利用近红外及中红外融合技术对小麦产地和烘干程度的同时鉴别

小麦是制作馒头的主要原料之一,小麦中水、蛋白质、淀粉会因产地以及烘干程度的差异而不同,进而影响到加工成馒头的品质。所以实现对小麦产地和烘干程度的快速鉴别就显得尤为重要。感官评定是鉴别小麦产地和烘干程度常用的方法,对比感官评定,光谱分析可以识别样品中的分子结构等信息。基于此,尝试利用近红外和中红外光谱融合技术实现对不同产地和不同烘干程度的小麦同时鉴别。首先选取了两个不同产地的小麦,再利用微波干燥法对两个不同产地的小麦做烘干预处理,使烘干的小麦水含量为12%±0.5%,原麦水含量为18%±0.5%。分别标记为原麦A,烘干A,原麦B,烘干B,再将小麦研磨成粉末,过100目筛网筛选后,置于自封袋中备用。随后分别采集四种小麦样品的近红外和中红外光谱信息,在Matlab 7.10的环境下使用标准正态变量变换(standard normal variable transformation, SNVT)对采集到的原始光谱数据进行预处理,利用主成分分析对预处理后的数据进行降维处理,再结合线性判别分析（linear discriminant analysis,LDA）和支持向量机（support vector machine, SVM）分别建立小麦近红外、中红外光谱数据识别模型。另外利用联合区间偏最小二乘法（synergy interval partial least square, SiPLS）筛选出利用标准正态变量变换(SNVT)预处理后的小麦近红外和中红外光谱数据特征光谱区间,将筛选出的近红外和中红外光谱数据特征光谱区间融合后再结合线性判别分析（LDA）和支持向量机（SVM）建立小麦融合光谱信息的识别模型。然后比较同种光谱数据下利用线性判别分析（LDA）和支持向量机（SVM）建立的小麦识别模型识别率、比较同种建模方法下近红外和中红外光谱数据建立小麦识别模型识别率、比较同种建模方法下光谱数据融合和单一光谱数据建立小麦识别模型识别率。结果表明,同种光谱分析方法,利用SVM建立的四种小麦识别模型识别率高于利用LDA建立的小麦识别模型识别率。同种建模方法,近红外光谱数据建立的小麦识别模型识别率优于中红外光谱数据建立的小麦识别模型识别率。而在同种建模方法下,利用SiPLS筛选出近红外和中红外光谱数据的特征光谱区间数据融合后建立小麦识别模型识别率最高,光谱数据融合后结合LDA建立的小麦识别模型校正集识别率为98.75%,预测集识别率为97.50%;而将此选择的变量结合SVM建立的小麦识别模型的校正集和预测集识别率都达到100.0%。对比利用单一光谱数据建立的小麦识别模型识别率,光谱数据融合之后建立的小麦识别模型识别率得到显著提高,该研究从纵向和横向上全面地比较了光谱数据建立的小麦模型识别率,结果可为更准确地运用光谱融合技术建立小麦产地以及烘干程度识别模型提供参考。     

基于Bi PLS结合Si PLS的组合权值COD浓度预测模型

水体中过高浓度的有机物含量危害巨大,不仅会造成严重的环境污染,而且危害人类身体健康,传统化学法检测水体化学需氧量(COD)的步骤繁琐且时效性差,不利于水体中COD的快速定量检测。针对这些问题,提出了一种将紫外光谱与组合权值模型相结合的快速定量检测COD方法,该组合权值模型是基于反向区间偏最小二乘法(BiPLS)结合组合区间偏最小二乘法(SiPLS)算法对紫外光谱的特征子区间筛选组合,然后依据特征子区间的权值建立的预测模型。首先按照一定的浓度梯度配制45份COD标准液样本,通过实验获取标准液的紫外光谱数据;对获取到的COD紫外光谱数据做一阶导数和S-G滤波(Savitzky-Golay)的预处理,消除基线漂移和环境干扰噪声;应用SPXY(Sample set partitioning based on jiont X-Y)算法将实验样本数据组划分成校正集和预测集。然后基于BiPLS算法对全光谱区间进行波长筛选,在BiPLS筛选过程中,目标区间的划分数量会对建模产生较大影响,于是对子区间划分数量进行优化,把子区间分成15~25个,在不同区间数下都进行偏最小二乘(PLS)建模,通过交互验证均方根误差(RMSECV)来筛选最优子区间数,得到区间数为18时,模型效果最佳。从18个波长区间筛选出了6个特征波长子区间,入选的子区间为2,1,3,11,7和6,对应波长为234~240,262~268,269~275,290~296,297~303和304~310 nm,这6个特征波长区间涵盖了大量的光谱信息,对最终预测模型的贡献度大;接下来通过SiPLS算法对这6个初选区间进行进一步的筛选组合,采用不同的组合数构建不同特征区间上的PLS模型,在相同组合数下,筛选出一个区间组合数最优的结果,对比不同组合数下预测模型的误差与相关性,将6个区间筛选组合为3个特征波长区间,分别为234~240,262~275和290~310 nm,这三个特征区间最佳因子数分别为4,4和3。对传统SiPLS的特征区间组合方法进行改进,基于权值的大小来对这3个特征区间进行线性组合,代替过去特征区间直接组合的方法。通过权值公式计算出这3个特征区间的权重大小分别为0.509,0.318和0.173,最终建立线性组合权值COD浓度预测模型。为了验证组合权重预测模型的精度,另外建立了全波长范围内的PLS预测模型、单个特征波长区间的PLS预测模型、直接组合特征波长区间的PLS模型,并使用评价参数相关系数的平方(R2)、预测值与真实浓度值的均方根误差(RMSEP)和预测回收率(T)来对模型评价。验证结果表明,相比其他预测模型,组合权值模型相关系数的平方达到了0.999 7,明显优于直接组合特征区间建模的0.968 0,预测均方根误差为0.532,比直接组合特征区间的预测模型误差降低了29.3%,预测回收率为96.4%~103.1%,显著地提高了预测精度。该方法简单可行,不会产生二次污染,可为在线监测水体中COD浓度提供一定的技术支持。     

