近红外光谱法快速分析有机肥料中有机质、总养分和pH值

建立了近红外光谱法结合偏最小二乘(PLS)法测定126种有机肥料中有机质、总养分和p H值的快速方法。采用K–S法分类,选取S–G平滑、S–G导数、多元散射校正和均值平均化4种前处理方法对粉碎后样品的近红外光谱信息进行预处理,以PLS法建立定量分析模型。结果表明,有机肥料中总养分的RC,SEC,RP,SEP,RPD分别为0.990,1.272%,0.985,1.084%,5.9;p H值的RC,SEC,RP,SEP,RPD分别为0.910,0.344%,0.737,0.428%,2.9。有机质项目根据国标方法分为小于40%、小于55%和大于55%3种样品进行分析,3种样品的RP分别为1.000,0.989,1.000;RPD分别为18.9,17.5,8.8。对比国标方法,有机质和总养分的测定精度满足实验室精确分析要求,p H值测定法可用于定量分析。NIR–PLS法实现了对有机肥料进行无损快速的检测分析。     

藏药五脉绿绒蒿提取过程的在线近红外光谱质量控制研究北大核心CSCD

利用近红外光谱技术和自建的在线检测系统,实现了藏药五脉绿绒蒿提取过程中总黄酮含量的在线近红外光谱监测和提取终点的判定。以403个样品为建模集,分别获得了主成分回归(PCR)、偏最小二乘(PLS)、决策树(DT)、随机森林(RF)算法下的最佳光谱预处理方法和建模区间,以残差预测偏差(RPD)值为指标选择最佳建模方法。以62个样品为外部验证集,考察模型应用于总黄酮含量实时监测的可行性。此外,还探讨了利用模型预测值进行相对浓度变化率(RCCR)分析直接判定提取终点的可行性,并比较了标准偏差绝对距离法(ADSD)和移动窗口标准偏差法(MBSD)对提取终点判定的适用性。结果表明,在预处理方法为Constant+一阶导数+SG平滑、建模区间5300~9000 cm^(-1)条件下所建的总黄酮含量的PLS模型效果最好,其校正集和验证集的误差均方根均小于0.14、相关系数均大于0.97,RPD值为4.68。所建PLS模型对未知样品的平均预测率为79%,实际值与预测值的相关系数大于0.98,表明模型有较好的预测效果。外部验证集中RCCR法判定的预测提取终点和ADSD法判定的提取终点均与实际提取终点一致。所建模型性能较好,通过对未知样品进行准确快速的定量分析,实现了五脉绿绒蒿提取过程中总黄酮含量的实时监测,同时,以RCCR和ADSD作为提取终点的判定方法较为准确,可为藏药材提取过程在线近红外光谱分析技术的研究提供有益借鉴。     

近红外光谱快速分析青贮饲料pH值和发酵产物

采用近红外光谱技术,结合偏最小二乘回归法,研究了142个不同种类的秸秆青贮饲料样品的pH值和发酵产物(乳酸、乙酸、丙酸、丁酸和氨态氮),建立了干燥粉碎和新鲜样品的近红外漫反射光谱定量分析模型以及浸提液样品的近红外透射光谱定量分析模型。研究发现,pH值的近红外漫反射光谱和透射光谱的分析效果均较好,校正模型决定系数R2和验证集样品预测值与化学值的相关关系决定系数r2都大于0.80,并且干燥粉碎、新鲜和浸提液样品的RPD值分别为3.44、2.50和2.27;3种状态样品的乳酸、乙酸、丁酸和氨态氮的定量分析模型精度需进一步提高;R2在0.64~0.85之间;RPD值在1.38~1.93之间;丙酸含量的测定结果较差。方差分析显示,3种状态样品的测定结果之间均无显著性差异(P>0.05)。     

近红外光谱-径向基神经网络在异烟肼片无损定量分析中的应用

应用异烟肼片粉末的近红外漫反射光谱数据分别结合偏最小二乘法(PLS)和径向基神经网络(RBFNN)建立定量分析模型,并用所建模型对预测集样品进行了预测,结果表明:应用RBFNN所建立的定量分析模型优于PLS模型,相关系数(r)值由0.99593提高到0.99734,交互验证均方根误差(RMSECV)值由0.00523下降到0.00423,预测均方根误差(RMSEP)值由0.00614下降到0.00501。     

