基于VB的主成分回归计算分光光度法同时测定感冒液成分的研究

主成分回归（PCR）分光光度法是近年来发展起来的计算分光光度法之一，本文将主成分回归分光光度法应用于感冒液中对乙酰氨基酚，扑尔敏，咖啡因，对氨基酚和愈创木酚甘油醚五组分含量的分析研究，详细介绍了基本原理和具体的分析步骤，运用计算机VB语言对实验数据进行回归分析，实验结果表明主成分回归分光光度法对样品各组分的平均回收率在96.43%-107.14%，样品不经分离即可同时测定，取得了满意的分析结果。     

基于PCA的水质紫外吸收光谱分析模型研究

利用紫外光谱分析水中有机污染物已成为水质实时在线监测的重要方法之一,水样组分复杂且不稳定是影响其测量结果的主要因素。利用主成分分析法(PCA)结合欧氏距离分析水样紫外吸收光谱,对水样分类,效果良好。分别用主成分分析结合偏最小二乘法回归(PCA-PLSR)和直接利用多波长吸光度结合偏最小二乘法回归(MWA-PLSR)建立分析模型,并对比分析了不同浓度的COD标准液的实验数据。结果表明,采用第一、二主成分作为回归参数的PLSR模型的测量误差在5%以内,偏差最小。利用本文方法可同时实现水样分类和水质参数的精确定量。     

一种新的线性神经网络多组分分析法及其在VC银翘片NIR定量分析中的应用

用红外光谱仪测量了VC银翘片的近红外谱图,然后将主成分分析法(PCA)和线性神经网络结合,分析VC银翘片中的对乙酰氨基酚和维生素C的含量。讨论了主成分数的选择及影响神经网络的各参数。为了比较算法的性能,作者又分别采用了偏最小二乘法、主成分分析结合BP神经网络进行数据处理。实验及数据处理结果表明,在3种多组分分析方法中,主成分分析结合线性神经网络的方法具有最高的预测精度。     

太赫兹时域光谱的药物多组分同时定量测定

应用太赫兹时域光谱(THz-TDS)技术结合化学计量学方法对多组分药物混合物中药物活性成分(API)和药用辅料的含量进行了定量分析研究。用THz-TDS系统测量了无水茶碱、乳糖一水合物和硬脂酸镁三元药物混合物及对乙酰氨基酚、乳糖一水合物、微晶纤维素和可溶性淀粉四元药物混合物的太赫兹吸收光谱,并采用主成分回归(PCR)和偏最小二乘回归(PLS)两种多元校正方法分别建立了太赫兹吸收谱与多元混合物各组分含量的定量回归模型,同时获得了混合物中药物活性成分和药用辅料的含量。PLS回归取得更好结果,其中三元混合物两组分含量的PLS定量模型校正及预测相关系数R均高于0.98,四元混合物中对乙酰氨基酚、乳糖一水合物、微晶纤维素和可溶性淀粉含量的PLS定量模型校正及预测相关系数R均分别高于0.93,0.98,0.63和0.86。结果表明,THz-TDS技术结合化学计量学方法建立定量分析模型能够实现对多元混合物成分含量的无损非破坏定量分析,在药物分析等领域将有广阔的应用价值。     

EDXRF外推回归法测定白色K金饰品中Ni和Pd的含量

本文所阐述的ＥＤＸＲＦ外推回归法就是把多元素回归法与荧光强度的基本公式结合起来，根据样品的能谱图，从理论上计算了白色Ｋ金饰品中Ｎｉ和Ｐｄ的含量，进而计算了Ｋ金饰品成色，解决了无标样的难题。该法的标准偏差小于０．１％，与原子吸收法进行了比对，偏差小于０．３％。     

主成分-逐步回归近红外光谱法测量纸浆卡伯值

主成分 -逐步回归法用于纸浆卡伯值的近红外光谱法测量建模。结果表明 ,这种算法由于主成分分析法消除了变量间的相关性 ,逐步回归法又在一定程度上防止主成分分析法带来的光谱数据信息的损失 ,所以利用该算法建立的纸浆卡伯值测量模型 ,与一元回归、多元回归和主成分回归等方法相比 ,具有更高的预测精度。     

