一种新的多元校正模型分子光谱传递方法

无论是近红外还是红外光谱，多元校正模型的传递问题都尚未解决。为了实现模型和光谱的传递，提出了一种改进的PDS算法——SA-PDS算法，论方法通过PDS算法进行模型传递，使用光谱间的夹角大小作为判定准则来选择传递参数，使得模型传递过程不受到样品性质参考值的影响，也不再依赖于模型，并且可以双向传递。该方法分别通过在近红外数据和中红外数据中应用来证明模型传递的可行性，实验收集烟叶样本测得其近红外光谱，沥青样本测得其中红外光谱，将烟叶总糖会计师和沥青蜡含量作为模型预测对象。使用光谱夹角作为PDS参数选择标准与使用预测标准偏差作为判定准则相比，实验表明：对于近红外光谱的从机向主机的传递，其验证集预测精密度RMSEP从5.257 4降低至1.337 1，优于RMSEP(1.350 3)方法，预测偏差也同样被改善。对于中红外光谱从机向主机的传递，新方法验证集预测精密度RMSEP从0.525 1降低至0.186 9，优于RMSEP(0.219)方法。主机向从机的传递也取得了满意的传递结果。     

一种新的多元校正模型分子光谱传递方法（英文）

无论是近红外还是红外光谱,多元校正模型的传递问题都尚未解决。为了实现模型和光谱的传递,提出了一种改进的PDS算法——SA-PDS算法,论方法通过PDS算法进行模型传递,使用光谱间的夹角大小作为判定准则来选择传递参数,使得模型传递过程不受到样品性质参考值的影响,也不再依赖于模型,并且可以双向传递。该方法分别通过在近红外数据和中红外数据中应用来证明模型传递的可行性,实验收集烟叶样本测得其近红外光谱,沥青样本测得其中红外光谱,将烟叶总糖会计师和沥青蜡含量作为模型预测对象。使用光谱夹角作为PDS参数选择标准与使用预测标准偏差作为判定准则相比,实验表明:对于近红外光谱的从机向主机的传递,其验证集预测精密度RMSEP从5.257 4降低至1.337 1,优于RMSEP(1.350 3)方法,预测偏差也同样被改善。对于中红外光谱从机向主机的传递,新方法验证集预测精密度RMSEP从0.525 1降低至0.186 9,优于RMSEP(0.219)方法。主机向从机的传递也取得了满意的传递结果。     

桂花酒中山梨酸钾拉曼表面增强预测模型在其他果酒中的传递

自行搭建的拉曼光谱点扫描系统，以柠檬酸钠还原法配制的SC银溶胶为表面增强剂，建立了桂花酒中山梨酸钾的定量预测模型，模型校正集决定系数(R2_C)和均方根误差(RMSEC)分别为0.978 9和0.070 3 g·kg-1，验证集决定系数(R2_P)和均方根误差(RMSEP)分别为0.934和0.165 7 g·kg-1。桂花酒中山梨酸钾的定量预测模型为主光谱模型，结合K/S算法，探讨了基于DS算法和PDS算法将桂花酒主光谱模型向杨梅酒的修正传递方法。结果显示，用K/S算法选取4个杨梅酒样品，基于DS算法传递桂花酒主光谱模型验证结果R_P和RMSEP值分别为0.906 1和0.215 0 g·kg-1。K/S算法选取3个杨梅酒样品(窗口宽度为5)，基于PDS算法传递桂花酒主光谱模型验证结果R_P和RMSEP值分别为0.905 5和0.225 0 g·kg-1。DS算法和PDS算法均可以用少量样品将桂花酒中山梨酸钾的主光谱预测模型有效传递给杨梅酒，实现了一种被测物预测模型在同类物种间的传递，具有重要实用意义。     

