数小时的WMS方法,ELM预测积分吸光度耗时仅为15 s左右,实现了发动机流场积分吸光度的快速测量。     

基于核函数与可见光光谱的大豆植株群体净光合速率预测模型

采用美国MSR-16便携式多光谱辐射仪,通过推导的辐射仪有效观测面积公式,计算出测试单元数量,有效解决了测量区域可见光各波段光谱辐射配比关系M_D所需测量次数不确定的难题。采用美国CID公司生产型号为CI-310便携式光合作用测定系统,测量大豆植株群体净光合速率C_D。通过[0, 1]归一化方法对M_D和C_D进行归一化处理,分别得到归一化数据M_D₁和C_D₁。按不同测试时间划分,将M_D₁分成两部分数据M_D₁₁和M_D₁₂,将C_D₁分成两部分数据C_D₁₁和C_D₁₂。使用polynomial核函数、gauss核函数、sigmoid核函数和自主研发的bio-selfadaption核函数,利用grid-search,Genetic Algorithm,Particle Swarm Optimization对支持向量机惩罚参数c和参数g寻优,在支持向量机epsilon-SVR公式、nu-SVR公式条件下,通过四种核函数、三种优化方法、两种公式的交叉组合、M_D₁₁、C_D₁₁,建立大豆植株群体净光合速率预测模型。试验结果表明,在大豆植株试验区域面积S=17 m2和MSR-16便携式多光谱辐射仪放置于大豆植株冠层上方高度H=2 m条件下,epsilon-SVR-bio-selfadaption-grid-search模型对预测集1 C_D₁₂的预测精度达到85%以上,对预测集2 C_D₁₂的预测精度达到82%以上。在S和H其他组合条件下,epsilon-SVR-bio-selfadaption-grid-search模型对预测集2 C_D₁₂的预测精度达到81%以上。epsilon-SVR-bio-selfadaption-grid-search模型表明了bio-selfadaption核函数有效性、测量区域可见光光谱数据方法合理性、利用可见光光谱预测大豆植株群体净光合速率可行性。     

高热流条件下过冷沸腾CHF试验及神经网络预测研究

本文试验研究了10～15 MW/m²高热流条件下过冷水流动沸腾的临界热流密度(CHF),并聚焦其预测方法。分析了热力学干度、质量流速和压力等参数对过冷沸腾CHF的影响。结果表明,随着热力学干度的增加,CHF近似线性降低。CHF随着质量流速增加而增加,但当靠近饱和点时,增加趋势逐渐减弱。在本文试验数据的基础上,搜集了文献中公开的实验数据,构建了高热流过冷沸腾CHF数据集(共709组),采用经验关联式和神经网络模型两种方法进行了预测,并定量评估了7个经验关联式和3个神经网络模型(BP,GA-BP和MEA-BP)的预测性能。结果显示,神经网络算法的预测性能相较于传统关联式有显著提升,其中,MEA-BP神经网络的预测效果最优,其平均绝对误差为15.61%,均方根误差为21.56%。     

PSO-LSSVM对LIBS定量分析精度的提高

针对土壤定量分析受基体效应影响大，LIBS定量分析精度不佳等问题，采用粒子群算法对LSSVM进行优化，提高模型的精确度。选取Pb Ⅰ 405.78 nm和Cr Ⅰ 425.44 nm作为分析谱线进行分析。采集十二个不同浓度样品的特征光谱，每个浓度样品在不同点采集20组数据，将其中17组数据设为训练集，3组数据设为预测集，用LSSVM和PSO-LSSVM两种方法建立定标模型。对比两种模型的拟合相关系数（R2）、训练集均方根误差（RMSEC）和预测集均方根误差(RMSEP)。由于自吸收效应的影响，随着浓度的增加，预测值逐渐低于实际值，LSSVM定标模型的拟合程度较低，无法达到实验要求，模型性能有待提高。利用粒子群算法对LSSVM的模型参数惩罚系数和核函数参数进行优化，得到最佳的参数组合，Pb元素为(8 096.8, 138.865 7)，Cr元素为(4 908.6, 393.563 5)，用最佳的参数组合构建LSSVM的定标模型。相比于LSSVM，PSO-LSSVM定标模型的精确度更高，Pb和Cr元素的R2提高到了0.982 8和0.985 0，拟合效果明显提升。Pb和Cr元素的训练集均方根误差由0.026 0 Wt%和0.027 2 Wt%下降到0.022 4 Wt%和0.019 1 Wt%，预测集均方根误差由0.101 8 Wt%和0.078 8 Wt% 下降到0.045 8 Wt%和0.042 0 Wt%，模型的稳定性进一步提高。说明PSO-LSSVM算法能够更好地降低土壤基体效应和自吸收效应带来的影响，提高分析结果的精确度与稳定性。     