采用主成分分析结合相关系数法提高苯及其同系物含量预测结果的准确度

采用短波近红外光谱法对苯及其同系物进行了检测,研究了多组分近红外光谱主成分的特点和物理意义。指出前几个主成分和此多组分混合物的相关系数曲线十分相似,给予理论证明并指出了成立的条件。主成分结合相关系数法可以鉴别出系统高频噪声,扣除这部分噪音可有效地提高预测模型的预测准确度。     

PLS-GRNN法近红外光谱多组分定量分析研究

研究了偏最小二乘(partial least squares,PLS)与广义回归神经网络(generalized regression neural networks,GRNN)联用在近红外光谱多组分定量分析中的应用.以饲料样品为实验材料,采用PLS-GRNN法建立了饲料中水溶性氯化物、粗纤维、脂肪三项组分含量近红外光谱定量分析模型.马氏距离法剔除强影响点和奇异点,用PLS法将原始数据压缩为主成分,取8个主成分吸收峰与4个原始图谱特征峰值输入GRNN网络,网络光滑因子σi为0.1.PLS-GRNN模型对样品3个组分含量的预测决定系数(r2)分别为:0.984 0,0.987 0,0.983 0;样品平行扫描光谱预测值的标准偏差分别为:0.003 26,0.065 5,0.031 4.结果表明所建PLS-GRNN模型通过近红外光谱能够准确预测饲料中水溶性氯化物、粗纤维、脂肪三项组分含量,为近红外光谱进行多组分定量分析提供了新思路,同时为解决近红外快速检测技术在预测组分含量较低的样品时误差相对较大的问题提供了可靠的方法.     

基于岭回归分析法的太湖CRS紫外光谱回归模型

分析了太湖36个采用点水样铬还原性硫（Chromium reducible sulfur,CRS）与可溶性有机碳DOC以及5个波长吸光度之间的关系,发现CRS与DOC并不存在回归关系。但陆源水样CRS与DOC以及吸光度均有较好的相关性。在建立CRS紫外光谱多元回归模型的过程中,为了解决吸光度共线性的影响,采用岭回归法构建多元回归模型。通过两种途径建立回归方程,一是将各波长吸光度分别与CRS建立的一元线性回归方程作为子模型,再按岭回归方法将子模型构建成组合模型;二是直接采用岭回归法建立吸光度与CRS的多元回归模型。两模型在反映CRS与紫外光谱的回归关系上具有一致性。     

多成分有机气体的近红外光谱定量检测方法

在环境检测领域,运用近红外光谱分析技术对多成分挥发性有机物进行连续的在线监测具有重要意义。本文分析了三种挥发性有机物——丙烷、丙烯和甲苯的近红外光谱特征和丙烯浓度与吸光度的线性关系,采用线性回归建模方法——偏最小二乘法对丙烷、丙烯和甲苯混合气体存在特征吸收的近红外光谱(1620~1750 nm)进行了建模分析,基于该模型预测了验证集样品中三种气体的含量,并对模型进行了评价。实验结果表明,近红外光谱技术可以方便、准确的定量分析有机性挥发气体的多组分含量,可以应用于多成分挥发性有机物的连续在线监测。     