无穷多目标优化的Geoffrion真有效性及其在鲁棒优化中的应用

在多目标优化中,Pareto有效性体现了目标之间的妥协与补偿,而Geoffrion真有效性能保证补偿是有界的.本文对有无穷多个目标的优化问题引入了真有效性,完整保留了Geoffrion的结构.基于一族锥,揭示了Geoffrion真有效性的特点及其与Pareto有效性的区别.并将Geoffrion真有效性的思想用于鲁棒优化,得到了著名的Hurwicz决策准则.     

Li3V2(PO4)3/C正极材料在不同电压区间的电化学行为及容量衰减原因

采用溶胶-凝胶法制备锂离子电池正极材料Li₃V₂(PO₄)₃/C. 通过恒电流充放电测试、循环伏安(CV)、电化学阻抗谱(EIS)等方法, 研究了Li₃V₂(PO₄)₃/C 在不同电压区间的电化学行为(3.0-4.5 V和3.0-4.8 V). 结果表明, 3.0-4.8 V电压区间的循环性能和倍率性能均不及3.0-4.5 V电压区间的. 3.0-4.5 V区间0.1C (1C=150mA·g^-1)倍率首次放电比容量为127.0 mAh·g^-1, 循环50次后容量保持率为99.5%, 而3.0-4.8 V区间的分别为168.2 mAh·g^-1和78.5%. 经过高倍率测试后再回到0.1C倍率充放电, 3.0-4.5 V和3.0-4.8 V的放电比容量分别为初始0.1C倍率的99.0%和80.7%. 经过3.0-4.8 V电压区间测试后, 少部分第三个锂离子能够在低于4.5V的电压脱出, 使3.0-4.5 V电压区间的放电比容量提升了7.4%. CV结果表明3.0-4.8 V区间的容量损失主要表现为第一个锂离子的不可逆损失. 极片的X射线衍射(XRD)和X射线光电子能谱(XPS)分析测试结果表明经过3.0-4.8 V测试后, Li₃V₂(PO₄)₃的结构发生了轻微的改变. 电感耦合等离子体(ICP)测试结果表明循环后的电解液中含有少量的V. 结构变形和V溶解可能是Li₃V₂(PO₄)₃在3.0-4.8 V区间容量衰减的主要原因.     

一种基于证据理论的结构可靠性分析方法

提出了一种基于证据理论的结构可靠性高效求解方法. 通过构造优化问题求解极限状态方程的非概率可靠性指标及设计验算点, 并构造一辅助区域. 通过辅助区域显著减少需要进行极值分析的焦元个数, 并基于区间分析方法减少焦元上极限状态方程的计算次数, 从而有效降低计算成本. 数值算例及工程应用验证了该方法的有效性.     

实对称区间矩阵特征值确界的交错定理及其应用

本文将实对称矩阵特征值的交错定理推广到实对称区间矩阵,给出了实对称区间矩阵特征值确界的交错定理,并应用该定理构造了估计实对称三对角区间矩阵特征值界的算法.文中数值例子表明,本文所给算法与一些现有算法相比在使用范围、计算精度和计算量等方面都具有一定的优越性.     

区间可靠性分析方法及在地下隧道结构计算中的应用

基于工程结构不确定性的区间分析方法,本文将区间分析方法与可靠性分析方法相结合,探讨了一种可以获得区问可靠指标的可靠性分析方法.依据结构失效准则确定的功能函数在一定区间内变化,进而得出了可靠指标的变化区间,在得到区间可靠指标的同时也得到了一种反映结构稳健性的稳健可靠指标.结合区间有限元的优化计算方法,对某地下隧道结构进行了区间可靠性分析,所得区间可靠性指标合乎规律.     

带有信息的区间删失数据下AFT模型的参数估计

在生存分析研究中,多数文章假定感兴趣的失效时间和删失时间是独立的,但这一假设在实际情况中未必合理。如果忽略失效时间与删失时间的相依性,可能会导致错误的结论。所以本文考虑在带有信息的K型区间删失数据下,采用基于两步估计的极大似然估计方法对误差项服从标准正态分布的加速失效时间模型(accelerated failure time model,AFT)进行参数估计。同时还进行了数值模拟以验证提出方法的有效性。最后,应用所提出的方法分析艾滋病的临床试验数据。     

基于最小偏差和优势度的区间数互补判断矩阵排序法

针对决策信息以区间数互补判断矩阵形式给出的多目标决策问题。首先,给出相对优势度的概念和区间数加性一致性互补判断矩阵的判定定理。其次,建立一个目标规划模型,通过求解该模型得到区间数互补判断矩阵的权重向量,并利用各权重向量的总体相对优势度对方案进行排序,提出了基于最小偏差和优势度的区间数互补判断矩阵排序法。方法的核心是对数值型互补判断矩阵排序方法的拓展。最后,通过实例说明方法的可行性和有效性。     

基于小样本信息的区间边界估计方法研究

小样本、乏信息情况下,认知不确定性比较严重,若仍采用传统的区间边界估计方法,其结果较难准确。为了降低认识不确定性的影响,本文基于二次估计的思想对其改进:在概率方法中对主要分布参数再估计;在非概率方法中,采用灰色预报理论对自助法获得区间边界进行一定扩展。数值实验结果表明:改进后各方法均能有效、准确地估计不确定参量的区间边界;其中概率方法中的核密度估计方法最为理想。