基于激光诱导击穿光谱和化学计量学的水体COD实时测量方法

光谱学传感技术测量水体COD是现代环境监测发展的趋势,相比于传统的化学分析方法具有在线连续检测的突出优势,适合对环境水体COD的实时监测。采集实际水样,利用激光诱导击穿光谱技术(LIBS)获取水样的光谱数据。通过不同的光谱预处理方法结合偏最小二乘法建立水样的COD定量预测模型,对水体COD的LIBS光谱测量方法的定量预测及相关模型参数进行分析。发现用基线校正叠加S-G求导预处理后的光谱建立的PLS模型得到最佳预测效果,校正集集R2为0.9958,预测集R2为0.975 3,RMSEC为4.438 7,RMSEP为9.733 9。通过实验结果分析表明光谱传感技术可用于环境实际水体COD的定量预测分析,为开发便携式水体检测设备奠定了理论基础。     

Prediction model of K2CsSb photocathode reflectivity based on LSTM北大核心CSCD

针对目前K₂CsSb光阴极制备过程中无法预判光阴极生长状态的问题,提出一种基于长短期记忆（LSTM）循环神经网络的K₂CsSb光阴极反射率预测模型。一维原始反射率数据集经过清洗、筛选、序列化等预处理手段后重构为二维数据输入模型。为充分利用反射率数据在时序上高度相关的特性,采用双层LSTM网络提取特征,预测结果通过全连接层输出,以均方误差（MSE）作为模型预测效果的评判标准。实验结果表明,该模型的网络结构合理且在不同数据集下的表现良好,预测准确率可达99.21%。该模型可运用在K₂CsSb光阴极的制作过程中,通过反射率预测值反馈调节工艺参数以趋近目标走势,对提高光阴极性能具有促进作用。     

细胞生理溶液中不同离子浓度对近红外光谱测温的影响

膜片钳测量过程中实时监测离体细胞生存环境温度,控制生理溶液温度值对提高测量的准确性,消除温度不确定性具有重要的意义。采用近红外光谱结合化学计量学法来研究生理溶液中不同离子不同浓度对温度模型精度的影响。通过配制CaCl₂,KCl和NaCl各四种浓度的12份溶液样本,分别采集不同溶液样本在20~40 ℃温度范围内的光谱,波数范围为9 615~5 714 cm-1,并将每种溶液不同温度光谱数据按照三种方式划分训练集和预测集,采用间隔偏最小二乘方法选择有效波段,并建立与温度数值之间的定量校正模型。实验结果显示,浓度为0.25 g·mL-1的CaCl₂溶液模型的RMSEP最大,三次实验结果为0.386 3,0.303 7和0.337 2 ℃,浓度为0.005 g·mL-1的NaCl溶液模型的RMSEP最小,实验结果分别为0.220 8,0.155 3和0.145 2 ℃。总体实验结果表明细胞生理溶液中Ca2+对建立温度模型的精度影响最大,K+其次,Na+最小,当三种离子浓度均增大时,各离子对模型精度影响均为增大。因此在建立细胞生理溶液的温度模型时,有必要在合理范围内改变细胞生理溶液中三种主要离子的配比,来校正不同离子浓度对测量生理溶液温度的影响,从而提高近红外光谱温度测量的精度。     

动态光散射法生物柴油黏度实验研究

本文基于动态光散射法,对体积分数为0.01%的SiO_2/H_2O颗粒分散体系,测量了SiO_2平均粒径为237.57nm,测量结果的相对不确定度为2.28%。进而测量了30、40°℃生物柴油/SiO_2颗粒分散体系,在30℃时黏度测量结果与毛细管法结果一致,测量的黏度平均值为4.86 mPa·s,测量结果的相对不确定度为4.64%。在40℃时,衰减时间随测量时间增加而增加,表明纳米颗粒出现团聚,分散稳定性变差。     