近红外光谱的不同产地柑橘无损鉴别方法

柑橘是世界第一大水果。不同产地的柑橘内部品质和价格有所不同,但其外观差别较小,外行人较难通过肉眼实现准确鉴别分析。DNA标记法与仪器分析操作复杂、成本较高,且对样品具有破坏性,无法实现快速无损分析,影响了产品的二次销售。近红外光谱技术是一种快速无损的新型检测手段,可以用于不同产地农产品的鉴别分析。由于柑橘皮对光谱的干扰较大,导致现阶段柑橘产地无损鉴别研究匮乏。此外柑橘体积较大,因此需要对光谱采样点进行优化。为此,基于近红外光谱技术与化学计量学方法,提出了一种用于不同产地柑橘无损鉴别的新方法。使用近红外光谱仪得到了120个来自云南、湖南、广西武鸣、广西来宾的沃柑漫反射光谱数据。采用单一和组合光谱预处理方式以消除光谱中的多种干扰;采用主成分分析方法对数据进行降维处理,并以此作为输入值结合Fisher线性判别分析方法构建柑橘产地鉴别模型,并与主成分分析模型进行对比。此外,考察了不同光谱采样位置（赤道线4个采集点、果梗部以及果顶部）对结果的影响。结果表明：主成分分析方法结合优化光谱预处理的方法不能实现不同产地柑橘的准确鉴别分析,最优鉴别率仅为5%;而采用主成分分析-Fisher线性判别分析方法,利用赤道线4个点的平均光谱结合去偏置校正或多元散射校正预处理方法可实现不同产地柑橘的100%鉴别分析;采用主成分分析-Fisher线性判别分析对6个点的平均光谱数据进行处理时,采用原始光谱便可实现不同产地柑橘的100%鉴别分析。为此,通过对光谱预处理方法以及光谱采集点的优化,利用主成分分析-Fisher线性判别分析方法即可建立准确的柑橘产地鉴别模型,为不同产地柑橘的快速鉴别提供了新途径,为后续各种柑橘类水果的鉴别分析提供了参考。     

荧光光谱成像技术结合聚类分析及主成分分析的藻类鉴别研究

为探讨快速、实时藻类检测方法,实验通过荧光光谱成像技术结合模式识别方法对不同藻类进行鉴别研究。发现藻类样本存在着显著的荧光特性,通过采集40个藻类样品的荧光光谱图像,对图像进行去噪、二值化处理,确定有效像素后,根据光谱立方体绘制每个样本的光谱曲线,将所得400～720 nm区段范围内的光谱数据作鉴别分析,再利用系统聚类分析及主成分分析两种不同的模式识别法对光谱数据进行处理。系统聚类分析结果表明： 采用欧氏距离法及平均加权法计算样本间的聚类距离,在距离L=2.452以上水平处可将样本正确分类,准确率为100%;主成分分析结果表明： 通过对原始光谱数据进行一阶微分、二阶微分、多元散射校正、变量标准化等预处理后,再对数据进行主成分分析,其中二阶微分预处理后鉴别效果最佳,八种藻类样品在主成分特征空间中独立分布。因此,利用荧光光谱成像技术结合聚类分析法及主成分分析法对藻类进行鉴别是可行的,操作简便、快速、无损。     

基于能谱CT的材料组分彩色表征研究

基于光子计数探测器的X射线能谱CT,通过增加能谱分辨率实现了CT图像由灰度向彩色的转变,提高了材料识别能力。然而随着能谱通道数量的增加,通道中的噪声也显著增加,降低了材料识别的准确性。为充分利用能谱CT图像的稀疏性以及能谱通道之间图像的相关性,提出一种多约束窄谱CT迭代重建算法,可在降低噪声的同时有效保留图像的边缘及细节部分。进一步利用主成分分析对窄谱CT图像中的能谱信息进行估计,并建立主成分图像与R,G和B颜色分量之间的映射关系,最后获取彩色CT图像。该方法通过材料组分的彩色表征可以有效识别材料,同时降低图像中的背景噪声。仿真实验和实际实验结果验证了多约束窄谱CT迭代重建算法的有效性以及利用主成分分析进行材料组分彩色表征的可行性。     