改进的 K/S 算法对近红外光谱模型传递影响的研究

在近红外光谱分析模型传递中,常用Kennard/Stone算法(K/S算法)来选择转换集样品。K/S算法是根据样品间光谱的欧氏距离来计算样品间差异的。为了寻求样品间差异的最佳表达方式,用K/S算法选出更有代表性的样品。文章分别用欧氏距离和马氏距离计算混胺样品的光谱差异,用PDS算法传递混胺中二甲苯胺近红外光谱分析模型,通过传递后的预测标准偏差(SEP)评价两种距离的优劣。用性质差异和光谱差异结合的方式计算样品间的差异,并与单独用光谱差异和性质差异的方式进行比较。结果表明,在PDS算法中,马氏距离选出的样品更具有代表性,性质差异和光谱差异的结合更能代表样品间的差异。     

近红外光谱模型传递研究（英文）

针对不同型号的近红外光谱仪器(主机:SupNIR-2700,从机:Nicolet AntarisⅡ)间的模型传递和同一仪器(Nicolet AntarisⅡ)不同分辨率的光谱间的模型传递进行研究,提出了一种改进的PDS算法-SPSG1st-PDS算法,该方法结合三次样条插值、Savitaky-Golay一阶求导和PDS算法。思路是通过三次样条插值拟在不破坏原始光谱固有的信息的前提下实现了主光谱与从光谱之间的匹配,然后对光谱进行S-G一阶求导去除光谱的基线漂移,再通过PDS算法进行模型传递,有效消除主、从光谱之间的差异,提高多元校正模型的预测精度。该方法用于醋酸乙烯酯在乙烯-乙酸乙烯酯共聚物中含量的研究,并且与小波去噪方法和S-G平滑方法作比较。实验表明:对于不同型号的仪器间的模型传递,新方法采用S-G一阶求导较其他方法有明显的优势,其验证集预测精密度RMSEP从20.595 0降低至0.374 8,明显优于S-G平滑(0.522 1)和小波去噪(0.516 7)方法,预测偏差也同样地被改善。对于同一仪器不同分辨率的光谱之间的模型传递,在模型传递前后其模型预测精密度RMSEP从0.272 2减少至0.255 3。通过提出的SP-SG1st-PDS算法,模型传递能应用于不同类型仪器之间,也能用于相同仪器不同分辨率的光谱之间,并且取得了满意的传递结果。     

近红外光谱模型传递研究

针对不同型号的近红外光谱仪器(主机: SupNIR-2700,从机: Nicolet Antaris Ⅱ)间的模型传递和同一仪器(Nicolet Antaris Ⅱ)不同分辨率的光谱间的模型传递进行研究,提出了一种改进的PDS算法-SP-SG1st-PDS算法,该方法结合三次样条插值、Savitaky-Golay一阶求导和PDS算法.思路是通过三次样条插值拟在不破坏原始光谱固有的信息的前提下实现了主光谱与从光谱之间的匹配,然后对光谱进行S-G一阶求导去除光谱的基线漂移,再通过PDS算法进行模型传递,有效消除主、从光谱之间的差异,提高多元校正模型的预测精度.该方法用于醋酸乙烯酯在乙烯-乙酸乙烯酯共聚物中含量的研究,并且与小波去噪方法和S-G平滑方法作比较.实验表明: 对于不同型号的仪器间的模型传递,新方法采用S-G一阶求导较其他方法有明显的优势,其验证集预测精密度RMSEP从20.595 0降低至0.374 8,明显优于S-G平滑(0.522 1)和小波去噪(0.516 7)方法,预测偏差也同样地被改善.对于同一仪器不同分辨率的光谱之间的模型传递,在模型传递前后其模型预测精密度RMSEP从0.272 2减少至0.255 3.通过提出的SP-SG1st-PDS算法,模型传递能应用于不同类型仪器之间,也能用于相同仪器不同分辨率的光谱之间,并且取得了满意的传递结果.     

