首页 | 本学科首页   官方微博 | 高级检索  
    检索          
共有20条相似文献,以下是第1-20项 搜索用时 156 毫秒

1.  基于最小二乘支持向量机的国公酒中橙皮苷含量测定  被引次数:1
   朱向荣  单杨  李高阳  范强  史新元  乔延江  张卓勇《光谱学与光谱分析》,2009年第29卷第9期
   应用近红外光谱技术结合最小二乘支持向量机建立了国公洒中橙皮苷含量的模型.利用Kemard-Stone法对训练集样本进行划分,对光谱数据预处理方法进行了选择,比较了平滑、范围标度化、自标度化、一阶微分、二阶微分以及这几种预处理相互结合的六种方法,确定了以平滑、一阶微分,范围标度化作为国公酒近红外光谱的数据预处理方法,采用组合的间隔偏最小二乘法筛选出有效波段8 211~8 312cm-1及9 712~9 808 cm-1.应用最小二乘支持向量机建立模型,所建模型的交叉验证误差均方根为0.000 1,预测误筹均方根为0.004,预测集的相对偏差小于5%.与组合的间隔偏最小二乘法、径向基-人工神经网络和支持向量机进行了比较.该方法快速、无损且可靠,可作为国公酒中橙皮苷含量快速测定的手段.    

2.  波长优选对土壤有机质含量可见光/近红外光谱模型的优化  
   林志丹  汪玉冰  王儒敬  汪六三  鲁翠萍  张正勇  宋良图  刘洋《发光学报》,2016年第11期
   可见光/近红外光谱模型是土壤属性预测的有效工具。波长优选在光谱建模过程中起着重要作用。文中首先利用从安徽省涡阳县采集的130个砂姜黑土土壤样本获得可见光/近红外光谱,然后利用平滑与多重散射校正联合的光谱预处理方式消除光谱中的无关变量和冗余信息以提高模型预测结果的相关性,再利用SPXY方法挑选建模集样本,分别利用连续投影算法和遗传算法进行波长优选,最后利用留一法进行交互验证建立有机质含量的主成分回归模型。研究结果显示:连续投影算法和遗传算法都可以有效地减少参与建模的波长数并提高模型的准确度,尤其是遗传算法能够更好地提高土壤有机质含量预测精度,其相关系数、预测均方根误差和相对分析误差分别达到0.9316,0.2142和2.3195。通过合适的特征波长选取,不仅计算量可以大大减少,预测精度也会有效提高。    

3.  校正集选择方法对于积雪草总苷中积雪草苷NIR定量模型的影响  
   詹雪艳  赵娜  林兆洲  吴志生  袁瑞娟  乔延江《光谱学与光谱分析》,2014年第12期
   近红外光谱定量分析中,采用合适的校正集选择方法是建立预测性能良好的近红外定量模型的关键技术之一。校正集选择方法有RS法、CS法、KS法和SPXY法等,但是对以上校正集选择方法缺乏系统地比较。本文以积雪草总苷中积雪草苷NIR定量模型为载体,对NIR定量模型的7个评价指标进行分类和筛选,比较了CS法、KS法和SPXY法三种校正集选择方法对NIR定量模型的准确性和稳健性两类评价指标的影响。结果表明,SPXY法与CS法、KS法选择校正集样本后所建近红外模型的RPD和RSEP两个准确性评价指标存在显著性差异,模型的稳健性评价指标RMSECV和|RMSEP-RMSEC|不存在显著性差异。因此,建立积雪草总苷近红外光谱的积雪草苷偏最小二乘定量模型时,SPXY校正集选择方法能显著提高该定量模型的预测准确度,但对模型稳健性的评价指标没有显著影响,以上结论为中药固体体系建立近红外定量模型确定校正集选择方法提供参考。    

