近红外光谱法对头孢氨苄粉末药品的非破坏定量分析

采用近红外漫反射光谱法对头孢氨苄粉末药品中主要成分头孢氨苄进行快速、无损定量分析.采用偏最小二乘法建立近红外光谱信息与待测组分含量间的最佳数学校正模型.对3种光谱(SNV光谱、一阶导数、二阶导光谱)的预测结果进行了比较,讨论了光谱的预处理方法和主成分数对偏最小二乘法定量预测能力的影响,并对预测集样品进行预测.     

多模型共识偏最小二乘法用于近红外光谱定量分析

将多模型共识偏最小二乘法用于近红外光谱定量分析。利用随机抽取的训练子集建立一系列偏最小二乘模型,选取其中性能较好的部分模型作为成员模型,用这些成员模型来预测未知样品。将该方法用于一组生物样本的近红外光谱与样品中人血清白蛋白、γ-球蛋白以及葡萄糖含量之间的建模研究,并与单模型偏最小二乘法了进行比较。结果 PLS对独立测试集中三种组分进行50次重复预测的平均RMSEP分别为0.1066,0.0853和0.1338,RMSEP的标准偏差分别为0.0174,0.0144和0.0416;而本方法重复预测的平均RMSEP分别为0.0715,0.0750和0.0781,RMSEP的标准偏差分别为0.0033,0.2729×10-4和0.0025。     

用光谱分析仪快速定量分析石油勘探钻井过程中气体含量方法

一种用光谱分析仪快速定量分析石油勘探钻井过程中气体含量方法，属于石油勘探气测录井技术领域。本发明的目的是为了解决钻井大提速而录井现有的气测方法间歇取样、分析速度慢、精确度低、定量结果影响因素多等问题。待测气体经过处理后进入气体流通池，经红外光照射和检测器检测，在光谱分析工作站内计算得到样品的红外光谱及各组分的含量。本发明具有分析速度快、准确、灵敏度高、可连续取样、在线分析，且不用外接气源等优点，可以在线对多组分重叠峰进行准确定性定量分析，工作环境适应能力强，操作简单，适用于石油勘探录井过程气体分析，保证钻井过程数据点的密集性和薄油层的发现率，非常适合快速钻井的需求。本发明也广泛适用于石油化工、环境监测等领域。     

基于平行因子分析法解析遥感傅里叶变换红外光谱谱图

本研究利用平行因子分析法(PARAFAC)完成了甲苯、苯和甲醇三组分体系的遥感傅里叶变换红外光谱(FTIR)谱图的同时定性定量分析.在有丙酮干扰情况下,定量分析的误差分别在6.61、18.76、16.00以下.将PARAFAC的输出结果作为偏最小二乘法(PLSDA)模型输入,实现了定性分析的自动完成.对主动式下数据定性分析的识别率和拒绝率均为100%,对被动式下数据的拒绝率为90%,识别率为85%.分析结果表明,PARAFAC可以同时进行定性定量分析,避免了干扰物存在的影响,可以满足遥感FTIR对多组分体系的实时、在线监测的需要.     

不同校正策略预测性能的比较——生物样本中6-巯基嘌呤的表面增强拉曼光谱定量分析

比较了单变量比率校正方法、偏最小二乘回归法、基于各种预处理方法的偏最小二乘回归法,以及波谱形变定量分析理论对生物基质(血浆和尿液)中6-巯基嘌呤(6-MP)的表面增强拉曼光谱(SERS)数据的定量分析结果。研究表明,只有波谱形变定量分析理论能够对加标血浆和尿液样本中6-MP的SERS光谱数据进行准确的定量分析,其预测结果的平均相对误差小于7%,回收率在93.6%～107.4%,检出限约为6.0 nmol/L。SERS光谱技术结合波谱形变定量分析理论有望成为一种适用复杂生物样本中6-MP定量分析的替代方法。     

样条变换集成罚函数偏最小二乘方法用于光谱数据重构和定量分析

针对高维小样本光谱数据所显现的函数型数据(Functional data)特性、与性质参数的非线性关系及变量间存有的严重共线性,采用了样条变换集成罚函数偏最小二乘回归新技术.它首先以三次B基样条变换实现非线性光谱数据的线性化重构,随后将重构的新光谱矩阵交由罚函数偏最小二乘法(Penalized PLS)构建其与性质参变量间的校正模型,其中罚函数中的光滑因子由交叉验证优化确定以调控模型的拟合精度.最后,通过小麦样品水分含量的近红外光谱定量分析,结果显示该技术光谱数据重构稳健,去噪明显,并有效解决高维小样本的过拟合和变量间的共线性,而预测集的均方根误差(RMSEP)为0.1808%,方法的非线性校正模型预测能力得到了明显提高.     

大豆油中掺混地沟油的FTIR定量分析模型

采用红外光谱(FTIR)和偏最小二乘(PLS)法,建立了地沟油掺混比例的衰减全反射(ATR)定量分析模型。分别采集大豆油、地沟油和二者不同掺混比例的红外光谱图,应用TQ化学计量学分析软件,对不同光谱的采集方式,不同化学计量学处理模式进行了比较,并对光谱区域,光谱的预处理方法,主成分因子数进行筛选。依据预测效果确定了最佳的预测模型,其相关系数为0.99,定标均方差(RMSEC)为4.31、预测均方差(RMSEP)为5.55。本法可用于地沟油鉴别的初期检测。     

近红外光谱法分析格列齐特片

应用化学计量法处理光谱数据,用偏最小二乘法建立格列齐特片的近红外分析模型。通过光谱预处理和模型的逐步优化最终确定定量分析模型的相关系数为0.991,交叉验证均方差(RMSECV)为0.641,预测均方根误差(RMSEP)为0.980,主因子数为4。选取15个验证样品对模型进行检验,检测结果相对误差在-2.04%～3.52%之间。     

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

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。     

不同光谱预处理对激光诱导击穿光谱检测猪肉中铅含量的影响

为了研究适合激光诱导击穿光谱(LIBS)检测猪肉中重金属铅(Pb)元素含量的光谱预处理方法,将配制的84个猪肉腿肌样品分为校正集和预测集,以相关系数(R)、内部交叉验证均方差(RMSECV)和预测均方根误差(RMSEP)作为评价指标,比较了5种光谱预处理方法对偏最小二乘法(PLS)建模预测效果的影响.结果表明,多元散射校正(MSC)预处理效果最好,定标模型预测值与实验室分析元素检测值的相关系数(R)达到0.9908,RMSECV为0.302,RMSEP为0.282,主成分数为16,18个预测集样品的验证结果的平均相对预测误差(ARPE)为7.8％.说明MSC是LIBS检测猪肉Pb含量的有效光谱预处理方法,该研究为进一步实现食品中重金属快速定量分析提供了方法和数据参考.