矿石拉曼光谱模型拟合分类方法

拉曼光谱因具有简单、快速及无损等特点,非常适合矿石的分类与鉴别。拉曼光谱模型拟合分类方法无需构建参考光谱库且避免了复杂的逐项光谱匹配,具有明显的优势。然而,已有的基于机器学习及深度学习的矿石拉曼光谱分类研究所采用的学习模型比较单一,缺乏具有参考意义的综合比较。对基于机器学习及深度学习的矿石拉曼光谱模型拟合分类方法进行综合评估验证,对比了KNN, XGBoost, SVM, RF四种传统机器学习方法和CNN, DNN, RNN三种深度学习模型在RRUFF矿物拉曼光谱数据集上的分类效果,验证了4种数据预处理方法和样本量对模型分类效果的影响。为提升机器学习模型的分类性能,本文还提出了一种拉曼光谱强度曲率的数据预处理方法,对经基线矫正后的拉曼光谱序列强度计算曲率作为构造特征,使模型更有效的提取出拉曼光谱的特征峰位置。实验结论：数据预处理对提升机器学习模型的分类性能效果明显,而对深度学习模型不敏感;样本量为影响模型分类效果的关键因素,当样本量较大时,深度学习模型的分类效果优于传统的机器学习模型;对于微小样本,深度学习模型难以发挥其优势,而辅以预处理的机器学习具有更优的分类性能。     

关于三峡永久船闸高边坡快速施工地质超前预报的几个问题

文中就三峡永久船闸高边坡快速施工地质超前预报的几个问题进行了讨论。分别研究了三峡永久船闸高边坡施工地质超前预报的必要性，提出了超前预报技术思路，最后就高边坡岩体反分析及反馈设计问题、施工地质超前预报问题以及与监测相适应的超前处理及防护进行了分析。     

地质环境样品中挥发酚分析现状与进展

挥发酚被列为环境优先控制的有机污染物,已成为评价环境污染的重要指标之一。该文简述了挥发酚的化学性质及地质环境来源,概括了国内外挥发酚测定的相关标准方法,从样品预处理技术和检测技术两方面综述了近年来地质环境样品中挥发酚分析的研究现状。重点对溶剂萃取、蒸馏、固相萃取、固相微萃取和吹扫捕集等样品预处理技术,以及4-氨基安替比林分光光度法、紫外和荧光分光光度法、溴化容量法、气相色谱法、液相色谱法和酚生物传感器法等技术在地质环境样品中挥发酚分析上的应用进行了较为全面的总结,并对其未来的发展趋势进行了展望,为进一步研究挥发酚的分析技术及其环境应用提供参考。     

天然纤维预处理技术研究进展

天然纤维预处理是影响天然纤维强化生物复合材料的关键因素。文章首先从天然纤维的物理特性、化学成分和吸湿特性三方面对纤维性能进行了陈述,针对这些性能综述了国内外常用的天然纤维预处理方法,重点介绍了碱化处理、硅烷处理、高锰酸盐处理和过氧化物处理等化学方法,并对比了天然纤维经常用化学改性方法处理后产生的结果;其次介绍了机械加工...     

基于深度学习的太赫兹时域光谱识别研究

太赫兹时域光谱技术,由于其具有物质“指纹谱”特性,是一种可以快速无损地鉴别物质的重要手段,在毒品和爆炸物的无损检测等方面有广阔的应用前景。其中,光谱识别是太赫兹时域光谱技术应用研究的重要方向之一。现有的光谱识别方法多是依靠手工选取特征后进行机器学习分类,或是通过设置吸收峰阈值门限进行判断。由于一些物质在太赫兹波段内并没有明显的吸收峰特征,同时样品浓度、空气湿度、各类噪声等会对太赫兹时域光谱造成干扰从而使信噪比下降,这些方法并不能很好地适应,并且物质类别和数量的增加也会导致计算量不断增加。近年来,随着深度学习技术兴起,以卷积神经网络（CNN）和循环神经网络（RNN)为代表的方法在计算机视觉和自然语言处理等领域得到广泛应用,相比于传统的机器学习方法其效果有了很大的提升。由于深度学习技术强大的非线性分类能力,基于RNN和CNN设计了两个网络用于光谱识别：基于RNN的一维谱线分类网络和基于CNN的二维谱图分类网络。模拟实际应用场景,在非真空环境下采集了12种物质的两万多个光谱数据作为训练集和测试集。在分析了样品浓度、空气湿度对光谱特征的影响后,使用S-G（Savitzky-Golay）滤波对光谱进行降噪。实验结果表明,对比未处理和经过S-G预处理的数据,处理后的光谱特征更加明显,识别准确率更高;与传统的机器学习算法k最近邻（k-NN）方法相比,RNN和CNN方法在测试集上有更好的准确率,且算法速度更快;对于光谱识别,CNN方法比RNN方法能够更好地克服噪声的影响。因此,深度学习技术可以对太赫兹时域光谱进行快速有效的识别,能够为新型无损安全检查技术提供理论和实验基础。     