4.  近红外光谱结合ELM快速检测固态发酵过程参数pH值  
   Liu GH  Jiang H  Xiao XH  Zhang DJ  Mei CL  Ding YH《光谱学与光谱分析》,2012年第32卷第4期
   pH值是固态发酵过程关键参数之一,为此提出基于近红外光谱技术的秸秆蛋白饲料固态发酵过程参数pH值检测方法。利用近红外光谱系统获取140个固态发酵过程产物样本在10 000~4 000cm-1范围内的近红外光谱数据,通过酸度计测得近红外光谱预测模型的参考测量值;运用ELM算法建立pH值的预测模型,在模型建立过程中由交互验证法确定最佳主成分因子数和ELM网络隐含层节点数。试验结果显示:最佳ELM网络模型的拓扑结构为10-40-1,模型预测集相关系数(Rp)和预测均方根误差(RMSEP)分别为0.961 8和0.104 4。研究结果可为固态发酵过程参数的在线检测提供技术基础。    

5.  径向基神经网络结合近红外光谱技术分析安络小皮伞发酵组分的研究  
   宋佳  李臣亮  邢高杨  孟庆繁  逯家辉  曹家铭  周毓麟  王迪  滕利荣《光学学报》,2014年第12期
   采用径向基神经网络(RBFNN)结合近红外光谱(NIRS)技术建立一种分析安络小皮伞发酵菌丝体中甘露醇、多糖和腺苷三种组分的定量分析模型。收集164个安络小皮伞液体发酵菌丝体样本的近红外光谱数据,采用常规方法分别测定样本中甘露醇、多糖和腺苷的含量。在应用蒙特卡罗偏最小二乘法(MCPLS)识别异常样本、确定校正集样本数量的基础上,以逼近度(Da)为评价指标,采用可移动窗口径向基神经网络(MWRBFNN)筛选特征波长变量,筛选最佳光谱预处理方法、隐含层节点数(NH)等模型参数。建立甘露醇、多糖和腺苷组分定量分析模型,最佳RBFNN-NIRS模型中校正集和预测集样本实验测定值与预测值间相关系数分别为0.9274、0.9009、0.9440和0.9354、0.9018、0.8847,表明模型具有很好的拟合度和预测性能。    

6.  光谱特征波长的S PA选取和基于SV M的玉米颗粒霉变程度定性判别  被引次数:5
   袁莹  王伟  褚璇  喜明杰《光谱学与光谱分析》,2016年第1期
   利用波长范围在833~2500 nm的傅里叶变换近红外光谱(Fourier transform near infrared spectros‐copy ,FT‐NIR)对不同霉变程度的玉米颗粒进行检测区分。首先,为避免光谱数据首尾噪声影响,对比四种常见的预处理方法,最终选择移动平均平滑法对原始光谱数据进行预处理;然后为选出合适的样本集划分方法以提高模型预测性能,对常见的四种方法进行对比,最终利用SPXY (sample set partitioning based on joint x‐y distance)法进行样本集划分;进一步为减少数据量,降低维度,使用连续投影算法(successive pro‐jections algorithm ,SPA)提取出7个特征波长,分别为833,927,1208,1337,1454,1861和2280 nm ;最后,将七个特征波长数据作为输入,选取径向基函数(radial basis function ,RBF)作为支持向量机(support vector machine ,SVM)核函数,取参数C=7760469,γ=0.017003建立判别模型。SVM模型对训练集和测试集的预测准确率分别达到97.78%和93.33%。另取不同品种的玉米颗粒,以同样的标准挑选样品组成独立验证集,所建立的判别模型对独立验证集的预测准确率达到91.11%。结果表明基于SPA和SVM能有效地对玉米颗粒霉变程度进行判别,所选取的7个特征波长为实现在线霉变玉米颗粒近红外检测提供了理论依据。    

7.  基于可见近红外光谱的糖类别快速鉴别研究  被引次数:3
   林萍  陈永明  何勇《光谱学与光谱分析》,2009年第29卷第2期
   提出了一种用近红外光谱技术快速鉴别糖类别的新方法.采用近红外光谱获取白砂糖、木糖醇、双歧糖和葡萄糖等四种糖类别的光谱反射特征曲线,采用偏最小二乘法进行模式特征分析,经过交互验证法判别,确定最佳主成分数为11.完成特征提取后,将11种主成分作为神经网络的输入变量,建立了3层BP神经网络.四个类别的糖样本数均为40,共计160个样本,将其分成训练集样本120个和预测集样本40个,对40个未知样本进行预测,准确率为100%.说明所提出的方法对于糖类别具有很好的分类和鉴别能力.    

