小波变换用于近红外光谱数据压缩

近红外光潜数据量大,需要较大数据存储空间和较长的建模时间、本文以成品柴油性质分析为例．将小波变换用于近红外光谱数据压缩处理,详细考察了小波压缩参数,比较了压缩前后潜图差异以及性质分析偏差的变化。研究结果表明．采用Daubechies小波函数(N=2)为母函数．进行3次分解,直接采用其逼近系数(Ca3)作为谱图压缩数据,其重构光谱与原始光谱基本一致直接利用逼近系数进行性质分析,其分析精度与原始光谱数据基本相当,存储空间减少至原来的1／8,且能够明显缩短其建模时间和分析时间。     

近红外漫反射光谱的小波变换滤波

利用小波变换对５２个烟草样品的近红外漫反射光谱进行滤波处理，并用ＰＬＳ法来计算烟草样品的总氮含量，结果表明小波变换滤波后，预测集的相对标准偏差由原来的９．２％降为７．４％，此结果也优于傅里叶变换和五点三次平滑。     

自适应小波算法用于近红外光谱的多元校正

实现了一种构建自适应小波滤波器的方法,并将其用于近红外光谱数据的多元校正。该方法根据一定的目标函数,针对信号的特性自适应地构造小波滤波器。用该法构建的滤波器对烟草样品的近红外光谱进行压缩,并将压缩后的数据采用偏最小二乘法建模,实现了烟草样品常规组分的定量分析。     

小波变换-可见-近红外光谱技术用于鉴别品牌料酒的研究

模式识别技术广泛应用于食品种类、品牌和原产地的分类鉴别.本文测定了三个品牌114个料酒样品的可见-近红外光谱,利用小波变换技术对光谱信号进行了去噪和压缩处理,并采用Fisher权重法计算了16个小波细节系数的Fisher权重.以16个小波细节系数为特征变量采用向量相似度法对三种不同品牌料酒进行了相似度分析,主成分分析法...     

小波变换结合多维偏最小二乘方法用于近红外光谱定量分析

将小波变换和多维偏最小二乘法相结合用于近红外光谱定量校正模型的建立。首先将原始光谱进行小波变换分解，得到系列小波细节系数，通过选取一组受外界因素少、信息强的小波系数组成三维光谱阵，然后再采用多维偏最小二乘法建立校正模型。实验结果表明，该方法所建近红外校正模捌的预测能力更强，并更具稳健性。     

小波变换结合多维偏最小二乘方法用于近红外光谱定量分析

将小波变换和多维偏最小二乘法相结合用于近红外光谱定量校正模型的建立.首先将原始光谱进行小波变换分解,得到系列小波细节系数,通过选取一组受外界因素少、信息强的小波系数组成三维光谱阵,然后再采用多维偏最小二乘法建立校正模型.实验结果表明,该方法所建近红外校正模型的预测能力更强,并更具稳健性.     

离散小波变换-遗传算法-交互检验法用于近红外光谱数据的高倍压缩与变量筛选

用遗传算法(GA)与交互检验(CV)相结合建立了一种用于对近红外光谱(NIR)数据及其离散小波变换(DWT)系数进行变量筛选的方法，并应用于烟草样品中总挥发碱和总氮的同时测定。结果表明：NIR数据经DWT压缩为原始大小的3．3％时基本没有光谱信息的丢失；有效的变量筛选可以极大地减少模型中的变量个数，降低模型的复杂程度，改善预测的准确度。     

基于小波变换动态时间规整的近红外光谱模型传递方法

为解决因测量环境及仪器差异而导致的近红外光谱模型通用性较差的不足,提出一种基于小波变换动态时间规整算法的模型传递方法(Wavelet transform combined with dynamic time warping,WDTW),从而实现不同仪器之间模型的共享。首先,该方法将光谱进行小波变换预处理,然后利用动态时间规整算法(Dynamic time warping,DTW)找到近红外光谱波长点之间最优的对应关系并建立回归方程。使用近红外药品光谱数据集和汽油数据集建立传递模型,验证了基于小波变换动态时间规整模型传递方法的有效性。汽油光谱数据集C7、C8、C9和C10成分的预测标准偏差(SEP)分别为0.414 4、0.801 1、1.090 4和1.290 8;药品光谱数据集活性、硬度和重量的SEP分别为2.585 6、0.434 5和2.270 3,均小于传统方法。上述实验结果表明,所建立的模型传递方法能有效消除源机光谱和目标机光谱之间的差异,提高模型的稳定性和准确性,实现模型传递的效果。     

人工神经网络用于近红外光谱预测汽油辛烷值

本文对BP人工神经网络(ANN)方法在汽油的辛烷值与其近红外光谱光谱吸光度的关系之间进行关联预报方面进行了研究。采用35个汽油实际样本数据,建立了利用汽油的近红外光谱光谱吸光度预测汽油辛烷值的BP人工神经网络模型。对所有辛烷值的计算结果与实测值进行了比较,得到的预测值与实测值计算误差小于1.55%。     

小波多尺度分段直接校正法用于近红外光谱模型传递的研究

分段直接校正(PDS)算法是目前最常用的近红外光谱模型传递方法,但它在对整个谱区进行校正时,始终依赖大小不变的传递窗口.为了提高传递效果,本研究在PDS基础上提出了一种新的算法--小波多尺度分段直接校正法(WMPDS),用于混胺的近红外光谱模型传递,并详细讨论了模型的传递参数和传递结果.本算法首先对混胺的近红外光谱进行...     

