锌溶液中痕量Cu2+、Co2+的检测光谱预处理方法

针对同时检测锌溶液中痕量Cu~(2+)、Co~(2+)浓度存在的灵敏度低、有效波段窄、光谱信号覆盖严重的问题,提出了一种多目标优化分数阶微分预处理方法。首先根据光谱特点确定影响Cu~(2+)、Co~(2+)同时检测的覆盖度和失真度,并拟合微分阶次与指标的函数关系、约束条件,然后基于多目标粒子群优化算法求解,最后对多目标优化微分阶数方法进行验证。结果表明:所提方法可以重构完全被覆盖的低灵敏度、窄有效波段的离子波峰,解决光谱信号被完全覆盖的问题,并在最大程度降低求导滤波的失真度,降低Cu~(2+)、Co~(2+)的光谱覆盖率。     

基于FFT奇异值分解的光谱信号去噪算法

微型光谱仪在采集光谱信号过程中,光谱数据经常受到来自仪器光学系统和电子电路中的干扰出现噪声和光源特征峰,严重干扰了真实光谱信号的图谱特征,因此需要使用合理的预处理方法保留光谱信号中有用信号并尽可能过滤噪声信号同时将光源特征峰滤除,从而提高光谱信息定量分析的稳健性和准确性。并且在线检测系统要求尽可能减少人为参数选择对去噪效果的影响,奇异值分解经常应用于由系统电路引起的噪声去噪,奇异值降噪阶次的选取对提高信号信噪比十分关键,但是往往参数选取主要依赖经验调试和实验验证。因此,提出了一种基于奇异值重构信号分量频率的光谱信号去噪算法。该算法首先重构原始光谱信号单个奇异值分量信号,然后对每个奇异值分量信号作快速傅里叶变换,得到每个奇异值分量信号快速傅里叶变换结果中振幅最大所对应的频率值,最后按照奇异值递减方式对相应分量信号频率值进行一阶滞后差分,得到频率差分谱,研究表明,差分谱第一个谱峰值在大于设定阈值处所对应的奇异值即为奇异值分解降噪的有效阶次。结果表明：对包含多种重金属离子的溶液在线测量的紫外可见光谱信号,添加不同强度的随机噪声,并进行去噪处理,使用信噪比和均方根误差两个性能指标进行对比。所提算法相较于SG滤波算法和小波变换去噪算法信噪比分别提高了22.05%,10.88%,均方根误差分别降低了74.28%,41.29%。所提算法完全基于数据驱动,在处理真实紫外可见光谱信号中不仅抑制了噪声影响,而且将微型光谱仪的光源特征峰有效滤除,在紫外可见光谱信号的定量分析中具有较好的应用前景。     

一种基于变量稳定性和可信度的紫外-可见特征波长选择方法

针对多组分金属离子混合溶液的紫外-可见吸收光谱(UV-Vis)重叠严重、难以分离的问题，提出了一种基于稳定性和可信度偏最小二乘法(SCPLS)的特征波长选择方法。在SCPLS中，引入指数衰减函数(EDF)以迭代的方式对波长变量进行选择。在每次迭代中对蒙特卡罗采样所得到的数据集建模，计算各波长变量的稳定性和可信度指标，并通过EDF选择具有较高稳定性和可信度的变量，选择的变量作为新的变量集进入下一次变量选择迭代。迭代全部完成后，计算每一次迭代所选的变量集建模的交叉验证均方根误差（RMSECV），选择RMSECV最小的变量集作为波长变量选择的结果。利用Zn(Ⅱ)， Cu(Ⅱ) 和Co(Ⅱ)混合溶液的紫外-可见光谱数据集和Zn(Ⅱ)和Co(Ⅱ)混合溶液的紫外-可见光谱数据集对所提方法性能进行了验证，并与全波段偏最小二乘、移动窗口偏最小二乘法(MWPLS)、蒙特卡罗无信息变量消除方法 (MC-UVE)、竞争性自适应加权算法 (CARS)和稳定性竞争自适应加权算法(SCARS)进行了比较分析。结果表明：该方法不仅能降低波长选择的复杂度，还能在保证波长选择过程稳定的情况下，选出对模型重要的波长变量，较之其他方法所提出的方法选取的变量建立的模型RMSECV最小，对于Zn(Ⅱ)，Cu(Ⅱ) 和Co(Ⅱ)数据集，使用SCPLS方法得到的Zn(Ⅱ)，Cu(Ⅱ)和Co(Ⅱ)的RMSECV值分别比全光谱PLS下降60.5%，40.2%和31.8%，与SCARS相比分别下降29.8%，26.1%和0.8%，Zn(Ⅱ)，Cu(Ⅱ)和Co(Ⅱ)平均相对误差分别为2.14%，1.25%和0.74%，其中Zn(Ⅱ)的最大相对误差为4.67%，Cu(Ⅱ)的最大相对误差为3.99%，Co(Ⅱ)的最大相对误差为3.12%；对于Zn(Ⅱ)和Co(Ⅱ)数据集，使用SCPLS方法得到的Zn(Ⅱ)和Co(Ⅱ)的RMSECV值分别比全光谱PLS下降39.4%和24.9%，与SCARS相比分别下降35.3%和13.3%，Zn(Ⅱ)和Co(Ⅱ)平均相对误差分别为1.23%，1.10%，其中Zn(Ⅱ)的最大相对误差为4.45%，Co(Ⅱ)的最大相对误差为4.57%，有效提高光谱建模精度。     