8.  一种基于SCARS策略的近红外特征波长选择方法及其应用  被引次数:1
   刘国海  夏荣盛  江辉  梅从立  黄永红《光谱学与光谱分析》,2014年第34卷第8期
   针对近红外光谱数据的内在特点,提出了一种基于稳定性竞争自适应重加权采样(stability competitive adaptive reweighted sampling,SCARS)策略的近红外特征波长优选方法。该方法以PLS模型回归系数的稳定性作为变量选择的依据,其过程包含多次循环迭代,每次循环均首先计算相应变量的稳定性,而后通过强制变量筛选以及自适应重加权采样技术(ARS)进行变量筛选;最后对每次循环后所得变量子集建立PLS模型并计算交互验证均方根误差(RMSECV),将RMSECV值最小的集合作为最优变量子集。利用饲料蛋白固态发酵过程近红外光谱数据集对所提方法进行了验证,并与基于PLS的蒙特卡罗无信息变量消除法(MC-UVE)和竞争自适应重加权采样(CARS)方法所得结果进行了比较。试验结果显示:建立在SCARS方法优选的21个特征波长变量基础上的PLS模型预测效果更好,其预测均方根误差(RMSEP)和相关系数(Rp)分别为0.054 3和0.990 8;该优选策略能有效地增强固态发酵光谱数据特征波长变量选择的准确性和稳定性,提高了模型的预测精度,具有一定的应用价值。    

9.  近红外光谱结合特征变量筛选方法用于农药乳油中毒死蜱含量的测定  
   吴瑞梅  王晓  郭平  艾施荣  严霖元  刘木华《分析测试学报》,2013年第32卷第11期
   为提高毒死蜱农药乳油中有效成分近红外光谱定量分析模型的精度和稳定性。采用联合区间偏最小二乘法(siPLS)结合遗传算法(GA)筛选特征变量,由交互验证法确定最佳主成分因子数及筛选的变量数。结果表明,从全光谱区优选出81个变量,主成分因子数为11时,能建立性能最优的模型,模型预测集的决定系数R_p~2为0.972,预测均方根误差(RMSEP)为0.353%。研究表明,利用siPLS结合GA方法优选特征变量,能大幅度地消除农药乳油光谱变量间的冗余信息和无关信息,降低模型的复杂度,提高农药有效成分预测模型的精度及稳定性。    

10.  基于光谱技术的杨梅汁品种快速鉴别方法的研究  被引次数:6
   岑海燕  鲍一丹  何勇《光谱学与光谱分析》,2007年第27卷第3期
   为了实现杨梅汁品种的快速无损鉴别,提出了一种用可见和近红外光谱技术快速鉴别杨梅汁品种的新方法.首先采用偏最小二乘法进行模式特征分析,经过交互验证法判别,确定最佳主成分数为9.完成特征提取后,将这9个主成分作为神经网络的输入变量,建立了三层BP神经网络,实现类别预测的同时也完成了数学建模与优化分析工作.3个品种的杨梅汁样本数均为20,共计60个样本.在神经网络学习中,将其分成训练集样本51个和预测集样本9个.对9个未知样本进行预测,准确率为100%.说明本文提出的基于光谱技术和模式识别的方法具有很好的分类和鉴别能力.    

