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 273 毫秒

1.  基于近红外漫反射光谱的烃源岩生烃潜量的确定  
   Zhang YJ  Xu XX  Song N  Wu ZC  Zhou X  Chen J  Cao XW  Wang B《光谱学与光谱分析》,2011年第31卷第4期
   对比了近红外光谱和中红外光谱对烃源岩样品生烃潜量的定量分析能力.由于近红外光谱受样品的颗粒度、密度、表面粗糙度等造成的光散射的影响更大,使得其漫反射光谱数据的信噪比很低,背景干扰很大,很难直接应用于定量分析.因此需要一种有效的方法对近红外漫反射数据进行预处理来消除散射的影响.本文对比了正交信号校正算法(OSC)及其两种改进算法(DOSC和WMDOSC)对原始光谱进行预处理,并结合间隔偏最小二乘(iPLS)建模的结果,发现用WMDOSC作为预处理方法时,近红外光谱所建模型能够达到与中红外一致的准确性,使得近红外漫反射光谱技术在石油录井中有了广阔的应用前景.    

2.  siPLS-LASSO的近红外特征波长选择及其应用  
   梅从立  陈瑶  尹梁  江辉  陈旭  丁煜函  刘国海《光谱学与光谱分析》,2018年第2期
   近红外技术广泛应用于食品、药品等生产过程和产品质量检测,具有样品无需预处理、成本低、无破坏性、测定速度快等优点。但是,全光谱数据维数高、冗余信息多,直接应用于建模会导致模型复杂性高、稳定性差等问题。siPLS是最常见的光谱数据降维方法,但是难以处理光谱数据的共线性问题。LASSO是一种相对新的数据降维方法,但在小样本应用中具有不稳定性。针对siPLS和LASSO在近红外光谱数据应用中存在的问题,提出了基于siPLS-LASSO的近红外特征波长选择方法,并将其应用于秸秆饲料蛋白固态发酵过程pH值监测。该方法首先采用siPLS算法,实现对光谱波长最佳联合子区间的优选;然后,对优选联合子区间使用LASSO算法进行特征波长选择,在此基础上建立PLS校正模型。同时,将siPLS-LASSO方法与其他传统特征波长选择方法进行了对比。结果表明:建立在siPLS-LASSO方法优选33个特征波长基础上的PLS模型预测结果更好,其预测方差(RMSEP)和相关系数(Rp)分别为0.071 1和0.980 8;所提siPLSLASSO方法有效选取了特征波长,提高了模型预测性能。    

3.  直接正交信号校正算法在烷烃类多组分气体定量分析中的应用  
   Li YJ  Tang XJ  Liu JH《光谱学与光谱分析》,2012年第32卷第4期
   针对烷烃类多组分混合气体中红外光谱存在的基线漂移问题,提出一种直接正交信号校正算法用于光谱数据预处理。实验中采用傅里叶变换红外光谱仪采集了936组混合气体样本的光谱数据,混合气体主要由不同浓度范围的七种组分气体组成。将直接正交信号校正算法与导数算法进行了对比分析,采用偏最小二乘回归方法建立了各组分气体定量分析模型,并对模型参数(主元个数、导数步长及正交分量的个数)进行了遍历优化选取最优分析模型。结果表明直接正交信号校正算法对于中红外光谱基线校正效果最好,直接正交信号校正算法用于烷烃类混合气体中红外光谱基线校正可行,效果良好,具有一定的实用和研究价值。    

