排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
正丁醇具有互溶性好、挥发性低、价格低廉以及腐蚀性低等优势,被认为是理想的柴油添加物。柴油中正丁醇的精准定量分析对其品质快速评价与市场监督具有重要科学意义与实用价值。提出了一种基于拉曼(Raman)光谱结合偏最小二乘(PLS)的柴油中正丁醇快速定量分析方法。首先,采集了40个柴油样品的Raman光谱,并考察了不同预处理方法[一阶导数、二阶导数、多元散射校正、标准正态变换、归一化(Normalization)和小波变换]对PLS校正模型预测性能的影响;其次,采用变量重要性投影(VIP)对Normalization方法预处理后的光谱数据进行特征变量提取,并采用五折交叉验证优化VIP的阈值;最后,基于最优的光谱预处理方法、输入变量和模型参数,构建PLS校正模型对柴油中正丁醇含量进行快速定量分析,结果与基于原始光谱(RAW)和Normalization光谱的PLS校正模型的预测性能进行对比。结果表明:Normalization-VIP-PLS校正模型展现出优异的预测能力(RCV2和RMSECV为0.998 4和0.236 2%:R2 相似文献
3.
4.
石油焦中微量元素对其作为预焙阳极的性能起着决定性的作用。首先,通过基于LIBS光谱构建用于石油焦中铁(Fe)和铜(Cu)定量分析的PLS校正模型。然后,考察了不同光谱预处理(归一化、多元散射校正、标准正态变换、一阶导数和二阶导数)以及变量选择算法(粒子群优化算法和变量重要性投影)对PLS校正模型预测性能的影响。建立了一种基于激光诱导击穿光谱(Laser-induced breakdown spectroscopy, LIBS)结合偏最小二乘(Partial least squares, PLS)的石油焦中微量元素定量分析方法。结果显示,与其他PLS校正模型相比,基于二阶导数和变量重要性投影的PLS模型对Fe的预测性能最优,最优的交叉验证相关系数(R-squared cross validation,R2cv)为0.966 7,均方根误差(Root mean squared error cross validation, RMSEcv)为10.282 1 mg/kg,预测集的相关系数(R-squared prediction,R2p)为0.86... 相似文献
5.
1