小波变换-分段直接校正法用于近红外光谱模型传递研究

提出了一种新的传递算法(WT-PDS)———小波变换-分段直接校正法,并详细讨论了模型传递参数和传递结果。首先利用小波变换对光谱进行压缩处理,采用PDS算法消除不同仪器之间压缩数据的差异,最后利用经校正的压缩数据进行分析,实现模型传递。本方法能够扣除不同仪器之间的大部分差异,大幅度改善分析精度。传递后模型分析精度与源机模型稳健性紧密相关。如果源机模型稳健性强,则能够实现不同仪器之间的共享。本方法能够实现源机的0#轻柴十六烷值、凝点、馏出温度;-10#轻柴十六烷值、凝点以及-10#军柴凝点和馏出温度共10个模型在5台仪器之间共享,简化了建模的成本。与传统的PDS相比,WT-PDS方法具有传递和建模变量少、速度快、光谱校正性能高等优点,而其模型分析精度与传统PDS基本一致。     

基于主成分分析和小波神经网络的近红外多组分建模研究

将小麦叶片原始光谱经过预处理后,采用主成分分析(PCA)对数据进行降维,取前3个主成分输入小波神经网络,建立了基于主成分分析和小波神经网络的近红外多组分预测模型(WNN);进一步研究了小波基函数个数的选取(WNN隐层节点数)对小波神经网络模型性能的影响,并将WNN模型与偏最小二乘法(PLS)和传统的反向传播神经网络(BPNN)模型进行了比较.结果表明,所建立的WNN模型能用于同时预测小麦叶片全氮和可溶性总糖两种组分含量,其预测均方根误差(RMSEP)分别为0.101%和0.089%,预测相关系数(R)分别为0.980和0.967.另外,在收敛速度和预测精度上,WNN模型明显优于BPNN和PLS模型,从而为将小波神经网络用于近红外光谱的多组分定量分析奠定了基础.     

一种基于小波变换的近红外化学指纹图谱分析方法

提出了一种快速无损的化学指纹图谱分析新方法. 根据小波变换多分辨分析的特点, 对近红外(NIR)光谱进行小波分解, 从中提取被测样品的化学特征信息, 并作数字信息可视化处理, 构建形成可直观识别样品模式特征的NIR指纹图谱. 将该方法用于中药材丹参的质量检测, 检测结果与色谱指纹图谱检测结果相符, 能快速有效地识别丹参质量模式间的差异, 有望发展成为一种快速分析检测天然产物质量的方法.     

软件技术在近红外光谱定量分析中的应用

为了更好地运用化学计量学方法提高近红外光谱定量分析的质量,全面研究了相关算法技术与软件工具的应用。根据近红外光谱定量分析的一般流程,依次探讨了光谱数据预处理、异常样本检测、样本集划分、波长选择、模型建立及其参数优化的常用算法,并给出了其中各种主流算法的基本步骤;然后介绍了OMNIC、OPUS、Origin、The Unscrambler X和MATLAB等软件工具的功能特点和主要用途,可为相关技术研究和分析检测工作提供参考。     

一种消除在线多通道近红外分析仪各通道光谱差异的方法

针对在线多通道近红外分析仪因光纤耦合器件加工精度和装配过程存在细微差异而引起通道间光谱不一致的问题,在对光谱差异进行解析的基础上,提出了一种运算简捷、且在实际应用中易于实现的平均光谱差值校正(MSSC)方法,并与常用的模型传递算法如斜率／偏差(S／B)算法、分段直接校正(PDS)算法,以及通过偏最小二乘-人工神经网络(PLS-ANN)建立多通道混合校正模型进行了对比。结果表明,该方法可有效消除各通道所测光谱之间存在的差异,实现了多通道分析模型的通用性。     

主成分分析-支持向量回归建模方法及应用研究

将主成分分析(PCA)用于近红外光谱的特征提取,并与支持向量回归(SVR)相结合,实现了主成分分析-支持向量回归(PCA-SVR)用于近红外光谱定量分析的建模方法。与单纯的SVR方法相比,不仅提高了运算速度,而且提高了模型的预测准确度。将PCA-SVR方法用于烟草样品中总糖和总挥发碱含量的测定,所得结果的预测均方根误差分别为1.323和0.0477;回收率分别为91.8%~112.6%和88.9%~120.2%。     

近红外光谱测定聚四氢呋喃混合液

近红外光谱;聚合反应;过程分析;四氢呋喃;分子质量