4.  基于激光近红外的稻米油掺伪定性-定量分析  被引次数:1
   涂斌  宋志强  郑晓  曾路路  尹成  何东平  亓培实《光谱学与光谱分析》,2015年第6期
   该文主要研究激光近红外光谱分析技术结合化学计量学方法对稻米油掺伪进行定性‐定量分析。分别将大豆油、玉米油、菜籽油、餐饮废弃油掺入稻米油中,按照不同质量比配置189个掺伪油样,利用激光近红外光谱仪采集光谱;对采集的稻米油掺伪图谱数据进行多元散射校正(M SC )、正交信号校正(OSC )、标准正态变量变换和去趋势技术联用算法(SNV_DT )三种不同预处理并与原始数据进行比较。采用连续投影算法(SPA )对经过预处理的光谱数据进行特征波长提取,应用支持向量机分类(SVC )方法建立稻米油掺伪样品的定性分类校正模型,选择网格搜索算法对模型参数组合(C , g)进行寻优,确定最优参数组合。另采用后向间隔偏最小二乘法(BiPLS)和SPA对预处理后的光谱数据进行特征波长提取,分别应用偏最小二乘法(PLS)和支持向量机回归(SVR)建立掺伪油含量的定量校正模型,并选用网格搜索算法对SVR模型参数组合(C , g)进行寻优,建立最优参数模型。研究表明,建立的SVC模型预测集和校正集的准确率分别达到了95%和100%;对比SVR和PLS方法建立的数学模型对稻米油中掺杂油脂的含量的预测,两种方法均能够实现含量预测,SVR模型的预测能力更好,相关系数 R高于0.99,均方根误差(MSE)低于5.55×10-4,预测精度高。结果表明,采用激光近红外光谱分析技术可以实现稻米油掺伪的定性‐定量分析,同时为其他油脂的掺伪分析提供了方法。    

5.  近红外稳健分析校正模型的建立(Ⅰ)--样品温度的影响  被引次数:15
   褚小立  袁洪福  王艳斌  陆婉珍《光谱学与光谱分析》,2004年第24卷第6期
   样品温度对近红外光谱分析模型稳健性有明显影响 ,消除其影响的三类方法包括光谱预处理、波长选择和温度补偿校正集。文章以重整汽油 /辛烷值 /苯含量为研究体系 ,考察了这三类方法对建立稳健分析模型的有效性 ,并详细研究了温度补偿校正集样品数量及性质分布对温度混合模型稳健性的影响规律。结果表明 ,仅通过光谱预处理方法难以消除温度对模型稳健性的影响 ;遗传算法波长选择和温度补偿校正集对消除温度影响是有效的 ,而后者更容易实现 ,但在实际应用中应考虑非线性问题    

6.  近红外光谱的数据预处理研究  被引次数:22
   高荣强  范世福  严衍禄  赵丽丽《Guang pu xue yu guang pu fen xi = Guang pu》,2004年第24卷第12期
   进行了小麦样品近红外光谱数据的预处理研究,一般仪器记录的样品近红外光谱数据中包含有一系列噪声和干扰信号,因此适当的预处理是进行后续光谱定标、建模及模型传递的基础,对可靠地获得准确分析结果具有很重要的作用。结合小麦样品蛋白质含量近红外光谱分析工作,对由近红外光栅光谱仪和傅里叶变换近红外光谱分别记录的66种小麦样品光谱数据,采用高斯一阶、二阶导数小波变换方法进行了预处理。对比常用的一阶差分预处理,证明高斯函数导数小波变换方法是十分有效、实用的,预处理后光谱曲线非常光滑、噪声消除效果明显,富含有用光谱分析信息的区域更加清晰显示,因而非常有助于后续的光谱定标、建模和模型传递工作。    

7.  段式正交信号校正方法及在小麦近红外光谱数据分析中的应用  被引次数:3
   成忠  诸爱士《分析化学》,2008年第36卷第6期
   针对光谱数据峰宽、局部效应显著、含有噪音、变量个数多及彼此间常存在严重的复共线性等问题,改进和设计一种光谱数据局部校正方法:基于窗口平滑的段式正交信号校正方法,并将之结合偏最小二乘回归,以实现光谱数据的预处理及定量分析。通过NIPALS算法初始化将滤去的正交成分,以近邻分段方式进行逐个波长点的正交信号校正。而后将去噪后的光谱矩阵作为新的自变量阵,通过偏最小二乘回归构建其与性质参变量间的校正模型。通过小麦近红外漫反射光谱数据的应用实验结果表明,本方法正交成分估计稳定,去噪明显,模型的预报性能优于其它方法,PLS成分数减少,模型更加简洁。    