近红外光谱谱线特性对物质浓度分析误差影响的研究

为解决近红外光谱法分析物质浓度过程中缺乏可测度分析而导致测量过程存在一定盲目性问题,研究在已知测量条件、样品种类、被测组分以及建模分析方法的条件下,利用近红外光谱谱线特性作为参数,在大量样品近红外光谱采集和标准法测得浓度数据等工作前,对被测物质浓度的分析误差做大致估算。经过大量尝试和试验提出等效信噪比（ESNR）和谱线重叠系数（OC）两个重要参数,其中ESNR反映待测组分吸光度占总吸光度的比重,而OC则反映待测组分近红外光谱曲线间的重叠程度。通过理论仿真得到光谱分析中用经典的偏最小二乘回归建立定量分析模型时谱线特性与物质浓度分析误差的关系,分别计算ESNR和OC与被测组分浓度分析误差（RMSE）的关系,并且研究两个谱线参数的独立性。利用理论分析得到结果对浓度为8%~12%乙醇水溶液进行可测度分析,并与近红外光谱法分析的实际结果进行比较。研究通过理论仿真得到使用光谱分析中经典的偏最小二乘回归建立定量分析模型时谱线特性与物质浓度分析误差的关系,其中ESNR与RMSE成反比关系,而OC与被测组分分析误差成非线性的单调关系,并且验证了ESNR和OC两个参数的独立性。通过理论计算和乙醇水溶液近红外光谱检测实验对等效信噪比和谱线重叠系数与光谱分析浓度误差的定量关系进行讨论,通过理论分析得到的乙醇浓度RMSE预估值为0.30%,近红外光谱分析实际RMSE为0.32%,相对误差6.67%,二者结果相符。实现了在测量条件、样品种类、被测组分以及建模分析方法已知的条件下基于近红外光谱分析的待测组分含量理论误差的定量计算和实验验证。该研究明确了对近红外光谱法分析物质浓度有明确定量关系的两个谱线参数,给出了使用光谱分析中经典的偏最小二乘回归建立定量分析模型时的分析误差经验曲线,以及利用曲线进行近红外光谱法待测组分浓度可测度分析方法。结果表明所提出的ESNR和OC两个谱线特性参数的有效性,以及分析误差预估方法的有效性。为近红外光谱法待测组分浓度定量分析提供了有效、快捷的预估方法,完善了近红外光谱法成分含量可测度分析理论,对近红外光谱法物质浓度定量分析研究具有一定指导意义。     

基于光谱表示和独立成分分析的混合颜料成分分析方法

在混合颜料成分分析中,反射光谱法通过计算相似性来判断基本颜料种类,容易受多种基本颜料的影响,造成分析结果不准确。将光谱表示为信号,结合独立成分分析,提出一种基于光谱表示和独立成分分析的混合颜料成分分析方法。首先,采用光谱仪获取混合颜料光谱信息,并将其表示为离散信号的形式;然后,对信号进行独立成分分析,得到基本颜料的光谱信息;随后,通过计算基本颜料光谱与已知颜料光谱的相似性,确定基本颜料种类;最后,逆用Kubelka-Munk混色公式就可以得出基本颜料的比例。我们采用蒙赛尔色卡光谱制作模拟数据,分别进行正常/扰动情况下三种色卡光谱混合信息的成分分析试验,以及从8种色卡光谱中选择若干种混合后的成分分析实验。分离出的光谱形态与已知的原始颜料光谱形态极其相似,平均相似比为97.72%,最大相似比可以达到99.95%,得出的基本颜料比例与混合时的比例基本相同。实验结果表明本方法适用于混合颜料成分分析。     

基于相依成分分析-红外光谱法的黄芩炮制过程分析

将相依成分分析(DCA)算法用于模拟混合组分红外光谱(IR)分析及黄芩炮制过程分析与终点确定。研究结果表明,DCA法能从黄芩炮制过程测定的IR信号中提取相依组分(DC)信息,而且这些DC对应的光谱特征信息与对应的黄芩活性组分光谱特征相一致;通过观测DC相对强度变化趋势,确定黄芩炮制过程终点为55 min。该研究为黄芩炮制过程分析与终点确定提供了新途径。     