滤光片型近红外仪器模型传递的研究

模型传递问题是近红外光谱分析技术中解决数据通用性的关键问题.文章以玉米籽粒近红外光谱图(检测其中水分含量)为例,考察了模型传递的问题.使用斜率截距算法,直接校正法和目标因子分析等算法,在5台滤光片型近红外仪器上实现了模型传递,并比较了各种方法的模型传递效果.研究表明,直接校正法的模型传递效果最好,4台从仪器的平均传递差异度为7.01%.文章还研究了标准样品数量对模型传递效果的影响.作为转换集的标准样品数目越多,模型传递效果越好,一般有20个标准样品就能达到稳定的效果.当转换集小于20时,直接校正法的传递效果急剧下降,而标准样品数量对斜率截距法和目标因子分析法的影响不明显.     

DS算法在近红外光谱多元校正模型传递中的应用

模型传递问题是近红外光谱分析技术中一个的两台仪器之间寻求一种变换关系,使得在一台仪器上建立起的模型能够应用于另外一台仪器样品光谱响应的预测.文章将直接校正(direct:standardization,DS)算法应用于化学计量学多元校正中的模型传递,并研究了模型转换集样品的选择方法.在两台AOTF近红外光谱仪上进行了模型传递实验,首先采用Kennard/Stone算法选择转换集样品,然后采用DS方法进行模型传递.实验结果表明采用DS算法取得了较好的模型传递效果.DS算法不仅可以应用于不同仪器之间的光谱分析模型传递,而且该方法对于同一仪器的长时间漂移或者由于部件的更换、测量环境的改变等引入的光谱差异校正也是适用的.     

SIMCA法在中红外癌症检测技术中的应用

人体肿瘤的中红外光谱法早期检测是生物医学领域的前沿课题之一。研究了中红外FTIR光谱技术与化学计量方法 (模式识别技术 )相结合对人体恶性肿瘤进行检测的方法 ,并讨论了如何通过采用光谱预处理方法以及波长范围的选择来提高模式识别技术 (SIMCA法 )分类判别效果。研究了 6 3个胃癌病人的癌变组织和癌旁正常组织光谱 ,选择有代表性的 4 0个样品作为训练集 ,剩余的 2 3个样品作为预测集 ,该方法的准确率为 91%。这一研究结果表明傅里叶变换红外光谱法与化学计量学方法相结合可以对良、恶性组织进行鉴别诊断 ,有希望发展成为一种肿瘤快速诊断的新方法。     

近红外光谱技术在小麦条锈病菌和叶锈病菌定性识别和定量测定中的应用

利用近红外光谱技术结合定性偏最小二乘法(DPLS)和定量偏最小二乘法(QPLS)分别实现了小麦条锈病菌和叶锈病菌的定性识别和定量测定。获取两种锈菌单一夏孢子样品各50个以及条锈病菌纯度为2.5%~100%的混合样品120个。采集样品光谱后,将两类样品均按2∶1的比例分为建模集和检验集,在4 000~10 000cm-1内采用内部交叉验证法建模。散射校正预处理方法下、主成分数为3时,定性识别模型的建模集和检验集识别准确率均为100.00%。"极差归一+散射校正"预处理方法下、主成分数为6时,定量测定模型建模集的决定系数(R2)、校正标准差(SEC)、平均相对误差(AARD)分别为99.36%,2.31%,8.94%,检验集的R2、预测标准差(SEP)、AARD分别为99.37%,2.29%,5.40%。结果表明,利用该方法对这两种锈菌定性和定量分析是可行的。本研究为植物病原菌的定性识别和定量分析提供了一种基于近红外光谱技术的新方法。     

A New Numerical Method for Asymmetrical Abel Inversion

A new asymmetrical Abel inversion is presented for application in asymmetrical data which is obtained from plasma diagnostics (for instance, interferometry or spectroscopy) on the toroidal plasma system, and in which asymmetry exists normal to the direction of observation. In this new numerical method a weight function, which was obtained by separating the integrated quantity into odd and even parts, was used for determination of the asymmetrical local value. To demonstrate the usefulness of this new method, we set up a hypothetical data set, which resulted in a valid local value.     

