基于溶液温度差谱分析的ATR-FTIR原位测量方法

作为一种原位、快速、无损坏的中红外光谱分析技术,ATR-FTIR已在很多工程领域得到越来越多的应用,尤其是针对结晶过程溶液浓度的原位实时测量。水是一种常用的结晶溶剂,在中红外波段具有强吸收峰,并且在不同温度下具有光谱吸收差异性,因而不能忽略溶剂水和温度对溶液浓度的中红外光谱测量带来的影响。以朗伯-比尔定律为基础,提出采用溶液光谱减去相应温度下的溶剂光谱的方法,从而能准确地测量溶液浓度。以L-谷氨酸溶液结晶过程为例,对L-谷氨酸水溶液的原始光谱数据、溶液光谱扣除常温(25℃)溶剂水的光谱数据以及溶液光谱对应温度扣除溶剂水的光谱数据分别进行建模。结果表明,提出的对应温度差谱法能有效消除溶剂水峰对溶质光谱测量的干扰,明显地降低了溶液浓度光谱标定模型的预测误差。该方法对提高原位ATR-FTIR光谱检测精度的实际应用具有一定的参考价值。     

基于迭代缩减窗口自助软收缩算法的近红外光谱变量选择方法研究

该文针对近红外光谱因冗余变量导致的标定模型预测性能差的问题,提出了一种迭代缩减窗口自助软收缩（ISWBOSS）算法。该方法使用窗口对变量进行划分,随机抽取窗口并利用其中的变量建立子模型,计算窗口内变量回归系数的归一化并作为权重继续进行加权采样,从而逐步实现变量空间的软收缩。同时在迭代过程中不断缩减窗口大小对特征变量进行精确搜索。通过在玉米数据集上进行验证,并与全谱法、遗传算法、竞争自适应重加权采样法和自助软收缩法建立的偏最小二乘模型对比,结果表明,新方法不论在准确性还是稳定性上都具有显著优势。以玉米蛋白质含量预测为例,与自助软收缩算法相比,ISWBOSS的预测均方根误差从0.041 8降至0.010 3,且达到最优模型所需的迭代次数更少,运算效率更高。该方法对提高近红外光谱标定模型的性能具有一定的指导意义。     

基于ATR-FTIR光谱测量结晶过程溶液浓度的变量稳定加权混合收缩方法

针对衰减全反射-傅里叶变换红外(ATR-FTIR)光谱仪用于测量结晶过程溶液浓度时，因光谱谱线维度高、无关变量多，导致的标定模型预测精度低、可解释性差等问题，提出了一种变量稳定加权混合收缩的新方法。首先提出对光谱变量进行随机二进采样，将建立的优秀子模型中变量被选频率与所有子模型中变量回归系数的稳定性指标进行加权评价的稳定加权变量种群分析法(SWVCPA)。通过对变量的重要性进行排序，采用指数递减函数在迭代过程中逐渐强制滤除重要性低的变量，实现了对光谱变量空间的初步收缩，并大幅提高了收缩的稳定性。然后在收缩后的子空间继续使用一种新的动态麻雀算法(DSSA),以最小化训练预测均方根误差(RMSEC)为适应度函数进一步优化变量组合。这种混合优化方式融合了两类变量选择算法的优点，通过子模型竞争的方法确保了前期变量收缩的稳定性，防止算法陷入局部最优；通过智能优化算法避免了对剩余变量组合的遍历寻优，允许保留更多的变量进行精准选择。为了验证新方法的性能，使用L-谷氨酸溶液冷却结晶过程中6种不同浓度下采集到的ATR-FTIR光谱数据进行测试。结果表明，新方法将光谱变量数从613个减少到46个，与原始光...