基于三维荧光光谱和四元数主成分分析的食醋品牌溯源研究

提出基于四元数主成分分析的三维荧光光谱特征提取新方法,并将其运用于品牌食醋溯源研究。首先利用F7000荧光光谱仪测得不同品牌食醋样本的三维荧光光谱数据,获取样本的等高线图和三维投影图,并进行三维荧光等高线图分析;然后利用激发波长分别为380,360和400 nm下的发射光谱数据建立食醋三维荧光光谱数据的四元数并行表示模型,对四元数荧光光谱矩阵进行四元数主成分特征提取,并基于乘积运算、模值运算和求和运算三种方法对提取出来的四元数主成分特征进行特征融合;最后将融合特征作为K近邻分类器的输入,得到不同食醋品牌的最优分类模型。分别讨论三种不同特征融合方法和四元数主成分个数与最终模型分类正确率之间的关系。针对四个不同食醋品牌120个样本的分析结果可得：基于求和特征融合运算所得到的融合特征可以利用最少的特征数目,建立最优的溯源模型,样本预测集溯源正确率可达100%。研究结果表明：四元数主成分特征提取和特征融合方法能够并行表示三维荧光光谱数据所蕴含的丰富信息,为三维荧光光谱数据分析提供新思路。     

自参考交错子矩阵法确定混合物的化学组分数

本文提出SRISM方法解决这个问题,方法基于化学信息和噪声之间的频率差异. 首先,对原始波谱数据矩阵进行间隔采样,获得两个交错子矩阵. 原始化学信息在交错子矩阵中仍被完全采样,但是噪声并非如此. 然后,对两个交错子矩阵分别进行主成分分析,得到两组主成分. 最后,将两组主成分配对比较,从而获得原始波谱数据矩阵的化学组分数. 通过处理模拟数据和实验数据,SRISM方法能够有效克服信号重叠、微量组分和噪声等干扰因素,获得正确的化学组分数. SRISM方法具有原理完备、计算效率高、自动进行等优点.     

Zernike矩在橡胶添加剂太赫兹光谱定量分析中的应用研究

近年来,“绿色轮胎”发展备受关注。在绿色轮胎制造过程中需要多种橡胶添加剂,而橡胶添加剂的含量与绿色轮胎能否达标密切相关,因此,对轮胎橡胶中相关橡胶添加剂的定量检测具有重要意义。太赫兹时域光谱（THz-TDS）技术已经成功应用于物质定量分析领域,但当定量分析对象为多组分混合物时,由于混合物光谱出现重叠和失真等原因,会导致定量分析结果不理想。针对此问题,将Zernike矩作为一种光谱预处理技术引入到橡胶添加剂多组分混合物的太赫兹光谱定量分析中,提出了基于Zernike矩结合支持向量回归（Zernike moment-support vector regression, ZM-SVR）的太赫兹光谱定量分析方法。首先,以影响绿色轮胎质量能否达标的三种橡胶添加剂氧化锌、白炭黑和2-巯基苯并噻唑（MBT）为定量检测对象,将3种橡胶添加剂与丁腈橡胶构成多组分混合物实验样本,并通过太赫兹时域光谱系统测得样本的太赫兹光谱;然后,对太赫兹光谱进行分析与处理,得到其吸收系数、消光系数和折射率3种光学参数后,将3种光学参数构建为样本的太赫兹三维光谱,并利用Zernike矩提取太赫兹三维光谱灰度图的特征信息;最后,利用支持向量回归建立样本太赫兹三维光谱灰度图特征信息和目标成分含量之间的定量模型,从而对混合物样本中目标成分含量进行分析。利用该方法得到的定量模型预测集相关系数均大于等于0.952 2,均方根误差均小于等于2.267 2%。为进一步验证该方法的有效性,将定量分析结果与常规方法PLS和SVR的结果进行了对比。对比发现,相比常规方法得到的定量分析结果,Zernike矩结合支持向量回归方法所得结果的准确性和稳定性均得到了明显提升。因此,Zernike矩结合支持向量回归方法为橡胶添加剂多组分混合物的太赫兹光谱定量检测提供了新思路,在绿色轮胎及橡胶的质量检测领域具有广阔应用前景。     

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。