c-C3H2、HCCH和H2CCC的电离能和生成热的从头算精确预示

c-C_3H_2,HCCH和H_2CCC的电离能用CCSD(T)／CBS方法进行了计算。在计算中还包含了零点振动能校正和芯电子和价电子相关校正,标量相对论效应和高于CCSD(T)理论水平的校正。CCSD(T)／CBS方法计算的c-C_3H_2和HCCH电离能的数值分别为(9.15±0.03)和(8.96±0.04)eV,且与实验值(9.15±0.03)和(8.96±0.04)eV很好一致。CCSD(T)计算的H_2CCC→H_2CCC~ (~2A_1,C_(2v))和H_2CCC→H_2CCC (~2A′,C_s)电离跃迁的电离能分别为10.477和10.388 eV。在考虑Frank-Condon因子基础上,以前单光子电离实验所测定的(10.43±0.02)eV电离能最可能对应于H_2CCC→H_2CCC (~2A_1,C_(2v))跃迁的电离阈值。虽然对c-C_3H_2,HCCH和H_2CCC实验电离能测量的精确性难以达到理论计算精度的±30 meV范围内,所得到的理论电离能值与实验值非常一致,表明CCSD(T)／CBS计算结合高级相关校正对简单的碳氢卡宾和双自由基能得到可靠的电离能预示值。还给出了c-C_3H_2／c-C_3H_2~ ,HCCH／HCCH 和H_2CCC／H_2CCC 在0和298 K的生成热△H_(f0)~o和△H_(f298)~o。发现考虑实验精度不确定性后,它们的实验值与CCSD(T)／CBS预示值非常一致。     

基于PCA-BP神经网络的光谱消光法颗粒粒径反演算法研究

光谱消光法广泛应用于颗粒粒径测量领域,在利用光谱消光法对颗粒粒径进行反演的过程中,由于颗粒的消光系数存在理论复杂、计算繁琐、收敛速度慢以及求解不稳定等问题,很大程度上影响了整个反演过程的快速性和准确性。且在众多波长的消光数据中,存在较多重复冗余的信息,也很大程度上增加了反演算法的时间。针对光谱消光法粒径反演算法计算繁琐、反演效率低的问题,提出了基于主成分分析（PCA）和BP神经网络的光谱消光颗粒粒径分析方法。基于Mie散射理论对不同粒径、不同波长下的光谱消光值进行了仿真计算,通过对光谱消光数据集的主成分分析及各个波长综合载荷系数的计算,实现了最优特征波长的选取,利用降维后的光谱消光数据训练了PCA-BP神经网络模型,并利用该网络模型计算了粒径颗粒分布。通过仿真计算,比较了PCA-BP神经网络模型与传统的BP神经网络模型的预测精度,并分析了波长数目对两种神经网络模型预测结果的影响。针对训练得到的PCA-BP神经网络模型开展光谱消光法粒径参数反演算法的验证实验,搭建了光谱消光法颗粒粒径参数测量实验系统,测量了粒径范围在0.5～9.7 μm内的6种不同粒径参数的聚苯乙烯标准颗粒。仿真和实验结果表明：基于主成分分析方法可确定各个波长向量之间的相关性,利用综合载荷系数选取最优特征波长对应的消光值对整体的光谱数据具有较好的代表性,可实现光谱数据的降维。相比传统的BP神经网络模型,基于PCA-BP神经网络模型的颗粒粒径分布的分析方法预测精度更高,对于较分散颗粒系的分布参数的预测有更加明显的优势。而且,被选取的波长数较少时,PCA-BP神经网络模型依然有较高的预测精度。利用训练好的PCA-BP神经网络模型对颗粒粒径参数进行实验验证,预测结果可瞬时输出,颗粒粒径分布误差在5%以内,验证了该算法的可行性。     

乙基甲基咪唑磷酸二甲酯+甲醇/乙醇+水三元工质溶液比热容的测量及关联

采用绝热量热法测量了由离子液体1-乙基-3-甲基咪唑磷酸二甲酯[Emim][DMP]分别与CH_3OH+H_2O和C_2H_5OH+H_2O构成的两组三元工质溶液体系[Emim][DMP](1)+CH_3OH(2)/C_2H5OH(2)+H_2O(3)在常压、温度范围为298.01~323.34 K、不同浓度下的比热容。采用多项式函数对实验数据进行拟合,获得模型方程中的拟合参数。比热容的计算值与实验值的平均相对偏差分别为0.49%和0.80%。     