8.  近红外光谱分析中的变量选择算法研究进展  被引次数:3
   宋相中  唐果  张录达  熊艳梅  闵顺耕《光谱学与光谱分析》,2017年第37卷第4期
   随着人们对近红外光谱分析技术了解的深入,人们发现通过剔除近红外光谱中的冗余变量不仅可以简化近红外光谱分析模型,提高模型的可解读性,通常还可以提高模型的预测效果及稳健性. 变量选择的有效性已经在各种近红外光谱应用体系中得到了广泛的验证,发展成为了近红外光谱分析建模过程中一个越来越重要的步骤. 为此,化学计量学家们近些年来开发了大量原理不同的新型变量选择算法,基于各种原理的衍生算法也层出不穷. 为了让近红外光谱分析研究人员能够较为迅速地对这些算法的特点有所认识,对目前常见的各种变量选择算法的算法原理和优缺点进行了梳理. 根据各种算法依据的原理不同,将目前近红外光谱领域常见的变量选择算法大致分为基于偏最小二乘模型参数,基于智能优化算法,基于连续投影策略,基于模型集群分析策略和基于变量区间等五类. 在梳理的过程中,我们发现变量选择算法的发展趋势目前主要集中在以下两点:第一,算法的复杂程度不断提高;第二,不同变量选择算法之间的联用开始逐渐增多.此外,作者结合自身在应用变量选择算法时的体会和思考,还总结了变量选择算法在应用层面上存在的一些问题. 例如光谱预处理方法对变量选择算法使用效果的影响,以及部分算法存在的稳定性较差,选择变量的可靠性存疑等.    

9.  分子光谱自动检索算法、策略与应用进展  
   褚小立  李敬岩  陈瀑  许育鹏《分析化学》,2014年第9期
   近些年,基于分子光谱(紫外、红外、近红外、拉曼和荧光等)分析技术建立了诸多复杂混合物质的光谱数据库(例如土壤、饲料、物证检材、药物和油品等),这些分子光谱库在现代工农业生产中日益发挥着重要的作用,其中光谱检索方法是充分利用这些光谱数据库的关键手段之一。本文系统综述了用于分子光谱自动检索的算法、策略和应用进展,并提出了需要注意和进一步研究的科学和技术问题。    

10.  基于光谱融合的火星表面相关矿物分类方法研究  
   徐伟杰  武中臣  朱香平  张江  凌宗成  倪宇恒  郭恺琛《光谱学与光谱分析》,2018年第6期
   多源数据融合能在一定程度上扩展数据信息量,更利于建立准确和稳健的分析模型。行星探测中常采用多个载荷协同分析同一目标,因此利用多载荷数据融合辨别分析火星矿物具有重要科学意义和应用前景。分别采用可见近红外(Vis-NIR)反射光谱和拉曼(Raman)散射光谱两种技术手段测量了火星表面主要矿物(硅酸盐、硫酸盐、碳酸盐)的光谱特征曲线,并对获取的光谱数据进行基线校正、Savitzky-Golay平滑以及标准矢量归一化(SNV)等必要的数据预处理。根据光谱特征,首先选取样品Vis-NIR和Raman数据信息丰富、信噪比高、光谱信号重叠小的波段(Vis-NIR:430~2 430nm,Raman:130~1 100cm~(-1)),然后运用软独立建模分类法(SIMCA)、主成分分析法-K最邻近分类法(PCA-KNN)分别建立基于Vis-NIR,Raman及两者融合(累加融合、串联融合)的矿物聚类分析模型。采用SIMCA算法的矿物聚类准确率由单一光谱建模的72.6%(Vis-NIR),90.7%(Raman)提升为融合建模的96.3%(累加融合)和98.1%(串联融合);采用PCA-KNN的准确率由单一光谱建模的68.9%(Vis-NIR),72.9%(Raman)提升为融合后的80.3%(累加融合)和92.6%(串联融合)。实验结果表明:光谱融合能够发挥Vis-NIR,Raman各自的数据优势,所建火星表面相关矿物分类模型的预测准确度更高。该研究为我国火星探测任务奠定了岩石分类方法基础。    