11.  Ensemble-SISPLS近红外光谱变量选择方法  
   李四海  赵磊《光谱学与光谱分析》,2019年第4期
   近红外光谱具有高维小样本的特点,变量选择是提高定量分析模型稳健性和可解释性的一种有效方法。确定独立筛选(SIS)是一种基于边际相关性的超高维数据变量选择方法,广泛用于基因微阵列数据的变量选择。SIS具有将数据维度降低至样本大小规模的能力,其降维能力与LASSO相当,在相当宽泛的近似条件下,由于具有安全筛选性质,所有重要变量被保留的概率趋于1。基于确定独立筛选偏最小二乘(SIS-SPLS)的变量选择是一种迭代式的SIS变量选择方法,首先利用SIS方法完成光谱重要变量的初选;然后根据重要变量的边际相关性大小进行逐步前向选择:建立偏最小二乘回归模型,依据贝叶斯信息准则(BIC)确定最终的变量选择结果。SIS-SPLS以逐步前向选择的方式实现对重要变量的增量式筛选,随着潜变量个数的增加及因变量残差的逐步减小, SIS-SPLS方法选择的变量个数将趋于稳定。然而仅以边际相关性对变量重要性进行评价,当光谱变量个数远大于样本数时,该方法也存在选择的变量过多、变量选择结果不够稳健等问题。为进一步提高小样本情况下变量选择的稳健性,将集成学习引入SIS-SPLS方法之中,提出了一种集成SIS-SPLS变量选择方法(Ensemble-SISPLS)。该方法首先对校正集样本进行自助重采样,对采样得到的每一个校正子集分别使用SIS-SPLS方法进行变量筛选,通过投票机制并设置频次阈值对所有校正子集的变量选择结果进行集成,选择出现频次大于给定阈值的变量并建立偏最小二乘回归模型,计算5折交叉验证均方根误差。对频次阈值和潜变量个数两个关键参数使用网格搜索法进行优选,根据子模型的交叉验证均方根误差和变量个数对子模型性能进行综合评价,以最优子模型包含的变量作为最终的变量选择结果。分别在Corn数据集和当归数据集上进行变量选择实验,比较Ensemble-SISPLS, SIS-SPLS和UVE-PLS三种变量选择方法的性能。其中当归数据集共77个样本,样本采自甘肃岷县和渭源县,使用Nicolet-6700型近红外光谱仪扫描得到所有样本的近红外光谱并对当归中的阿魏酸含量进行预测。Ensemble-SISPLS方法在Corn数据集上选择的变量个数、 RMSEP和决定系数分别为22, 0.000 8和0.999 8; SIS-SPLS方法在Corn数据集上选择的变量个数、 RMSEP和决定系数分别为97, 0.007 3和0.998 8。Ensemble-SISPLS方法在当归数据集上选择的变量个数、 RMSEP和决定系数分别为24, 0.018 1和0.996 3; SIS-SPLS方法在当归数据集上选择的变量个数、 RMSEP和决定系数分别为38, 0.022 6和0.994 3。结果表明,该方法进一步提高了变量选择结果的稳健性和预测能力。Ensemble-SISPLS变量选择方法有效结合了SIS-SPLS较强的变量选择能力和集成学习良好的泛化能力,提高了变量选择的稳健性。此外,由于在子模型的预测能力和变量个数之间进行了折中,一定程度上减少了选择变量的个数,提高了模型的可解释性。    

12.  基于偏最小二乘回归的类模型方法用于中药牛黄的真伪鉴别  被引次数:1
   徐路  付海燕  姜宁  俞晓平《分析化学》,2010年第38卷第2期
   针对独立软模式类簇法(SIMCA)在确定主成分数和决策区间时遇到的困难,提出了一种基于PLSR的类模型方法——PLS类模型方法(PLSCM)。通过把类描述问题转化为常见的PLSR问题,采用成熟的蒙特卡罗交互验证法确定模型的隐变量数和决策区间。采用本方法对不同牛黄样品的近红外光谱数据(波长范围4000~9000 cm-1)进行分析,可成功鉴别牛黄的真伪。本方法的可操作性和鉴别准确率均优于经典的SIMCA方法。对于原始光谱数据,PLSCM的训练和预测准确率均为100%,对于经SNV处理的数据,训练和预测准确率分别为99%和100%。    

