混沌时间序列的支持向量机预测

根据混沌动力系统的相空间延迟坐标重构理论,基于支持向量机的强大的非线性映射能力, 建立了混沌时间序列的支持向量机预测模型,并在统计学习理论的基础上采用最小二乘方法来训练预测模型,利用该模型对嵌入维数与模型的均方根误差的关系进行了探讨.最后利用Mackey-Glass时间序列和变参数的Ikeda 时间序列对该模型进行了验证,结果表明,该预测模型能精确地预测混沌时间序列,而且在混沌时间序列的嵌入维数未知时也能取得比较好的预测效果.这一结论预示着支持向量机是一种研究混沌时间序列的有效方法.  

近红外光谱与烟草样品总糖含量的非线性模型研究

针对烟草样品的近红外 (NIR)光谱与其总糖含量非线性相关的特点 ,提出了一种混合算法用于建立近红外光谱的非线性模型。该算法结合了偏最小二乘法 (PartialLeastSquare ,PLS)算法和人工神经网络(ArtificialNeuralNetwork ,ANN) ,把模型分成两个部分 :线性部分与非线性部分 ,并分别进行建模。与传统的多元校正算法PLS ,主成分回归 (PrincipleComponentRegression ,PCR) ,非线性PLS(NonlinearPLS ,NPLS)等相比 ,该混合算法所建的非线性参数模型的预测结果有明显的改善 ,从而为建立非线性模型提供了一种快速、准确的算法 ,可用于烟草样品总糖含量的定量分析。  

冬小麦活体叶片叶绿素和水分含量与反射光谱的模型建立

定量测定小麦活体叶片的叶绿素含量和水分含量,在小麦估产、农情监测等方面具有重要的意义,同时可为进行高光谱遥感提供基础.文章使用ASD便携式光谱仪和LI-COR 1800型积分球,在350～1 650nm的光谱范围内,测量冬小麦叶片在不同生长期的反射光谱,用偏最小二乘方法建立了冬小麦叶片叶绿素和水分含量与反射光谱的定量分析模型.在400～750 nm的光谱范围,建立了叶绿素含量与反射光谱的模型,结果为:叶绿素的预测值与真实值的相关系数为0.898,相对标准偏差为13.6%.在1 400～1 600 nm的光谱范围,建立了水分含量与反射光谱的模型,其结果为:水分的预测值与真实值的相关系数为0.999,相对标准偏差为0.3%.在农业生产中,这些结果是满意的.  

PLS-BP法近红外光谱定量分析研究

建立BP模型用于近红外光谱定量分析时,为克服所建模型与训练样本集产生“过拟合”,先用线性算法为其压缩训练数据是必要的。目前多采用主成分法(PCA)和逐步回归法(SRA)。主成分法具有极强的压缩数据能力,用它压缩成的主成分输入BP网所建模型的预测精度一般能满足要求,但它处理数据时未考虑输出变量的影响。逐步回归法根据系统输出选择变量,但所选变量具有自相关性,而且与训练集样品的排列顺序有关,很难选出最好的变量,往往难满足预测精度要求。本研究用偏最小二乘法(PLS),根据输出变量将原始数据压缩为主成分,输入BP网并用所建模型预测30个小麦样品的蛋白质含量。结果表明,与PCA-BP模型的预测决定系数(R2)从92.50提高到97.10,训练迭代次数从12 000减少到4 500。  

近红外光谱法非破坏性测定黄豆籽粒中蛋白质、脂肪含量

采用傅里叶近红外漫反射光谱非破坏性分析 ,能够提供完整籽粒黄豆样品成分的含量信息 ,结合偏最小二乘回归法 (PartialLeast Squares,PLS) ,以 39个不同品种的完整籽粒黄豆样品建立蛋白质和脂肪含量近红外定量分析模型 ,其中蛋白质、脂肪含量分析模型的测定系数R2 分别为 99 30 ,97 5 2 ,相对标准偏差RSD分别为 0 76 %和 1 3% ,检验集的化学值与模型预测值的相关系数r分别为 0 94 73,0 86 95。用所建模型对 2 6 4个不同品种的黄豆样品进行预测 ,并采用R error指标来估计分析结果的误差 ,其中蛋白质和脂肪模型预测的最小相对误差分别为 0 0 4 %和 2 4 6 % ,最大相对误差分别为 2 4 5 %和 4 2 5 %。该结果对育种过程中的早代筛选工作有重要意义  

近红外光谱法测定绿茶中氨基酸、咖啡碱和茶多酚的含量

直接取茶叶完整叶进行傅里叶变换近红外 (FT- NIR)光谱分析测定绿茶中氨基酸、咖啡碱和茶多酚的含量。茶叶的近红外光谱划分为 3个波段 ( :1 0 0 0 0— 71 4 3cm-1 :71 4 3— 5 376 cm-1 :5 376—4 0 0 0 cm-1 ) ,偏最小二乘法建立每种成分的数学模型 ,对不同波段的近红外分析结果进行讨论。在进一步优化波长范围的基础上获得了较好的数学模型 ,氨基酸、咖啡碱和茶多酚的校正值与化学值之间的相关系数分别达到 0 .994 ,0 .92和 0 .96 ,预测均方根误差分别为 0 .1 5 ,0 .31和 1 .6 7。  

近红外光谱技术用于复杂植物样品中无机离子测定的新方法

植物样品中的无机离子以一定形式与具有近红外吸收的有机基团结合，因而可以借助近红外光谱技术测定其含量。对烟草样品近红外光谱数据及其小波变换处理后的小波系数，采用偏最小二乘法预测其中钾离子的含量，建立了小波变换与近红外光谱技术结合用于复杂植物样品中无机离子测定的新方法。结果表明：近红外光谱数据压缩为原始大小的3．3％，基本上没有光谱信息的丢失；基于小波系数的模型优于传统的全谱模型，对于无机离子的测定可以取得较为准确的预测结果。  

差分吸收光谱法测量大气污染的浓度反演方法研究

介绍了差分光学吸收光谱法(DOAS)测量大气污染气体浓度的基本原理,描述了对测量光谱所作的一些必要处理,对最小二乘法作了简单介绍,并将它用在DOAS方法中的浓度反演中,通过与当地监测站的数据进行对比,证明了最小二乘法非常适用于DOAS方法中的浓度反演.  

基础数据准确性对近红外光谱分析结果的影响

基础数据的准确性是影响近红外光谱分析结果的一个重要因素。文章以人工配制的四组分混合物体系和实际的汽油校正集样本为例，通过人为增加基础数据误差的方法，研究了基础数据的准确性对近红外光谱分析结果的影响。结果表明，基础数据的准确性对近红外分析模型及其预测结果都有一定的影响，基础数据越准确，所建立模型的精度越高，其对未知样本的预测结果也越准确。对于精度相对较差测试方法提供的基础数据，通过大量样本的光谱分析和化学计量学统计处理，近红外方法有可能得到更精确的预测结果。  

基于加权最小二乘法的红外多站定位的研究

基于加权最小二乘法,建立了红外多站无源系统定位算法的数学模型,给出了方程的求解过程,并讨论了算法的实现.采用加权最小二乘法可有效的融合多个站点的信息,从而可提高系统的定位精度和可靠性.仿真结果表明:定位时所使用的站点数目越多,定位目标与站点的相对位置越好,距离越近,定位精度就越高,这对近程高精度定位的研究具有借鉴作用.