基于PCA-BP神经网络的光谱消光法颗粒粒径反演算法研究（英文）

光谱消光法广泛应用于颗粒粒径测量领域,在利用光谱消光法对颗粒粒径进行反演的过程中,由于颗粒的消光系数存在理论复杂、计算繁琐、收敛速度慢以及求解不稳定等问题,很大程度上影响了整个反演过程的快速性和准确性。且在众多波长的消光数据中,存在较多重复冗余的信息,也很大程度上增加了反演算法的时间。针对光谱消光法粒径反演算法计算繁琐、反演效率低的问题,提出了基于主成分分析(PCA)和BP神经网络的光谱消光颗粒粒径分析方法。基于Mie散射理论对不同粒径、不同波长下的光谱消光值进行了仿真计算,通过对光谱消光数据集的主成分分析及各个波长综合载荷系数的计算,实现了最优特征波长的选取,利用降维后的光谱消光数据训练了PCA-BP神经网络模型,并利用该网络模型计算了粒径颗粒分布。通过仿真计算,比较了PCA-BP神经网络模型与传统的BP神经网络模型的预测精度,并分析了波长数目对两种神经网络模型预测结果的影响。针对训练得到的PCA-BP神经网络模型开展光谱消光法粒径参数反演算法的验证实验,搭建了光谱消光法颗粒粒径参数测量实验系统,测量了粒径范围在0.5～9.7μm内的6种不同粒径参数的聚苯乙烯标准颗粒。仿真和实验结果表明:基于主成分分析方法可确定各个波长向量之间的相关性,利用综合载荷系数选取最优特征波长对应的消光值对整体的光谱数据具有较好的代表性,可实现光谱数据的降维。相比传统的BP神经网络模型,基于PCA-BP神经网络模型的颗粒粒径分布的分析方法预测精度更高,对于较分散颗粒系的分布参数的预测有更加明显的优势。而且,被选取的波长数较少时,PCA-BP神经网络模型依然有较高的预测精度。利用训练好的PCA-BP神经网络模型对颗粒粒径参数进行实验验证,预测结果可瞬时输出,颗粒粒径分布误差在5%以内,验证了该算法的可行性。     

基于Encoder-CNN的土壤氮含量光谱预测模型研究

基于光谱的土壤氮含量预测模型泛化能力弱是制约其推广应用的瓶颈。鉴于特征提取及非线性表达能力方面的优势,深度学习模型具有较强的泛化能力。提出一种融合自动编码器和卷积神经网络(Encoder-CNN)的土壤氮含量光谱预测模型,探索模型结构和参数对模型性能的影响。根据以往研究成果和相关性分析,获得180个与氮含量强相关的波长,将其作为Encoder-CNN模型输入,而将土壤氮含量作为模型输出。Encoder-CNN模型利用自动编码器的编码部分进行光谱数据降维,然后输入到卷积神经网络进行土壤氮含量预测。设计2种网络结构,每种网络结构包含2种不同参数设置,共4个模型,用以探索Encoder-CNN土壤氮含量光谱预测模型结构和参数对模型性能的影响。利用公开数据集LUCAS对模型进行训练。按3σ原则对公开数据集LUCAS进行异常值检测与处理,获得20 791个数据,其中18 711个样本作为训练集,2 080个样本作为测试集,对Encoder-CNN模型进行训练。结果表明：对于自动编码器,在相同隐含层数下,最后的隐含层神经元个数为30时,复现效果最优。增加隐含层数,会提升复现效果。增加卷积核数量,特别是尺寸为1×1卷积核,能够提高模型的预测性能与可靠性。增加池化层的网络结构,模型预测精度提升至0.90以上。增加全连接层神经元数量也会提升模型性能。利用自采集的黑龙江黑土实时光谱数据集进行模型迁移,观察模型泛化能力。当模型迭代100次后,在黑龙江数据集上的预测精度即可达到0.90以上;当迭代次数为900时,模型在训练集和测试集上的预测精度可以达到0.98。结果表明,所构建的Encoder-CNN土壤氮含量光谱预测模型具有较好的泛化能力。     