11.  高光谱成像的油菜和杂草分类方法  被引次数:2
   潘冉冉  骆一凡  王昌  张初  何勇  冯雷《光谱学与光谱分析》,2017年第37卷第11期
   利用高光谱成像技术结合化学计量学方法对油菜中的杂草进行分类识别.采用近红外高光谱技术,通过正态变量变换(SNV)、去趋势化(De-trending)、多元散射校正(MSC)、移动平均平滑法(MA)、多项式卷积平滑法(SG)、基线校正(baseline)及归一化(normalize)算法对光谱数据进行预处理,采用主成分载荷(PCA loadings)、载荷系数法(x-LW)、回归系数法(RC)、连续投影算法(SPA)分别进行特征波长提取,采用偏最小二乘判别分析(PLS-DA)、极限学习机(ELM)和支持向量机(SVM)建立分类模型.结果表明,基于De-trending预处理,通过PCA loadings,x-loading weights及SPA特征波长提取方法,基于极限学习机ELM算法建立的模型取得了最优的分类效果,建模集和预测集的分类精度均达到100%,另引入平均分类精度的指标,发现不同试验时间下,模型分类精度变化不大,表明应用近红外高光谱成像技术对油菜和杂草进行分类是可行的.    

12.  PCA和SPA的近红外光谱识别白菜种子品种研究  
   罗微  杜焱喆  章海亮《光谱学与光谱分析》,2016年第11期
   为了实现对不同品种白菜种子的快速无损鉴别,应用近红外光谱技术获取白菜种子的光谱反射率,首先采用变量标准化校正和多元散射校正对原始光谱进行预处理;其次,采用主成分分析法(PCA)对光谱数据进行聚类分析,从定性分析的角度得到三种不同白菜种子的特征差异,并采用连续投影算法(SPA)选取特征波长;最后,分别基于全波段光谱、PCA分析得到的前3个主成分变量以及SPA算法选取的特征波长,建立了最小二乘支持向量机(LS-SVM)和偏最小二乘判别(PLS-DA)模型进行白菜种子不同品种的鉴别。从主成分PC1、PC2得分图中可以看出,主成分1和2对不同种类白菜种子具有很好的聚类作用。基于特征波长建立的PLS-DA和 LS-SVM模型的判别结果优于基于主成分变量建立的模型,其中基于特征波长建立的LS-SVM模型识别效果最优,建模集和预测集的品种识别率均达到100%。结果表明,通过SPA算法选取的6个特征波长变量能够很好的反映光谱信息,提出的 SPA算法结合 LS-SVM预测模型能获得满意的分类结果,为白菜种子品种的识别提供了一种新方法。    

13.  基于最小角回归与GA-PLS的NIR光谱变量选择方法  
   颜胜科  杨辉华  胡百超  任超超  刘振丙《光谱学与光谱分析》,2017年第37卷第6期
   近红外(NIR)光谱一般具有较多的波长变量数,对其直接或间接地进行变量选择是提高模型稳定性能及预测性能的关键.最小角回归(LAR)是一种相对较新和有效的机器学习算法,常用于进行回归分析和变量选择.面向光谱建模应用,提出一种LAR结合遗传偏最小二乘法(GA-PLS)的变量选择方法,可有效筛选出少数特征波长点.首先在全光谱区利用LAR消除变量间的共线性得到初筛波长点,然后用GA-PLS对LAR筛选出的波长点进一步优选从而得到最终建模用的特征波长点.为验证本文方法的有效性,以药片和汽油的近红外光谱回归分析作为应用案例,对原光谱进行预处理后,采用该方法进行变量筛选,然后分别建模其中的活性成分含量和C10含量.结果显示,在这两个应用中,最终优化得到的特征波长点数均只需七个,而两者的预测决定系数R2分别达到0.933 9和0.951 9,与全光谱、无信息变量消除法(UVE)和连续投影算法(SPA)等方法相比,特征波长点更少,同时R2p和预测均方根误差RMSEP值更优.因此,LAR结合GA-PLS,能有效地从近红外光谱中选择出信息变量从而减少建模波数,提高预测精度,拥有较好的模型解释性.该方法可为特定领域的专用光谱仪设计提供有效的波长筛选工具.    

14.  近红外化学模式识别方法及应用研究  被引次数:5
   李彦周  闵顺耕  刘霞《光谱学与光谱分析》,2007年第27卷第7期
   近红外模式识别技术是现代近红外光谱分析技术的一个重要方面.文章较系统地介绍了近红外模式识别中常用的化学模式识别方法和这一领域内的最新进展,涉及到聚类分析、判别分析、特征投影显示3个方面多种方法的基本原理,以及近年来出现的支持向量机(SVM)、气泡凝聚算法(BA)、焦点本征函数(FEF)等新方法的基本思想.综述了近几年近红外模式识别技术在农业、医药、食品分析、石油等领域的具体应用.    