13.  光谱多元分析校正集和验证集样本分布优选方法研究  被引次数:8
   刘伟  赵众  袁洪福  宋春风  李效玉《光谱学与光谱分析》,2014年第34卷第4期
   分析了校正集和验证集样品数随性质分布不均匀性对光谱多元分析校正的不良影响,揭示了实际光谱多元校正中"均值化"现象,即性质值小的样本预测值结果偏大,性质值大的则偏小,提出了一种优选样品新方法—Rank-KS。其综合考虑光谱空间和性质空间对样本进行挑选,将性质空间平均分为若干小区间,在每个小区间内分别利用Kennard-Stone法和随机法进行校正集和验证集样本的挑选,这样得到的校正集和验证集可明显改善样本数随性质分布的均匀性。以红外光谱测定汽油中碳酸二甲酯(DMC)含量和近红外光谱测定二甲亚砜溶液二甲亚砜浓度为研究对象,分别采用Rank-KS、随机法、Kennard-Stone、浓度梯度法和SPXY等方法选择校正集和验证集样品,使用多元线性回归和偏最小二乘法建立模型,比较这些方法对光谱多元校正分析的影响,结果表明Rank-KS方法可改善校正集和验证集样品数随性质分布的均匀性;对于样本数分布中间局部样本多和两端局部少、或者局部没有样本的样本集,使用Rank-KS算法挑选校正集,无论使用MLR还是PLS1建立多元分析模型,均能明显改善其模型预测能力,使得到的模型的预测均方根最小。    

14.  基于Si-cPLS的小麦种子发芽率近红外模型优化研究  
   吴静珠  董文菲  董晶晶  陈岩  毛文华  刘翠玲《光谱学与光谱分析》,2017年第37卷第4期
   为了提高近红外光谱技术快速测定小麦种子发芽率的准确度和稳健性,比较分析了基于全光谱的单一偏最小二乘(PLS)模型和多模型共识PLS模型(cPLS)性能,并提出了基于特征光谱的多模型共识PLS模型(Si-cPLS) . 实验收集84份小麦种子,通过SPXY法将样本集划分为训练集样本66个,预测集样本18个. 从训练集中随机抽取50个样本作为校正集建立一系列PLS子模型,选取其中性能较好100个子模型作为成员模型建立cPLS模型,取成员模型预测结果的均值来分析未知样本. 在此基础上,采用组合间隔偏最小二乘法(Si PLS)筛选特征谱区建立多模型共识PLS模型(Si-cPLS). 各模型均采用均值中心化预处理方法,PLS模型、cPLS模型以及Si-cPLS 模型对预测集的小麦种子发芽率进行50次重复预测的平均相关系数r分别为0.935,0.949和0.967,平均预测均方根误差RMSEP分别为13.735%,12.533%和10.273%,RMSEP 的标准偏差分别为1.144%,0.096%和0.08%. 实验结果表明cPLS模型较单一PLS模型更加稳定可靠,而基于特征光谱的Si-cPLS模型则进一步提高了cPLS的稳定性与预测精度,为建立性能优秀的小麦种子发芽率近红外模型提供了新思路.    

15.  土壤碱解氮含量可见/近红外光谱预测模型优化  
   汪六三  鲁翠萍  王儒敬  黄伟  郭红燕  汪玉冰  林志丹  王键  蒋庆  宋良图《发光学报》,2018年第39卷第7期
   可见/近红外光谱技术是土壤成分检测的有效工具。波长筛选对可见/近红外模型土壤属性的预测精度有重要影响。以宁夏吴忠地区75个水稻土样为研究对象,利用可见/近红外光谱技术采集土壤样品光谱,采用SPXY (Sample set partitioning based on joint X-Y distance)方法选取了校正集和预测集样本,比较了分别采用Savitzky Golay平滑(SG smoothing)、多元散射校正(Multiple scatter correction,MSC)、标准正态变量变换(Standard normal variate,SNV)3种预处理方法对光谱数据处理后建立土壤碱解氮偏最小二乘法模型和原始光谱数据建模的效果。在此基础上,分别采用遗传算法(Genetic gorithms,GA)、连续投影算法(Successive projections algorithm,SPA)、竞争性自适应重加权算法(Competitive adaptive reweighted Sampling,CARS)、随机蛙跳(Random frog,RF)进行波长筛选,最后应用偏最小二乘法建立基于不同波长筛选方法的土壤碱解氮含量预测模型。研究表明,由于仪器性能稳定,样品的颗粒度比较小和均匀,本次实验原始光谱数据建模效果最好;各种波长筛选方法均可有效减少参与建模的波长数,且连续投影算法优于全谱建模,所选波长数仅为全谱波长数的1%,其预测决定系数(R2)、预测均方根误差和相对分析误差值分别为0.726,3.616,1.906。这表明连续投影算法可以有效筛选水稻土碱解氮敏感波段,为土壤碱解氮传感器开发提供技术支持。    