确定SQM力场标度因子的新方法

建立了一种计算ＳＱＭ力场标度因子的新方法，它具有简捷、精确、且不依赖于实验信息的特点，改善了ＳＱＭ方法。将其在Ａｂｉｎｉｔｉｏ水平上计算的力常数用于振动分析，所得计算频率与观测频率十分吻合。     

近红外光谱逆回归降维定量分析模型

在近红外光谱定量分析中,由近红外光谱数据的高维特点引起的复共线性,是利用化学计量方法建模经常遇到的问题,可利用一种新的逆回归方法处理这一问题.该方法首先利用自变量X和因变量Y的相关性质降维,找到真正与回归函数有关的X的线性组合,再利用新找到的低维变量估计回归函数.文中以103个玉米样品为实验材料,随机选择其中70个玉米...     

Algorithm Study on Reconstruction of Refractive Angles in Fan Beam Diffraction Enhanced Computed Tomography

Based on the 360° computing method of refractive angle for parallel beam diffraction enhanced imaging computed tomography （DE-CT） technique, a new algorithm used to calculate the refractive angle for fan-beam DE-CT technique is developed. The refractive index gradient can be obtained by using the new algorithm with projection data of an object in the range of 0 - 360°, and the new algorithm only needs to set the analyser at half slope position of the rocking curve.     

Determining a Skyrme-type effective interaction from realistic two-nucleon interaction

The Variational Monte Carlo (VMC) method is employed to determine characteristics of symmetric and asymmetric nuclearmatter. The realistic Urbana v14 nucleon-nucleon interaction potential of Lagaris and Pandharipande was used in the VMC calculations with addition of a phenomenological density-dependent term to simulate many-body interactions. A new Skyrme parameter set SKaan-U14 is found to consistently reproduce the characteristics of the nuclear matter obtained from VMC calculations. The properties of symmetric and asymmetric nuclear matter are calculated by the new Skyrme parameter set. The results obtained by using the new Skyrme parameter set are compared with results obtained by different Skyrme parameter sets in the literature.     

Structural class tendency of polypeptide: A new conception in predicting protein structural class

Prediction of protein domain structural classes is an important topic in protein science. In this paper, we proposed a new conception: structural class tendency of polypeptides (SCTP), which is based on the fact that a given amino acid fragment tends to be presented in certain type of proteins. The SCTP is obtained from an available training data set PDB40-B. When using the SCTP to predict protein structural classes by Intimate Sorting predictive method, we got the predictive accuracy (jackknife test) with 93.7%, 96.5%, and 78.6% for the testing data set PDB40-j, Chou&Maggiora and CHOU. These results indicate that the SCTP approach is quite encouraging and promising. This new conception provides an effective tool to extract valuable information from protein sequences.     

纺织品近红外光谱定性分析的一种新方法

近红外光谱分析技术可用于对样本的快速无损检测，在人们的生产和生活中发挥着越来越重要的作用。支持向量机是建立定性分析模型的常用方法，可通过寻找最优分类超平面将两类样本分开。在小样本情况下，支持向量机方法有其独特的优势。主成分分析是常用的数据降维方法，可将数据降维之后作为支持向量机方法的输入变量，简化模型并提高模型识别的准确性。因此，基于主成分分析的支持向量机(简称PCA-SVM)适合用于建立近红外光谱定性分析模型。多模型方法是人们使用较少的建模方法，用该方法建立的模型一般具有较好的稳定性。将多模型方法与PCA-SVM方法成功结合形成了新方法。以棉锦混合、棉涤混合纺织品为例，用新方法建立了这两类纺织品样本的近红外光谱定性分析模型。建模时将光谱数据按照波长分为4组，用每组光谱数据建立一个子模型，将子模型的输出值进行加权平均便得到最终的预测结果。这样可以更充分地使用光谱数据中所包含的信息。为了便于对比不同的方法，仍使用上述校正集和验证集，又用PCA-SVM方法建立了这两类纺织品样本的近红外光谱定性分析模型。对预测结果做交叉验证，用新方法所建模型判别的正确率的平均值为85.49%，正确率的标准差为0.066 7, 用PCA-SVM方法所建模型判别的正确率的平均值为83.34%，正确率的标准差为0.109 6。研究结果表明用新方法所建模型的分类效果好于用PCA-SVM方法所建模型的分类效果；用新方法建立的模型的稳定性明显高于用PCA-SVM方法建立的模型的稳定性。用PCA-SVM方法所建模型的预测效果受校正集构成情况的影响较大，而用新方法所建模型的预测效果则相对稳定。对废旧纺织品进行分类回收可大量节约纺织原材料，但采用人工分拣方式效率低且成本高。采用近红外光谱分析方法对纺织品进行分类，为废旧纺织品的大规模精细分拣和分级奠定了一定的基础。该新方法有望用于某些其他类型样本的分类。     

