ICP-AES结合SVDV技术应用于饮用水品质检测性能诊断

采用电感耦合等离子体原子发射光谱(ICP-AES)技术,通过轴向、径向、同步垂直双向(SVDV)三个视角配置,快速检测生活饮用水样本中的As,Ba,Mg和Ni等微量元素。ICP-AES光谱仪在三个检测视角均能实现快速预热,预热时间仅需2 min,而且,ICP-AES光谱的短期稳定性和长期稳定性表现良好,其相对标准偏差(RSD)均低于2%。以3份商业瓶装饮用水和2份添加标准物的饮用水为检测的对象,利用ICP-AES技术结合SVDV视角,分别从轴向和SVDV两个视角检测As,Ba,Cr,Cu,Mn,Mo,Ni,V和Zn等元素,利用水微量元素含量的国家标准来验证结果的准确性,这两个视角的检测具有较高的准确度和灵敏度。检测所得结果符合国家环境保护总局发布的饮用水微量元素限制标准,并符合国际卫生组织的标准,满足人类所需饮用水标准要求。     

基于双潜变量技术的SPA算法应用于NIR波长筛选

利用近红外(NIR)光谱技术定量检测鱼粉的灰分含量,提出基于双潜变量技术的改进连续投影算法(DLV-SPA),针对光谱矩阵和目标成分进行双潜变量提取,结合连续投影完成特征变量筛选,为NIR定量分析提供有效的信息波长,实现降维定标,以达到提高预测精度的目的。结果表明,DLV-SPA方法应用于鱼粉品质的NIR定量检测,能够快速有效地完成信息波长筛选。该方法为动物养殖业提供了一种有潜力的品质检测技术,具有一定的应用价值。     

基于网格搜索的参数优化方法用于鱼粉灰分的近红外LSSVM定量分析

采用近红外(NIR)光谱技术和最小二乘支持向量机(LSSVM)参数优化方法,建立定标预测模型测定鱼粉灰分的含量,采用去趋势校正和标准正交校正(DC-SNV)相结合的方式进行光谱预处理,基于网格搜索法建立LSSVM的参数优化模型,提高NIR光谱定量分析的预测精度。结果表明,LSSVM参数网格搜索方法能够有效地应用于鱼粉NIR光谱模型优化,获得的鱼粉灰分的光谱预测值与化学测定值能较准确的匹配,有利于NIR光谱技术快速检测在养殖饲料产品中的应用。     

土壤总氮近红外光谱分析的波段优选

利用移动窗口偏最小二乘( MWPLS)和Savitzky-Golay(SG)平滑方法优选土壤总氮的近红外(NIR)光谱分析模型.从全部97个土壤样品中随机选出35个样品作为检验集;基于偏最小二乘交叉检验预测偏差(PLSPB),将余下62个样品划分为具有相似性的建模定标集(37个样品)、建模预测集(25个样品).最优波段为1692～2138 nm,SG平滑的导数阶数(OD)、多项式次数(DP)、平滑点数(NSP)分别为0,6,69,PLS因子数为11,建模预测均方根偏差(M-RMSEP)、建模预测相关系数(M-Rp)分别为0.015％,0.931,检验预测均方根偏差(V-RM-SEP)、检验预测相关系数(V-RP)分别为0.018％,0.882.其结果可为设计专用NIR仪器提供有价值的参考.     

廿蔗初压汁锤度近红外光谱分析的波段优选

用近红外透射光谱技术和偏最小二乘法建立甘蔗初压汁锤度的定量分析模型.用多元散射校正和Savitzky-Golay平滑化方法对原谱、一阶导数谱和二阶导数谱进行预处理.选取400-1100nm、1100-1400nm、1550-1850nm、2100-2350nm以及全谱(400-2500nm)5个波段,每个波段分别采用原光谱、一阶导数谱、二阶导数谱.同时调整Sayitzky-Golay平滑点数和PLS因子数,通过多次PLS数值实验比较,按照预测效果确定每个模型的最优平滑点数、因子数,再从中选优.结果表明,采用二阶导数谱的1550-1850nm波段的定标效果最好,模型的预测相关系数、预测均方根偏差、相对预测均方根偏差分别为0.896,0.406,1.95%.1550-1850nm波段可以代替全谱波段得到好的定标效果,为设计小型专用近红外分析仪器提供依据.     