15.  应用近红外透射光谱鉴别藿香正气水  被引次数:1
   江勇  倪永年  朱惠芳《南昌大学学报(理科版)》,2012年第36卷第4期
   应用近红外透射光谱技术,并结合化学计量学方法,对3种不同品牌的藿香正气水的质量进行鉴别.分别采用小波变换和遗传算法对原始近红外光谱进行数据压缩和波长选择,处理后的光谱数据用主成分分析法进行处理,所有17个藿香正气水样品按生产厂家得到正确分类.将光谱数据用不同方法前预处理,进而利用反传人工神级网络的学习预测能力建立识别模型.交叉验证结果表明,原始光谱、平滑光谱、小波变换及遗传算法预处理后建立的校正模型分类样品的百分比均达100%.小波变换预处理的建模速度最快,预测结果最好.    

16.  贮藏期内灵武长枣果糖含量的高光谱预测  
   万国玲  刘贵珊  何建国  杨晓玉  程丽娟  张翀《光谱学与光谱分析》,2019年第10期
   高光谱成像可将图像和光谱相结合,同时获得目标对象的图像和光谱信息,已在农产品定性和定量分析检测方面得到广泛利用。利用可见-近红外高光谱成像结合化学计量学方法对贮藏期内灵武长枣果糖含量进行无损检测。采用高效液相色谱测量长枣果糖含量的化学值,可见-近红外高光谱系统采集长枣的高光谱图像,提取每个样本感兴趣区域的平均光谱;建立长枣贮藏期的径向基核函数支持向量机(radial basis kernel function support vector machine, RBF-SVM)模型;分别选用正交信号校正法(orthogonal signal correction, OSC)、多元散射校正(multiplicative scatter correction, MSC)、中值滤波(median-filter, MF)、卷积平滑(savitzky-golay, SG)、归一化(normalization, Nor)、高斯滤波(gaussian-filter, GF)和标准正态变换(standard normalized variate, SNV)等方法对原始光谱进行预处理;为减少数据量,降低维度,提高运算速度,采用反向区间偏最小二乘法(backward interval partial least squares, BiPLS)、间隔随机蛙跳算法(interval random frog, IRF)和竞争性自适应加权算法(competitive adaptive reweighted sampling, CARS)对光谱数据提取特征变量;建立全波段和特征波段的偏最小二乘回归(partial least squares regression, PLSR)和主成分回归(principle component regression, PCR)长枣果糖含量预测模型。结果表明:RBF-SVM判别模型校正集准确率为98.04%,预测集准确率为97.14%,能很好地预测长枣的贮藏期;利用BiPLS, IRF及CARS进行降维处理,提取特征波长个数为100, 63和23,占原光谱数据的80%, 50.4%和18.4%;为简化模型运算过程并提高模型精度,采用CARS算法对BiPLS及IRF算法所选取的特征波长进行二次筛选,分别优选出18和15个特征波长,占原光谱数据的14.4%和12%,显著减少特征波长数;将全波段光谱与提取出的特征波长分别建立长枣果糖含量的PLSR及PCR预测模型,优选出CARS提取特征波长建立的PLSR模型效果最优,其中校正集的相关系数R_c=0.854 4,均方根误差RMSEC=0.005 3,预测集的相关系数R_p=0.830 3,均方根误差RMSEP=0.005 7,说明CARS有效地对光谱进行降维,简化了数据处理过程。研究表明,利用可见-近红外高光谱成像结合化学计量学方法及计算机编程,可以有效的实现灵武长枣果糖含量的快速无损分析,为灵武长枣内部品质的检测提供理论依据。    