近红外光谱用于注射用曲克芦丁质量控制研究

运用近红外光谱(NIRS)分析技术建立注射用曲克芦丁的定量分析预测模型,并进行相关验证。近红外积分球漫反射光谱法对73个批次样品进行采集得到NIRS图,根据高效液相色谱法(HPLC)测定样品的有效成分含量并测得样品pH值,使用TQ Analyst光谱分析软件运用偏最小二乘法(PLS)建立定量分析方法模型。模型结果显示,含量预测模型的线性相关系数(R)为0.99239,校正标准偏差(RMSEC)和预测标准偏差(RMSEP)分别为0.1790和0.5460,pH值预测模型R为0.81575,RMSEC和RMSEP分别为0.0749和0.0704。验证结果显示,含量与pH值预测模型外部验证结果的平均误差率分别为0.46%和1.57%,且t检验无显著性差异(P>0.05)。NIRS分析技术可快速稳定的对产品含量和pH值进行预测,对产品质量控制提供了新的方法依据。     

基于近红外光谱技术的日照绿茶茶鲜叶模型的优化

建立一种茶鲜叶中茶多酚含量的快速测定方法。采取日照市2个主要茶叶产区60个茶园的茶鲜叶,利用近红外光谱技术结合化学计量学方法建立优化模型进行预测。茶多酚的参考值采用国家标准方法进行测定。结果表明,采用Savitzky-Golay平滑和一阶导数处理光谱,能够有效消除光谱中的噪音及非目标因素的影响。遗传算法(Genetic Algorithm,GA)选择了针对目标组分茶多酚的200个信息变量,简化了模型。同时,采用主成分回归(PCR)和偏最小二乘(PLS)两种建模方法进行预测,其预测均方根误差(RMSEP)及剩余预测偏差(RPD)分别为0.6158、0.6743和4.7238、4.3141;决定系数(R2)分别为0.9514和0.9451。     

激光诱导击穿光谱结合CARS变量选择方法定量检测倍硫磷含量

利用双脉冲激光诱导击穿光谱(LIBS)技术对溶液中的倍硫磷含量进行定量检测。采用二通道高精度光谱仪采集不同浓度倍硫磷样品在206.28~481.77 nm波段的LIBS光谱,并对光谱进行多元散射校正(MSC)、标准正态变量变换(SNV)及3点平滑预处理,根据偏最小二乘(PLS)建模确定最优的预处理方法。在此基础上,利用竞争性自适应重加权算法(CARS)筛选与倍硫磷相关的重要变量,然后应用PLS回归建立溶液中倍硫磷含量的定量分析模型,并与单变量定量分析模型及未变量选择的PLS定量分析模型进行比较。结果表明,相比单变量定量分析模型及原始光谱PLS定量分析模型,CARS-PLS定量分析模型的性能更优,其模型的校正集和预测集的决定系数及平均相对误差分别为0.969 4、15.537%和0.995 9、5.016%。此外,与原始光谱PLS模型相比,CARS-PLS模型仅使用其中1.9%的波长变量,但预测集平均误差却由9.829%下降为5.016%。由此可见,LIBS技术检测溶液中的倍硫磷含量具有一定的可行性,且CARS方法能简化定量分析模型,提高模型的预测精度。     

多模型共识偏最小二乘法用于近红外光谱定量分析

将多模型共识偏最小二乘法用于近红外光谱定量分析。利用随机抽取的训练子集建立一系列偏最小二乘模型,选取其中性能较好的部分模型作为成员模型,用这些成员模型来预测未知样品。将该方法用于一组生物样本的近红外光谱与样品中人血清白蛋白、γ-球蛋白以及葡萄糖含量之间的建模研究,并与单模型偏最小二乘法了进行比较。结果 PLS对独立测试集中三种组分进行50次重复预测的平均RMSEP分别为0.1066,0.0853和0.1338,RMSEP的标准偏差分别为0.0174,0.0144和0.0416;而本方法重复预测的平均RMSEP分别为0.0715,0.0750和0.0781,RMSEP的标准偏差分别为0.0033,0.2729×10-4和0.0025。     

基于主成分分析和小波神经网络的近红外多组分建模研究

将小麦叶片原始光谱经过预处理后,采用主成分分析(PCA)对数据进行降维,取前3个主成分输入小波神经网络,建立了基于主成分分析和小波神经网络的近红外多组分预测模型(WNN);进一步研究了小波基函数个数的选取(WNN隐层节点数)对小波神经网络模型性能的影响,并将WNN模型与偏最小二乘法(PLS)和传统的反向传播神经网络(BPNN)模型进行了比较.结果表明,所建立的WNN模型能用于同时预测小麦叶片全氮和可溶性总糖两种组分含量,其预测均方根误差(RMSEP)分别为0.101%和0.089%,预测相关系数(R)分别为0.980和0.967.另外,在收敛速度和预测精度上,WNN模型明显优于BPNN和PLS模型,从而为将小波神经网络用于近红外光谱的多组分定量分析奠定了基础.     