基于能量色散X射线荧光光谱的鱼粉产地溯源方法研究

鱼粉是一种在养殖业中占有重要地位的高蛋白饲料原料。我国对鱼粉的市场需求很大,但不同产地的鱼粉存在品质差异的问题。为保证鱼粉品质安全,建立鱼粉产地溯源系统具有非常重要的意义。能量色散X射线荧光光谱根据元素辐射X射线荧光光子能量不同,能够检测样品矿物质元素种类和含量。鱼粉所含矿物质元素种类和含量会因鱼粉产地不同而存在差异,因此提出采用能量色散X射线荧光光谱(EDXRF)法对鱼粉进行扫描检测来获得鱼粉的元素信息,将原始光谱进行预处理后,采用鲸鱼算法改进的自适应净信号权重局部超平面方法识别鱼粉样品的光谱向量,从而对其产地进行溯源判别。首先对产地来自辽宁和浙江的51份鱼粉样品进行压片,并在EDXRF谱仪的检测程序中设置不同的滤光片,得到51组(每组6条光谱)光谱。然后对光谱进行预处理,采用基于自适应迭代重加权惩罚最小二乘法算法（airPLS）进行基线校正,从而消除基线漂移的影响,提高精度。采用小波变换对光谱进行平滑,去除光谱曲线的高频噪声。选取每个鱼粉样品6条光谱的有效区段,计算谱峰面积,获得代表样品矿物质元素含量的16维向量。最后采取鲸鱼算法对自适应净信号权重局部超平面(ANWKH)方法的关键参数（近邻数、主成分数、调节参数）进行最优选择,再利用寻找到的最优参数建立自适应净信号权重局部超平面模型,随机选取每个产地鱼粉样品的70%作为训练集,30%作为测试集进行鱼粉产地判别。鱼粉样品分别来自辽宁和浙江两个产地,经预测模型识别正确率分别为94.3%和100%,总正确率为97.3%,均高于人工寻找参数的自适应净信号权重局部超平面分类准确率。结果表明,基于能量色散X射线荧光光谱的鱼粉溯源方法能够准确地实现鱼粉产地溯源,经鲸鱼算法改进后的自适应净信号权重局部超平面方法能够寻找到最优参数,建立分类准确度更高的模型,为以后进行更加详细的国内外鱼粉产地溯源提供了参考。     

一种油田原油含水率的近红外光谱检测与分析方法

石油作为重要战略资源,对其组分进行实时分析检测在石油化工领域有着重要意义。随着石油资源的不断开发,在已长时间开采油井的生产过程中以及新油井开采前,需要对井下原油组分进行分析检测,以判定开采的必要性。原油组分实时检测,在原油开采、生产、储运以及销售过程中都起着关键的作用,针对传统检测方法存在精度低、效率低等问题,近年来在原油组分检测技术的研究方法上引入了在测量领域得到广泛、有效应用的近红外光谱测量技术。以井下原油作为研究对象,利用从大庆油田获得的提纯原油与水按体积比配制了原油占比分别为1%~20%共39个组分的实验样品来模拟井下原油。研究了近红外光谱透射法测量原油组分的基本原理,并利用SW2520型近红外光谱仪与卤素光源以及配套组件集成了原油样品近红外光谱数据测量系统,完成了系统的标准化实验并利用此标准化后的系统采集了39个组分原油样品的近红外吸收光谱数据。利用移动窗口平滑法、Savitzky-Golay卷积平滑法以及Savitzky-Golay卷积求导法对原油近红外光谱数据进行预处理以消除噪声,利用偏最小二乘法和支持向量机回归方法SVR两种分析方法对预处理后的原油样品近红外光谱进行建模,分别建立了原油组分分析预测模型。研究结果表明,利用偏最小二乘法模型预测均方根误差为0.003 755 14,决定系数R2为0.999 999,预测精度优于0.1%,预测效果十分理想。利用近红外光谱技术对配制的不同比例的井下原油模拟测试样品进行测试建模和分析,为井下原油组份检测提供了一种新的思路,该方法可以有效的解决原油含水率的检测问题,为开发油田现场实时原油检测分析装备提供技术支撑。     

光学元件激光预处理技术研究进展及其应用

光学元件中的杂质和缺陷会引起其激光损伤阈值的大幅降低,现阶段这一问题已成为激光装置向高功率、高能量方向发展的“瓶颈”,亟待解决。在对光学元件激光损伤的研究中发现,用低于光学元件损伤阈值的激光对元件表面进行预处理,可以有效提高光学元件的抗激光损伤能力。对激光预处理技术的提出背景、定性作用机理、定量理论模型及国内外技术应用现状进行了概述。并且介绍了一种可在薄膜制备过程中进行原位实时激光预处理的新型薄膜制备技术。最后指出,激光预处理技术作为一种无污染,可有效改善光学薄膜、光学玻璃、光学晶体元件损伤阈值的最有效方法之一,其作用机理、实用化、仪器化还有待进一步发展。     

面向决策的知识发现或数据挖掘

分析总结了知识发现或数据挖掘的几种比较有价值的应用方向，即发现客户与需求、监测和预测变化、为增效减损的决策提供信息。     

强度不变的自动模式识别技术

针对光学模式识别技术用化要求，提出一种新的图像预处理算法，使识别现场光照明强度及分布的变化对识别效率所带来的影响大大降低。采用该算法进行实时硬件光学相关试验结果证实应用该算法可以实现强度的自动目标识别。