多维标度线性回归技术应用于人体血清临床指标的FTIR光谱定量分析

人体血清临床指标是衡量人体健康和亚健康水平的重要因素之一,采用傅里叶红外(FTIR)光谱技术实现人体血清临床指标的多成分快速同时检测。提出利用多维标度法(MDS)对光谱变量进行降维,结合多元线性回归(MLR)技术,建立多维标度线性回归(MDS-MLR)模型,为血清四种临床生化指标(葡萄糖、低密度脂蛋白胆固醇、甘油三酯、尿素)的定量分析优选光谱信息波长点,优化定标预测模型,结合移动平均法(MA)进行光谱预处理,得到良好的建模效果。通过检验集样品进行验证,检验相关系数均在0.9以上。结果表明,MDS-MLR方法具有人体血清临床指标FTIR光谱分析的应用潜力。FTIR技术结合MDS-MLR定量分析方法可以实现对人体健康和亚健康水平的快速评定。     

甘蔗初压汁锤度近红外光谱分析的波段优选

用近红外透射光谱技术和偏最小二乘法建立甘蔗初压汁锤度的定量分析模型。用多元散射校正和Savitzky-Golay平滑化方法对原谱、一阶导数谱和二阶导数谱进行预处理。选取400—1100nm、1100—1400nm、1550—1850nm、2100—2350nm以及全谱（400—2500nm）5个波段,每个波段分别采用原光谱、一阶导数谱、二阶导数谱。同时调整Savitzky-Golay平滑点数和PLS因子数,通过多次PLS数值实验比较,按照预测效果确定每个模型的最优平滑点数、因子数,再从中选优。结果表明,采用二阶导数谱的1550-1850nm波段的定标效果最好,模型的预测相关系数、预测均方根偏差、相对预测均方根偏差分别为0.896,0.406,1.95%。1550—1850nm波段可以代替全谱波段得到好的定标效果,为设计小型专用近红外分析仪器提供依据。     

潜变量机器学习方法在咖啡NIR定量分析中的应用

采用近红外（NIR）光谱快检技术实现对咖啡蛋白质的定量检测,研究支持向量机（SVM）和极限学习机（ELM）等机器学习方法在建模分析中的实用性。结合潜变量分析技术,建立潜变量SVM（LV-SVM）模型和潜变量ELM（LV-ELM）模型,通过调试潜变量个数和机器学习关键参数的联合优选,实现数据降维和机器学习关键参数的同过程优化。运用定标-验证-测试机制,利用定标集样本建立咖啡蛋白质的NIR分析模型,随参数变动形成三维随动优选结构的建模预测结果,结合验证集样本对模型进行联合优选,然后将优化模型应用于测试集样本进行模型评价。LV-SVM建模优选的验证集预测均方根误差为6.797,对应的测试集预测均方根误差为8.384。LV-ELM建模优选的验证集预测均方根误差为6.118,对应的测试集预测均方根误差为7.837。与常规偏最小二乘（PLS）方法相比较,LV-SVM和LV-ELM方法均取得更好的预测结果,验证了潜变量机器学习方法在近红外定量分析中的应用优势,该方法有望应用于不同类型的咖啡各成分含量检测。     

甘蔗清糖浆锤度近红外光谱分析的模型优化

采用偏最小二乘法(PLS)和光谱Savitzky-Golay(SG)平滑方法,建立甘蔗清糖浆锤度近红外光谱分析的优化模型。基于最优单波长模型预测效果划分定标集和预测集。全谱(400—2500nm)经过SG平滑处理后用PLS方法建模。建立计算机算法平台,把483种SG平滑模式和1—40的PLS因子数任意组合分别建立PLS模型,根据预测效果选出最优模型,最优模型的SG平滑模式为二阶导数平滑、4、5次多项式类型、43平滑点数,PLS因子数为13,预测均方根偏差(RMSEP)、相对预测均方根偏差(RRMSEP)和预测相关系数(rP)分别为0.433%、0.69%和0.978。预测精度很高,并且大幅度优于未做SG平滑处理直接PLS建模的预测效果。从而表明,SG平滑模式和PLS因子数的联合大范围筛选能够有效地应用于近红外光谱分析的模型优选。