H_2O/H_2/CO_2混合工质PVT性质的分子动力学模拟研究

利用超临界水煤气化过程得到的H_2O/H_2/CO_2混合气体工质进行发电相较于常规的燃煤发电和煤气化技术具有更加高效和洁净的优点。获取该混合工质的PVT性质是进行基于该混合工质热力系统设计和运行的前提。目前尚未有超临界H_2O/H_2与H_2O/H_2/CO_2混合工质PVT性质的研究,本文采用分子动力学模拟方法与基于Peng-Robinson方程的理论模型预测方法对H_2O/H_2混合工质的PVT性质进行了研究,并对H_2O/H_2/CO_2混合工质的PVT性质进行了分子动力学模拟计算。为验证模拟方法的有效性,本文还对H_2O/CO_2混合工质的PVT性质进行了分子动力学模拟及基于Peng-Robinson方程的理论计算,并与实验数据进行了对比。     

牛顿环测量数据的不确定误差参数统计分析

牛顿环实验数据分析是大学物理实验中的重要问题,两种主要数据处理方法获得的牛顿环实验曲率半径通常存在着一定差异,且其测量误差不一定服从正态分布.为了准确估计曲率半径,需要更细致地对数据测量误差进行统计建模分析.频率学派不确定误差参数统计模型使用Gamma分布分析系统误差,具有对异常值不敏感的特性.基于牛顿环实际测量数据集,应用不确定误差参数统计模型可以得到更准确的牛顿环实验曲率半径估计值.     

恒定温度应力加速实验失效机理一致性快速判别方法

针对加速实验中因失效机理发生改变而导致的无效实验问题, 对失效机理一致性和分别在不同应力下器件的初期退化参数分布的关系进行了研究. 研究证明了判断加速实验失效机理一致的条件: 1) 不同应力下失效分布的形状参数服从一致, 即m_i=m, i=1,2,3,···, 2) 尺度参数 η_i服从η_i= AF_i·η. 从而提供一种在实验初期即可根据参数退化分布快速判别不同应力下失效机理是否一致的方法, 避免了因失效机理发生改变而造成的无效加速实验. 最后对加速实验初期理论退化数据和多芯片组件厚膜电阻初期退化数据进行了威布尔分布参数估计, 并对其在不同应力下的失效机理一致性进行了判别. 关键词： 失效机理一致性 恒定温度应力加速实验 威布尔分布     

FTIR结合化学计量学对三七产地鉴别及皂苷含量预测研究

不同产地对中药次生代谢产物有显著影响,产地鉴别有助于中药的科学合理利用;其次,有效成分含量检测是评价中药质量的主要手段。通过傅里叶变换红外光谱结合化学计量学建立快速鉴别三七产地及测定三七中四种主要皂苷的方法,为三七的科学、合理、规范使用以及对三七质量进行快速评价提供依据。采集5个区域12个产地117个三七样本的红外光谱。产地鉴别预处理数据采用离散小波变换除去噪音造成的部分高频信号,偏最小二乘判别对产地判别贡献率大于1的数据进行筛选,kennard-stone算法将117个个体分为70%训练集与30%预测集。训练集数据用于建立支持向量机判别模型,交叉验证法用于筛选支持向量机最优参数,预测集数据对支持向量机判别模型结果进行验证。皂苷含量预测预处理数据采用标准正态变量变换、离散小波变换处理;处理的红外数据设为X变量,三七样品中通过高效液相色谱法测得的四种皂苷总量设为Y变量,采用正交信号校正去除红外光谱中与四种皂苷总量无关的干扰数据。个体数据分为80%训练集与20%预测集,训练集建立偏最小二乘回归模型,预测集数据对偏最小二乘回归模型的预测结果进行验证。结果显示： (1)交叉验证法得到支持向量机判别模型的最优参数为c=2.828 43,g=0.062 5,训练集的产地判别最优正确率为91.463 4%;(2)支持向量机判别模型参数设置为最优参数,代入预测集数据,预测集的产地判别正确率为94.285 7%,判别正确率较高;(3)训练集建立偏最小二乘回归模型的相关系数R2=0.941 8,校正均方差RMSEE=4.530 7;(4)代入预测集数据,预测集的相关系数R2=0.962 3,外部检验均方差RMSEP=3.855 9,皂苷预测值与高效液相检测值接近,预测效果良好。傅里叶变换红外光谱结合支持向量机能对三七进行产地鉴别,正交信号校正结合偏最小二乘回归能对三七中四种主要皂苷总量进行准确预测,为三七质量控制提供一种快速简便、无损、高灵敏度的检测方法。