基于LASSO算法的光谱变量选择方法研究

光谱分析技术由于具有简单、快速、无损等优势,在复杂体系的定性和定量分析中得到了广泛应用。然而光谱中往往包含成百上千的波长点,有些波长点与研究的目标性质并不相关,加大了计算量并降低了模型的预测准确度。因此,在建立模型前需要进行变量选择。最小绝对收缩与选择算子（LASSO）可将回归系数收缩为0,进而达到变量选择的目的。该研究将LASSO用于三元调和油样品近红外光谱和生物样品拉曼光谱的变量选择,基于偏最小二乘（PLS）和多元线性回归（MLR）模型,分别对香油和肌氨酸的含量进行定量分析,并与无信息变量消除－PLS（UVE－PLS）、蒙特卡罗结合UVE－PLS（MCUVE－PLS）和随机检验－PLS（RT－PLS）3种变量选择方法进行比较。结果表明,基于LASSO的变量选择方法保留的变量数最少,运算速度最快。对三元调和油样品,LASSO－PLS预测的准确度最高;对生物样品,LASSO－MLR预测的准确度最高。因此,基于LASSO的变量选择算法有望在光谱分析领域中得到良好应用。     

不同比色皿对近红外光谱法检测水质酸度的影响及校正分析北大核心CSCD

为减小不同比色皿对近红外光谱测量结果的影响,提高水质酸度定量分析模型的预测精度,探讨了正交信号校正(OSC)用于不同比色皿的光谱背景干扰的去除效果。用两个同一批次的石英比色皿对32个不同pH的水样装样,采集近红外光谱数据,采用OSC对原始光谱进行预处理。比较OSC预处理前后两组光谱间的差异,并建立了水质酸度的偏最小二乘(PLS)定量分析模型,分析了光谱差异对模型预测精度的影响。结果表明:经OSC预处理后,两组光谱的平均差异值由0.0042降低至0.0013,光谱校正率达90%;与原始光谱建立的PLS模型相比,基于OSC预处理后的光谱建立的PLS模型的预测精度显著提高,预测均方根误差差值由0.912降低至0.205,相关系数差值由0.364降低至7.00×10^(-3),二者分别减小了78%和98%。     

近红外光谱法快速测定柴胡提取过程中的药效成分

利用近红外光谱(NIRS)技术对柴胡提取过程中的药效成分进行快速定量分析。共收集126个柴胡提取液样品,采用紫外-可见分光光度法测定总黄酮和多糖的含量,高效液相色谱法(HPLC)测定柴胡皂苷A及柴胡皂苷D的含量,以透射模式采集提取液的近红外光谱,运用偏最小二乘法(PLS)分别建立了近红外光谱与4种药效指标参考值之间的定量校正模型,并采用不同的预处理方法、光谱波段和主因子数对模型进行优化。结果表明,总黄酮、多糖、柴胡皂苷A和柴胡皂苷D 4种定量模型的近红外预测值与参考值之间的拟合性良好,模型预测精度较高,其中预测集相关系数(RP)均大于0.9;预测集误差均方根(RMSEP)分别为3.46 μg/mL、0.743 mg/mL、1.53 μg/mL、0.406 μg/mL;预测集相对偏差(RSEP)分别为1.65%、8.28%、5.74%、7.52%。该研究证实了NIRS结合PLS可成功应用于监测柴胡提取液中药效成分的含量变化,且方法具有快速、准确、无损和环保的特点。     

双模型结合进一步降低预测均方根误差和均方根相对误差的方法

前期研究工作提出了以预测均方根相对误差最小为回归目标的方法(Minimization of prediction relative error,MPRE),它能使得预测结果的均方根相对误差更小.偏最小二乘法(Partial least squares,PLS)是以预测均方根误差为回归目标,能使得预测结果的均方根误差更小.基于多模型结合的思想,提出将MPRE与PLS相结合的双模型结合多元校正方法.本方法步骤为:(1)分别采用MPRE与PLS法对校正集建模;(2)计算阈值;(3)分别采用已建立好的MPRE与PLS模型进行预测;(4)将预测结果与阈值进行比较,得到预测结果.通过对酒精的近红外光谱与汽油紫外光谱进行定量分析结果表明,本方法可进一步减小预测均方根误差与相对误差.     