16.  FTIR结合SVR对三七总多糖含量快速预测  
   李运  张霁  刘飞  徐福荣  王元忠  张金渝《光谱学与光谱分析》,2018年第6期
   对中药进行快速质量控制,从整体层面反映中药的安全性与有效性具有重要意义。通过硫酸-苯酚显色反应测定三七总多糖含量,傅里叶变换红外光谱(FTIR)结合支持向量机回归(SVR)建立三七总多糖含量预测模型,以期为三七提供快速准确的质控方法。采集云南省12个产地60个三七样品的红外光谱,紫外分光光度法(UV-Vis)检测样品中总多糖含量。红外光谱经过二阶导数(2D)、正交信号校正(OSC)、小波变换(WT)和变量投影重要性(VIP)筛选等数据优化处理。SPXY算法将所有样本按2∶1的比例划分为训练集与预测集。训练集数据用于建立SVR预测模型,网格式搜索、遗传算法(GA)和粒子群优化算法(PSO)对SVR预测模型进行参数优化,预测集进一步对SVR模型的预测能力进行验证。结果显示:(1)葡萄糖标准品与三七总多糖在490nm处存在最大共有吸收峰,490nm可作为三七总多糖检测的定量波长;(2)文山丘北、曲靖师宗及红河蒙自等产地的三七总多糖含量较高,平均含量在25mg·g~(-1)以上;(3)分析3种参数优化模型的校正均方根误差(RMSEE)与预测均方根误差(RMSEP),与PSO优化模型相比,网格式搜索优化模型欠学习,GA优化模型过学习;(4)PSO-SVR模型对预测集数据预测效果最好,RMSEP=3.120 6,R_(pre)~2=83.13%,预测值与紫外检测值接近。表明FTIR结合PSO-SVR模型能够对三七中总多糖含量进行快速准确的预测,为保证三七稳定、安全与有效用药提供数据。    

17.  基于近红外光谱和变量优选的棉麻混纺织物棉含量快速检测  
   孙通  耿响  刘木华《光谱学与光谱分析》,2014年第12期
   纺织品纤维成分的快速检测对其生产过程质量监控、贸易和市场监督均具有重要的意义。利用近红外光谱技术联合变量优选对棉麻混纺织物中的棉含量进行快速检测研究。采用NIRFlex N-500型傅里叶近红外光谱仪在4 000~10 000cm-1光谱范围内采集样本的反射光谱,对样本光谱进行范围初选和预处理分析。在此基础上,利用UVE(uninformative variables elimination),SPA(successive projections algorithm)及CARS(competitive adaptive reweighted sampling)方法对光谱变量进行优选,再应用PLS(partial least squares)建立棉麻混纺织物中的棉含量预测模型。最后,采用最优预测模型对未参与建模的样本进行预测。研究结果表明,4 052~8 000cm-1光谱范围为棉含量较优的建模光谱范围。CARS变量选择方法能较为有效地提高预测模型的精度,CARS-PLS模型的校正集、预测集相关系数和均方根误差分别为0.903,0.749和8.01%,12.93%。因此,近红外光谱联合CARS变量优选可以用于棉麻混纺织物棉含量的快速检测,CARS方法可以有效简化预测模型,提高预测模型性能。    

