CARSiPLS用于烟煤中水分与挥发分的近红外光谱测定北大核心CSCD

将竞争自适应重加权采样(CARS)与区间偏最小二乘回归(iPLS)相结合的变量筛选建模方法 CARSiPLS,用于烟煤中水分与挥发分的近红外光谱测定。以CARS逐步筛选出每个区间与待测量相关的变量,建立烟煤中水分与挥发分近红外光谱测定的偏最小二乘回归模型。结果表明:与PLS、iPLS相比,CARSiPLS可以显著减少变量数,同时提高模型预测性能;挥发分建模变量从1557个减少至15个,水分建模变量从1557个减少至317个;挥发分、水分的预测平均绝对百分误差分别从0.031 5降至0.018 4、从0.188 4降至0.094 6;挥发分、水分的预测均方差分别从0.010 8降至0.006 7、从0.005 0降至0.002 8。     

高挥发分烟煤的粘结性

高挥发分烟煤粘结性较弱,快速加热可以提高其粘结性.我们进行了东北的几种高挥发分烟煤的快速加热处理,找出其粘结性变化与升温速度的关系.又对已经处理的煤进行了元素分析、热沥青的抽出及粘结性的测定,找出了快速加热处理的煤其结构变化与常速加热处理的不同,对粘结性的提高作了说明.当用固体热载体作高速加热时(100000℃/分),发现在某些温度范围内的热分解反应会破坏煤的粘结性,而在另外的温度范围内则可以提高煤的粘结性.在进行快速预热实验时,找出具有一定 y 值的气煤经快速预热处理后,其结焦性有了显著的提高.     

高挥发分烟煤的快速预热

將有一定粘結性的高揮發分烟煤用固体热載体进行快速預热,至一定的溫度并保持一定恒溫时間,使其进行热分解后再冷却。这样处理后的煤,其粘結性的变化因預热溫度升高而下降,到最低后又复上升。有的可以超过原煤样的粘結性,这种变化規律也表現在处理后煤样的热瀝青抽出量及焦炭强度上。快速預热时,揮發分的析出量較少,但也降低了揮發分,对煉焦时有减少收縮的作用。預热对于没有粘結性的高揮發分烟煤的作用则不明显。     

近红外光谱技术用于花生油中棕榈油含量的测定

本文采用近红外光谱技术采集样品的近红外光谱数据,光谱经一阶求导后,采用偏最小二乘法(PLS)建立花生油中棕榈油含量的定标模型,并用交互验证法对模型进行了验证。模型相关系数为0.9963,校正均方根(RMSEC)为0.937。该模型应用于实际样品的检测,结果令人满意。     

人工神经网络用于近红外光谱测定柴油闪点

采用主成分－人工神经网络对不同留程柴油的近红外光谱进行校正,预测其闪点。采用监控集控制网络训练过程,以避免过训练。探讨了人工神经网络（ＡＮＮ）、直接线性连接人工神经网络（ＬＡＮＮ）的校正效果,并与局部权重回归（ＬＷＲ）、主成分回归（ＰＣＲ）及偏最小二乘（ＰＬＳ）等校正方法进行了比较,认为人工神经及直接线性关联的较好手段。     

高挥发分烟煤的热解、燃烧特性研究

采用固定床热解反应器、热解 红外联用仪 (Py FTIR)和热重分析仪 ,考察了高挥发分烟煤的热解、燃烧特性 ,实验结果表明 ,高挥发分烟煤在热解过程中放出大量烃类气体 ,从燃烧试验看 ,明显分为热解段和燃烧段 ,且热解段挥发分的释放非常迅速 ,从而揭示出高挥发分烟煤燃烧过程中产生大量黑烟的原因。     