红外光谱结合偏最小二乘法快速测定在用航空润滑油中磷酸三甲酚酯

采用基础油标准曲线法,建立了在用航空润滑油中抗磨剂磷酸三甲酚酯(TCP)含量与670～630cm-1范围内傅立叶变换红外光谱(FTIR)谱峰面积的定量线性关系,并以标准曲线的预测结果为基础数据,采用偏最小二乘法法(PLS)建立TCP含量的红外光谱快速定量分析模型。模型的相关系数为0.997,校正偏差为0.021。对随机抽取的某型在用航空润滑油样品进行预测并对预测结果进行配对t检验,平均相对误差低于3%,模型预测值与标准方法测定值没有显著性差异,模型具有良好的预测能力。研究结果表明:利用FTIR结合化学计量可以实现在用润滑油TCP的快速定量分析,实时监控润滑油质量。     

基于遗传算法和偏最小二乘法的土壤激光诱导击穿光谱定量分析研究

在空气环境下,采用激光诱导击穿光谱(LIBS)技术对土壤成分进行检测,建立了基于遗传算法(GA)和偏最小二乘法(PLS)的定量分析模型。将配制的58个土壤样品分为定标集、监控集和预测集,对11种组分Mn,Cr,Cu,Pb,Ba,Al2O3,Ca O,Fe2O3,Mg O,Na2O和K2O的含量分别进行预测。结果表明,GA作为一种谱线选择的预处理方法,可以有效减少用于PLS建模的光谱谱线的数目,从而简化模型。对于土壤中的大部分组成成分,GA-PLS模型能够显著改善传统PLS模型的预测能力。以Mn元素为例,浓度预测均方根误差(RMSEP)从0.0215%降低至0.0167%,平均百分比误差(MPE)从8.10%降低至5.20%。本研究为进一步提高土壤的LIBS定量分析准确度提供了方法参考。     

短波近红外光谱技术对葡萄酒中总糖含量快速测定的研究

采用短波近红外光谱技术结合偏最小二乘法(PLS),建立了葡萄酒中总糖含量的定量分析数学模型,讨论了光谱预处理方法和主成分数对PLS模型预报精度的影响.应用所建模型对预测集样本中总糖含量进行预报,结果令人满意.该方法方便快捷,并且具有较高的预报精度,可以用于葡萄酒中总糖含量的快速测定.     

激光诱导击穿光谱(LIBS)结合机器学习算法快速测定石油焦中微量元素

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...     

短波近红外光谱法对蛇床子SFE萃取产物的定量分析

利用中药蛇床子CO2超临界萃取(SFE)的萃取物的短波近红外漫反射光谱(800～1100 nm),以HPLC分析值作参比值,采用化学计量学中的偏最小二乘法(PLS)建立短波近红外漫反射光谱与蛇床子SFE萃取物中主要成分蛇床子素和欧前胡素间定量分析数学模型.实现了快速、无损的测定双组分中药的有效成分.讨论了光谱的预处理方法和主成分数对PLS定量预测蛇床子萃取物中蛇床子素和欧前胡素含量能力的影响,并对预测集样品进行预测.     

基于多光谱特征融合技术的面粉掺杂定量分析方法

提出了一种基于拉曼光谱技术(Raman)和激光诱导击穿光谱技术(LIBS)的多光谱特征融合技术(MFFT),利用拉曼光谱中分子组分信息和激光诱导击穿光谱中原子组分信息之间的互补特性,采用自适应小波变换(AWT)-竞争性自适应加权(CARS)-偏最小二乘回归(PLS)建模技术,获取了面粉体系更为全面的特征信息。在多光谱特征融合技术中,首先采用AWT-CARS方法分别提取拉曼光谱和激光诱导击穿光谱中的特征变量,然后将两者的特征变量融合为一个向量,采用PLS方法构建MFFT模型,实现了面粉掺杂物的定量分析。通过对二氧化钛、硫酸铝钾等面粉掺杂体系建模分析,考察MFFT模型的有效性。结果表明,与单一拉曼光谱技术或激光诱导击穿光谱技术建立的预测模型相比,MFFT模型显著提升了模型的预测性能,二氧化钛和硫酸铝钾预测模型的线性相关系数分别从相对较差的Raman模型的0.884、0.877提升到0.981、0.980,其预测均方根误差分别从相对较差的Raman模型的0.151、0.154降低到0.069、0.068。表明多光谱特征融合技术可以准确提取Raman光谱中的分子信息和LIBS光谱中的元素信息,使其互为补充、互为校正,进而有效克服面粉基质对掺杂组分定量分析的干扰,显著提高模型的预测精度。     

基于偏最小二乘与广义回归神经网络的近红外光谱测定土豆中3种营养成分的研究

偏最小二乘(partial least squares,PLS)与广义回归神经网络(generalized regression neural networks,GRNN)联用对土豆样品建立起粗纤维、淀粉、蛋白质含量的预测校正模型,用PLS法将原始数据压缩为主成份,取前3个主成份的12个特征吸收峰输入GRNN网络,网络光滑因子σi为0.1.PLS-GRNN模型对样品3个组分含量的预测决定系数(R2)分别为: 0.945、 0.992、 0.938.结果表明,近红外光谱技术可以快速、准确地同时测定土豆中的粗纤维、淀粉、蛋白质,该方法可应用于果蔬产业的品质管理与控制.