现代近红外光谱技术及应用进展

简要介绍了现代近红外光谱的发展、技术特点和测量原理 ,对近年来近红外光谱仪器、化学计量学方法及软件和应用的进展情况及我们在这几个方面开展的工作进行了简要介绍  

光谱多元校正中的模型传递

本文介绍了解决化学计量学多校正中的模型传递问题的原理和一些常用算法，并对目前模型传递的实际应用进行评述，为以后深入研究并完善模型传递理论与算法提供帮助。  

近红外光谱定量校正模型适用性研究

近红外光谱作为一种依靠模型进行分析的技术，对测定的样品进行模型适用性判断是得到可靠分析结果的前提。对于通过校正集样本近红外光谱测量和标准方法测定的基础数据依靠因子分析技术建立的多元校正模型，提出将因子分析与Mahalanobis距离相结合判断定量模型适用性的方法，以近红外光谱测定柴油十六烷值为例，对影响模型适用性判断的一些因素进行了讨论。  

近红外稳健分析校正模型的建立(Ⅰ)--样品温度的影响

样品温度对近红外光谱分析模型稳健性有明显影响 ,消除其影响的三类方法包括光谱预处理、波长选择和温度补偿校正集。文章以重整汽油 /辛烷值 /苯含量为研究体系 ,考察了这三类方法对建立稳健分析模型的有效性 ,并详细研究了温度补偿校正集样品数量及性质分布对温度混合模型稳健性的影响规律。结果表明 ,仅通过光谱预处理方法难以消除温度对模型稳健性的影响 ;遗传算法波长选择和温度补偿校正集对消除温度影响是有效的 ,而后者更容易实现 ,但在实际应用中应考虑非线性问题  

CCD近红外光谱谱图预处理方法研究

研究讨论了多通道电荷偶合器件（ＣＣＤ）检测器测量的近红外光谱谱图预处理方法及处理参数对光谱信噪比及校正模型质量的影响。对７００～１ １００ｎｍ范围内采用２０４８像素ＣＣＤ测定的近红外光谱，为获得较高的信噪比建议平滑一阶微分处理的窗口参数为９，二阶微分的窗口参数为１９。  

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。  

小波变换在近红外光谱分析中的应用进展

小波变换(WT)具有很好的时频分离特征,信息处理能力强,已广泛用于分析化学领域;本文就小波变换在近红外光谱领域的应用进行简述。小波变换用于近红外预处理,提取有用信息,消除背景干扰,可以提高近红外的分析精度和模型稳健性;用于数据压缩可以减少数据库存储空间,提高建模速度;小波系数用于模型传递,具有传递速度快,稳健性强,所需标样少等特点;小波变换可以与神经网络、遗传算法等结合,在近红外分析领域呈现出良好的发展前景。  

光谱多元分析校正集和验证集样本分布优选方法研究

分析了校正集和验证集样品数随性质分布不均匀性对光谱多元分析校正的不良影响,揭示了实际光谱多元校正中"均值化"现象,即性质值小的样本预测值结果偏大,性质值大的则偏小,提出了一种优选样品新方法—Rank-KS。其综合考虑光谱空间和性质空间对样本进行挑选,将性质空间平均分为若干小区间,在每个小区间内分别利用Kennard-Stone法和随机法进行校正集和验证集样本的挑选,这样得到的校正集和验证集可明显改善样本数随性质分布的均匀性。以红外光谱测定汽油中碳酸二甲酯(DMC)含量和近红外光谱测定二甲亚砜溶液二甲亚砜浓度为研究对象,分别采用Rank-KS、随机法、Kennard-Stone、浓度梯度法和SPXY等方法选择校正集和验证集样品,使用多元线性回归和偏最小二乘法建立模型,比较这些方法对光谱多元校正分析的影响,结果表明Rank-KS方法可改善校正集和验证集样品数随性质分布的均匀性;对于样本数分布中间局部样本多和两端局部少、或者局部没有样本的样本集,使用Rank-KS算法挑选校正集,无论使用MLR还是PLS1建立多元分析模型,均能明显改善其模型预测能力,使得到的模型的预测均方根最小。  

支持向量回归建立测定醇烯比的近红外光谱校正模型

在石化工业中,甲基叔丁基醚(MTBE)是20多年来发展最快的石化产品之一。在生产过程中,反应器混合进料的醇烯比(MRMI)都是一个至关重要的操作参数,但传统的色谱方法由于速度慢、硬件维护量大等原因,应用效果大都不理想。近红外光谱方法因其快速、测量方便、维护少等特点,特别适合这一参数的在线测量。但是,由于醇烯比与近红外光谱之间呈严重的非线性响应,基于线性校正的偏最小二乘方法将不能得到准确的测定结果。因此,文章采用近几年新兴的支持向量回归方法建立近红外光谱测定醇烯比的校正模型,结果表明,该方法的预测能力优于偏最小二乘和人工神经网络方法,可以推广应用于实际的醇烯比在线近红外测量中。  

一种基于目标因子分析的模型传递方法

在目标转换因子分析的基础上建立了一种新的模型传递方法，并将该方法与传统的分段直接标准化(PDS)方法进行比较。采用了两个样品集：虚拟样品集和配制样品(含苯，甲苯，二甲苯和异辛烷)的近红外光谱集。结果表明：新方法的传递效果至少与PDS方法的传递效果相同，对于谱图出现非线性变化的情况，新方法的传递效果更好。