17.  畜禽肉化学成分近红外光谱检测技术研究进展  被引次数:1
   陶琳丽  杨秀娟  邓君明  张曦《光谱学与光谱分析》,2013年第11期
   和传统的肉品化学成分检测方法相比,近红外光谱分析是一种能够快速、简单、安全和可同时测定多种化学成分的肉品检测方法。论述了近年来猪、鸡、牛、羊四种动物肉中粗蛋白质、肌间脂肪、脂肪酸、水分、灰分、肌红蛋白和胶原蛋白七种化学成分的近红外光谱分析检测研究进展,并探讨了目前研究中存在的问题及其原因。从已发表的研究结果可以看出,近红外光谱分析具有替代耗时成本高的现有肉品化学检测方法的巨大潜力,特别是用于商业上同步检测多种化学成分。研究大多采用主成分分析法进行特征光谱筛选,偏最小二乘和修正偏最小二乘法建立校正模型,交互验证进行预测结果评价。目前研究热点集中在肉中脂肪酸含量预测模型和应用近红外高光谱图像和多元回归预测肉中化学成分。近红外光谱预测结果差异性较大,这与样品集选择、光谱预处理和建模方法都有很密切的关系。样品选择对近红外预测精度具有重要的意义,非均质肉样影响了近红外化学成分预测精度。总的来说,肌间脂肪、脂肪酸与水分指标预测效果较好,粗蛋白质和肌红蛋白指标预测效果次之,灰分和胶原蛋白指标预测结果较差。    

18.  基于可见/近红外透射光谱的孵化早期受精鸡蛋的判别  
   秦五昌  汤修映  彭彦昆  赵兴华《光谱学与光谱分析》,2017年第37卷第1期
   在种鸡蛋孵化过程中,部分种蛋由于未受精不能正常出雏,不但会造成大量浪费,还有可能引起霉菌感染其他种蛋,利用可见/近红外透射光谱分析技术可以对种鸡蛋中的受精蛋和无精蛋进行检测。为研究孵化初期无精蛋最佳的判别时间,本文通过对孵化环境下种鸡蛋品质随时间变化的研究,最终发现在孵化24 h内的种鸡蛋品质还在新鲜状态,在72 h后的种鸡蛋品质变为不可食用级别,最终发现36 h内是最佳的判别时间。研制了基于可见/近红外透射光谱的静态采集系统,并使用该系统进行了光谱采集。对比同一品种不同样品及不同品种的光谱建模效果,剔除了由蛋黄与蛋壳颜色造成的样本光谱差异区域,选取的有效光谱波段为355~590和670~1025 nm。采用主成分分析法进行预处理,通过不同时间、不同主成分数建模效果的比较,确定最佳的主成分数。同时采用多元散射校正、附加散射校正、导数校正与主成分分析的光谱预处理方法在不同的建模方法下进行对比,并考虑到实际应用与最终的生产效益,建立了有效的判别模型。最佳判别模型为使用24h时采集光谱且采用主成分分析法进行数据预处理并使用 Fisher 算法建立的模型,判别准确率能达到87.18%。该研究为早期受精蛋与无精蛋的无损伤在线鉴别提供了一种新的方法。    

19.  基于小波变换的木材近红外光谱去噪研究  被引次数:3
   王学顺  戚大伟  黄安民《光谱学与光谱分析》,2009年第29卷第8期
   木材近红外光谱常常被一系列噪声所污染,影响光谱分析结果.为了提高近红外光谱分析精度,需要对光谱数据进行预处理.光谱导数可以消除光谱背景干扰和基线漂移等因素影响,提高光谱分辨率,但导数光谱在增强信号的同时,也使信号噪声得到增强.应用小波变换对杉木木材近红外一阶导数光谱进行去噪研究,分别采用9点平滑法、25点平滑法、非线件小波硬阈值和软阈值法、9点平滑+小波变换法和25点平滑+小波变换法对光谱数据进行去噪研究.结果显示,小波变换能够有效去除导数光谱中的噪声信号,保留光谱中的有效信息,提高光谱信噪比,提高光谱的分析能力,在木材近红外光谱分析中具有很好的应用前景.    

20.  近红外水分稳健分析模型研究  被引次数:1
   李勇  魏益民  张波  严衍禄《光谱学与光谱分析》,2005年第25卷第12期
   样品水分含量差异对近红外光谱分析模型的稳健性影响最为严重。文章以全籽粒小麦蛋白质含量为研究对象,分析了光谱预处理、有效波数区间的选取和全局校正模型应用对建立近红外水分稳健分析模型的可行性。结果表明,仅通过光谱预处理方法不能减少样品水分差异对预测结果的影响;选择有效波数区间和建立全局校正模型对消除水分的影响均有效,建立全局校正模型的效果最佳。并从理论上初步分析了各种方法的作用机理。    

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