可见近红外光谱的甘蓝叶片毒死蜱农药残留定性分析

有机磷农药毒死蜱是目前农业生产中使用最广泛的农药之一,但有机磷农药过度使用导致的农药残留却给自然环境和人类生命健康造成严重威胁,因此,开发一种快捷、准确、经济的毒死蜱农药在农产品表面残留的直接检测方法意义重大。配制4组不同体积浓度（1∶200, 1∶500, 1∶800, 1∶1 000）的毒死蜱农药溶液,对照组为纯净水,分别浸泡甘蓝叶片3 min,每组采集30个叶片样本,5组共计150个样本。采用可见近红外光谱仪获取其谱图信息,然后开展不同浓度毒死蜱农药在甘蓝叶片上残留的可见近红外光谱定性分析研究。建模时,将每组数据中24个样本,5组共计120个样本作为建模训练集,剩下每组6个样本,5组共计30个样本作为预测集。鉴于甘蓝叶面不平整、皱褶较多,叶片颜色深浅不一等因素会给近红外光谱分析带来干扰,给预测模型的建立增加难度,提出一种光谱全波段平均分组积分（求和）预处理方法,将光谱波段平均分成n组,再对分组后每组数据积分求和,用预处理后的数据训练BP神经网络。实验表明,光谱全波段平均分组积分（求和）预处理方法,对光谱反射率一阶导数（FD）且分组数为25的神经网络训练效果最好,建模集识别准确率为97.50%,预测集识别准确率为96.67%,建模效果优于通常采用的提取光谱敏感、特征波段建模方法（建模集识别准确率为91.67%）。光谱全波段平均分组积分预处理方法在保留光谱数据更多特征波段的同时探索更多潜在敏感波段,能够降低光谱数据维度,减小单个光谱数据噪声对建模效果的影响,选择合适的分组数n,能取得较好的建模预测效果。     

Natural path for more precise determination of band gap by optical spectra

The probability of using a more precise and reliable method to determine the band gap of semiconductors by optical spectra is investigated both theoretically and experimentally in this paper. A new method to naturally obtain the most accurate value of band gap in materials is developed based on mathematical and phenomenological considerations in the theoretical framework. The model has been tested with independent data set of some materials. The results suggested that the obtained band gap values based on the above described method agree with published data very well. Moreover, experimental optics spectra have been used for calculating both the index stands for the nature of material and useful diagnostic of materials within reasonable confidence by this method. Hence, the method is very useful and can be a convenient tool for materials science.     

Comparison among error calculations in differential absorption lidar measurements

Error determination is a critical issue in differential absorption lidar (DIAL). In this paper, some common error calculations are compared by applying them to a set of artificial data. First, three methods for the evaluation of the signal-to-noise ratio (SNR) of the lidar return have been examined. Then, the effect of the application to DIAL measurements of correction algorithms is investigated. The mean value and the standard deviation of the set of artificial data have been obtained from experimental determinations accomplished with our system. This was made possible by the shot-per-shot recording of the lidar return. The results of this study allows us to recommend a new method for the data analysis used in DIAL experiments: the SNR should be directly measured and all sources of statistical fluctuation have to be taken into account in the calculation of the final error. Otherwise such error could be underestimated, as suggested also by the disagreement of simultaneous measurements carried out by different systems.