18.  拉曼光谱结合后向间隔偏最小二乘法用于调和汽油辛烷值定量分析  
   王拓  戴连奎  马万武《分析化学》,2018年第4期
   采用后向间隔偏最小二乘(Backward interval partial least squares,BiPLS)提取汽油拉曼光谱特征谱段,并用于研究法辛烷值(Research octane number,RON)的定量分析。实验中首先使用SPXY(Sample set partitioning based on joint x-y distances)方法划分训练集、交叉验证集和测试集,并采用稳健回归方法剔除异常的样本数据,再结合BiPLS方法筛选特征谱段,利用特征谱段建立偏最小二乘模型。与全谱段偏最小二乘模型的预测性能对比结果表明,后向间隔偏最小二乘方法可使输入模型的特征数据维数降低50.00%,交叉验证均方根误差(Root mean square error of cross validation,RMSECV)降低18.92%,预测均方根误差(Root mean square error of prediction,RMSEP)降低13.86%。后向间隔偏最小二乘方法可有效提取汽油拉曼光谱的特征谱段,降低模型复杂度,同时提高模型预测精度,在调和汽油研究法辛烷值定量分析方面有较好的应用前景。    

19.  近红外光谱结合CARS变量筛选方法用于液态奶中蛋白质与脂肪含量的测定  被引次数:6
   张华秀  李晓宁  范伟  梁逸曾  唐玉莲《分析测试学报》,2010年第29卷第5期
   采用CARS(Competitive adaptive reweighted sampling)变量筛选方法建模, 显著提高了液态奶中蛋白质与脂肪近红外模型的预测精度.用蒙特卡罗采样(Monte-Carlo sampling)方法先剔除奇异样本,再对光谱进行中心化与Karl Norris滤波降噪处理,通过CARS方法筛选出与样本性质密切相关的变量,建立预测蛋白质与脂肪含量的偏最小二乘法(PLS)校正模型,并与未选变量的PLS模型进行比较.以定标集相关系数(r2)及交互验证均方残差(RMSECV)和预测误差均方根(RMSEP)作为判定依据,确定了蛋白质与脂肪的最佳建模条件.蛋白质与脂肪校正模型的相关系数分别为0.975 0、0.995 1,RMSECV分别为0.194 8、0.136 3,RMSEP分别为0.113 3、0.140 1,预测结果优于未选变量的PLS模型及其他选变量方法,有效简化了模型,适于液态奶中脂肪和蛋白质的快速、无损检测.    

20.  近红外光谱结合膜富集技术测定饮料中微量邻苯二甲酸二异辛酯的含量  被引次数:1
   陈贵平  童佩瑾  耿金培  李晓玉  李秀勇  杜一平《分析测试学报》,2012年第31卷第5期
   提出了一种基于在线膜富集的近红外漫反射光谱技术,对饮料中的微量塑化剂邻苯二甲酸二异辛酯(DEHP)进行快速检测。采用聚醚砜膜对饮料中的DEHP进行富集,将富集DEHP的膜直接进行近红外漫反射检测。参考DEHP的透射近红外光谱,对波数进行选择,以4 420~4 060、4 700~4 540、6 040~5 600cm-1作为建模的波数区间。通过比较原始光谱、多元散射校正、一阶求导、二阶求导及其组合,考察了光谱预处理方法对模型的影响,用去一交互验证法建立了偏最小二乘(PLS)模型,并用所建立的校正模型对校正集样品进行了预测。结果表明,在选定的波数区间,当用一阶求导对校正集光谱进行预处理时,所建立的模型对校正集的预测效果最佳,在隐变量数为7时,对校正集所有样品的校正均方根误差(RMSEC)为0.188 7mg/L。用此模型对预测集样品进行预测时,DEHP的质量浓度在0.5~5.0 mg/L范围内,预测均方根误差(RMSEP)为0.232 4 mg/L,平均相对预测误差为6.29%。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号