基于特征区间联合-偏最小二乘的Zn(Ⅱ)、Co(Ⅱ)同时测量方法EI北大核心CSCD

针对Zn(Ⅱ)、Co(Ⅱ)混合溶液的紫外可见(UV-Vis)吸收光谱重叠严重、难以分离的问题,提出了一种基于特征区间联合-偏最小二乘的Zn(Ⅱ)、Co(Ⅱ)同时测量方法。针对混合溶液在400~800nm波长段的吸收光谱,利用特征区间联合法以分区的方式对Zn(Ⅱ)、Co(Ⅱ)的特征区间进行筛选,并以留一交叉验证均方根误差VRMSECV最小和决定系数R^2最大挑选出Zn(Ⅱ)、Co(Ⅱ)的最优特征区间;再联合这些最优子区间建立偏最小二乘(PLS)模型,从而获得Zn(Ⅱ)、Co(Ⅱ)离子浓度。结果证明,该方法不仅能降低波长筛选的复杂度,还能保证波长筛选过程的稳定性,从而将Zn(Ⅱ)模型的VRMSECV及预测平均相对误差降低到0.0483和3.48%,Co(Ⅱ)模型的VRMSECV及预测平均相对误差降低到0.0501和4.25%,并将Zn(Ⅱ)、Co(Ⅱ)模型R^2值提高到99.41%和99.22%;同时,还可以将光谱仪的Zn(Ⅱ)、Co(Ⅱ)扫描波段固定在所选的特征区段,大幅提高光谱检测效率。     

第三章 图形的平移与旋转

1．经历观察、操作、欣赏和设计的过程，从事图形平移、旋转基本性质的探索活动，进一步发展空间观念，培养操作技能，增强审美意识．     

基于分区建模的锌液痕量铜离子光谱检测方法

炼锌溶液中痕量铜离子的光谱信号被掩蔽、干扰严重,以及铜离子的非线性特性在高、低浓度区间的显著差异,都会导致痕量铜离子的浓度检测比较困难。针对该问题,提出了一种基于分区建模的锌液中痕量铜离子的光谱检测方法。该方法采用导数光谱结合小波去噪的方法对光谱信号进行预处理,重现待测铜离子的谱峰。以相关系数-稳定性值作为变量的评价指标对波长变量进行排序,并结合支持向量回归(SVR)模型选取最佳波长变量,在此基础上,根据混合溶液中铜离子光谱信号非线性特性将浓度划分区间,并分别针对每个区间建立粒子群优化支持向量回归(PSO-SVR)模型,计算出铜离子的质量浓度。将所提方法与现有多种回归方法进行比较,结果表明:所提方法将预测方均根误差降低至0.0678,模型决定系数提高至99.61%,该方法的最大相对误差为6.94%,平均相对误差为2.74%。     

一种高锌背景下痕量钴离子浓度分光光度测量法

在分光光度法分析高浓度锌溶液中痕量钴离子浓度的过程中,由于基体离子Zn(Ⅱ)与待测离子Co(Ⅱ)化学性质相近且基体离子浓度过高,导致Co(Ⅱ)的光谱信号与Zn(Ⅱ)的光谱信号重叠,大部分Co(Ⅱ)的光谱信号被Zn(Ⅱ)的光谱信号掩蔽,在部分波长段溶液的吸光度与浓度呈现很强的非线性,混合溶液加和性不佳,因此无法通过全波段信息实现痕量Co(Ⅱ)浓度的检测。该研究提出了间隔相关系数-偏最小二乘法对溶液的紫外可见光光谱进行波长点的筛选并建立吸光度-浓度模型。首先设计实验获取锌钴混合溶液光谱图;其后使用间隔分区的方法根据预测均方根误差这一指标挑选出Co(Ⅱ)的最优特征区间段,以减少高浓度锌液的掩蔽作用并去除空白信息;再在Co(Ⅱ)敏感区域使用相关系数法对吸光度矩阵进行波长点的精选,所筛选出的点能最大程度保留Co(Ⅱ)灵敏度和线性度; 最后利用筛选出的波长建立PLS模型并计算出Co(Ⅱ)浓度。将所提方法与全波段偏最小二乘,分区偏最小二乘,蒙特卡罗无信息变量消除偏最小二乘及竞争自适应加权偏最小二乘进行了分析比较,结果表明所提出的方法所需波长数分别减少89.1%,40%,72.3%和81.7%,模型精度分别提高64.6％,33.3%, 38.7%和24.3%,样本最大相对误差5.45%,平均相对误差2.21%,妥善的解决了高浓度锌液背景下痕量钴离子浓度检测问题。