近红外光谱测定溶液中甲醇的含量

测量了含微量甲醇(体积分数为0.04%～0.24%)的系列乙醇水溶液的近红外光谱,利用近红外光谱分析建立了预测甲醇含量的定量分析模型。比较了用外部检验法(Test Set-Validation)和交叉检验法(Cross-Validaton)建立的数学模型,研究了使用外部检验法时,校正集和检验集样品数的改变对模型预测结果的影响。结果发现,当校正集样品数为15检验集样品数为6(总样品数为21)时,使用外部检验法建立的数学模型预测结果较好,其校正集的均方根误差和检验集的预测均方根误差(分别为RMSEE和RMSEP)均较小(分别为0.0115和0.0105),而且很接近。结果表明,近红外光谱方法简单,准确而且实用。     

小波变换用于近红外光谱数据压缩

近红外光潜数据量大,需要较大数据存储空间和较长的建模时间、本文以成品柴油性质分析为例．将小波变换用于近红外光谱数据压缩处理,详细考察了小波压缩参数,比较了压缩前后潜图差异以及性质分析偏差的变化。研究结果表明．采用Daubechies小波函数(N=2)为母函数．进行3次分解,直接采用其逼近系数(Ca3)作为谱图压缩数据,其重构光谱与原始光谱基本一致直接利用逼近系数进行性质分析,其分析精度与原始光谱数据基本相当,存储空间减少至原来的1／8,且能够明显缩短其建模时间和分析时间。     

近红外光谱结合CARS变量筛选方法用于液态奶中蛋白质与脂肪含量的测定

采用CARS(Competitive adaptive reweighted sampling)变量筛选方法建模,显著提高了液态奶中蛋白质与脂肪近红外模型的预测精度。用蒙特卡罗采样(Monte-Carlo sampling)方法先剔除奇异样本,再对光谱进行中心化与Karl Norris滤波降噪处理,通过CARS方法筛选出与样本性质密切相关的变量,建立预测蛋白质与脂肪含量的偏最小二乘法(PLS)校正模型,并与未选变量的PLS模型进行比较。以定标集相关系数(r2)及交互验证均方残差(RMSECV)和预测误差均方根(RMSEP)作为判定依据,确定了蛋白质与脂肪的最佳建模条件。蛋白质与脂肪校正模型的相关系数分别为0.975 0、0.995 1,RMSECV分别为0.194 8、0.136 3,RMSEP分别为0.113 3、0.140 1,预测结果优于未选变量的PLS模型及其他选变量方法,有效简化了模型,适于液态奶中脂肪和蛋白质的快速、无损检测。     

测定石油焦挥发分的技术条件

挥发分作为评价石油焦质量的重要技术指标之一,其测定在石油焦分析中占有很重要的位置.由于挥发分是在无空气通入的情况下,将试样加热至(850±10)℃,并保持7 min,按照损失总质量与蒸发水分损失之间的差来确定挥发分.由于其技术条件不易控制而常常造成测定结果不准确.经过实践,总结出准确测定石油焦挥发分的技术条件.     

利用油水稳定化和支持向量回归增强近红外光谱测定油中水分的方法

近红外光谱(NIRS)可以检测溶解于油中的水分含量,但油中水分较多时会散射而非吸收NIRS,从而引起较大误差。为此,筛选非离子型表面活性剂(Span-80)将含水油液稳定分散成小颗粒,利用其NIRS数据建立水分含量的支持向量回归模型。实验中油水稳定化将NIRS测定变压器油中水分含量的上限从传统的0.1%提升到1%(V/V),通过应用连续投影算法,在511个NIRS变量中筛选出15个有效变量(占原变量的2.9%),建立的支持向量回归模型对验证集的预测均方根误差为2.93%,相关系数为0.9944,相对分析误差为9.4732。     

近红外光谱结合特征变量筛选方法用于农药乳油中毒死蜱含量的测定

为提高毒死蜱农药乳油中有效成分近红外光谱定量分析模型的精度和稳定性。采用联合区间偏最小二乘法(siPLS)结合遗传算法(GA)筛选特征变量,由交互验证法确定最佳主成分因子数及筛选的变量数。结果表明,从全光谱区优选出81个变量,主成分因子数为11时,能建立性能最优的模型,模型预测集的决定系数R_p~2为0.972,预测均方根误差(RMSEP)为0.353%。研究表明,利用siPLS结合GA方法优选特征变量,能大幅度地消除农药乳油光谱变量间的冗余信息和无关信息,降低模型的复杂度,提高农药有效成分预测模型的精度及稳定性。     

近红外光谱快速测定高浓度烟酰胺

利用烟酰胺在乙醇溶液中波段范围为9001-8060cm^-1和7443-7144cm^-1的近红外一阶导数吸收光谱，经过中心化、矢量归一化预处理，应用偏最小二乘法回归来消除溶剂乙醇的近红外吸收干扰，建立了快速高浓度烟酰胺的方法。54个样本作为校正集，PLS最佳回归因子数为4时，决定系数等于0.997；线性范围为0.13-0.70mol/L。本方法应用于9个待测样品，预测相对偏差小于2.9%，结果令人满意，同时还讨论了一些影响回归精度的因素。     

近红外光谱测定聚四氢呋喃混合液

近红外光谱;聚合反应;过程分析;四氢呋喃;分子质量     

小波变换用于近红外光谱性质分析

以汽油研究法辛烷值分析为例,研究了小波变换在近红外光谱分析中的应用。对近红外光谱的小波特性、小波变换参数以及变量提取方法进行了详细研究。研究结果表明：光谱噪音、有用信息和背景分别分布在小波高、中和低频区域;母小波函数对性质分析结果影响很大;小波变换可以同时扣除光谱背景、去除噪音和压缩变量,具有运算速度快、分析精度高以及无需去噪后处理等优点,在近红外光谱分析中具有很好的应用前景。     

气相色谱法测定单基发射药中挥发分的含量

发射药挥发分的含量,过去一直用重量法测定,这种测试方法不严密,测得的结果是几种物质的混合物,而且操作比较繁琐,测定时间长。 采用气相色谱法代替原有方法测定挥发分的含量,可以较好地解决这些问题,它能够精确测出发射药中水分、乙醇、乙醚等各成分的含量,提高精度,而且可以节省时间,提高工作效率。     

近红外光谱用于中药质控前景广阔

近年来，近红外光谱技术的应用研究已从农产品的实用技术扩展到许多领域，如石油化工、高分子化工和基本有机化工、食品工业、纺织工业和制药工业及临床医学等领域。在药物分析领域中，近红外光谱不仅适用于分析药物的多种不同状态，还可用于不同类型的药品，如蛋白质、中草药、抗生素等的分析。近红外光谱更适用于对原料药纯度、包装材料等的分析与检测，以及生产工艺的监控。     

人工神经网络用于近红外光谱预测汽油辛烷值

本文对BP人工神经网络(ANN)方法在汽油的辛烷值与其近红外光谱光谱吸光度的关系之间进行关联预报方面进行了研究。采用35个汽油实际样本数据,建立了利用汽油的近红外光谱光谱吸光度预测汽油辛烷值的BP人工神经网络模型。对所有辛烷值的计算结果与实测值进行了比较,得到的预测值与实测值计算误差小于1.55%。     

近红外光谱用于过氧化氢含量的定量分析研究

用长波近红外光谱仪（傅里叶变换,InGaAs检测器）和短波近红外光谱仪（光栅分光,CCD检测器）对比研究了25％～30％过氧化氢水溶液中过氧化氢含量的定量分析方法。结果表明,应用短波近红外光谱结合长光程样品池对25％-30％过氧化氢水溶液样品中过氧化氢含量进行定量分析,可以显著减少过氧化氢分解对定量分析的干扰,使定量分析的准确度和重复性显著提高。短波近红外光谱定量分析模型RMSECV和RMSEP分别为0．06和0．05;长波近红外光谱定量分析模型RMSECV和RMSEP分别为0．10和0．09。