基于灰狼算法的近红外光谱变量选择方法研究

基于群体智能的灰狼优化(GWO)算法具有参数少、结构简单、易于实现的优点,但在光谱领域的应用较少。该研究将GWO算法引入近红外光谱的变量筛选中,以玉米数据为例,考察了GWO算法中狼群性能、迭代次数、狼群数量及运算效率,并建立了偏最小二乘(PLS)模型对玉米样品中蛋白质、脂肪、水分以及淀粉含量的测定。结果显示,GWO算法运算效率很高,经过参数调优后建立PLS模型,其蛋白质、脂肪、水分及淀粉的保留变量数分别为19、19、14、34,预测均方根误差(RMSEP)从全波长PLS建模的0.245 8、0.122 4、0.339 8、1.105 8分别下降到0.147 7、0.080 1、0.176 2、0.739 8,分别下降了40%、35%、48%、33%,相关系数也相应地提高。因此,GWO算法不仅优化速度快,选择变量数少,还可以显著提高PLS模型的预测精度,是一种近红外光谱变量选择的有效方法。     

基于化学模式识别技术的枳实HPLC定量指纹图谱研究

建立了枳实的高效液相色谱(HPLC)指纹图谱分析方法.色谱柱为Tnature-ACCHROM C18色谱柱(4.6 mmx250 mm,5 μm);以乙腈-0.5％甲酸水溶液为流动相进行梯度洗脱,结合液相色谱-四极杆飞行时间质谱(HPLC-QTOF-MS)联用技术对枳实指纹图谱中的共有峰进行鉴定;采用相似度评价、聚类分...     

基于局部加权偏最小二乘的近红外光谱分析方法研究

针对近红外光谱分析技术中分析对象非线性现象突出的情况,提出了一种新的模型计算方法——局部加权偏最小二乘法(LWPLS)。以安胎丸为研究对象,采用LWPLS算法进行其近红外定量模型的建立,并比较偏最小二乘法(PLS)与LWPLS两种算法建立定量模型的精度。结果测得两种算法建立的校正模型中,阿魏酸的模型相关系数(R²)分别为0.785 5、0.971 9,预测误差均方根(RMSEP)分别为0.126 6、0.043 8,相对预测误差(RE)分别为12.66%、9.18%;洋川芎内酯A的R²分别为0.886 4、0.964 9,RMSEP分别为0.114 8、0.077 1,RE分别为14.01%、7.81%,显示LWPLS算法建立的模型精度更高。研究表明,采用LWPLS算法可提高安胎丸定量模型的准确性,具有可推广性和广泛的应用性。     

基于移动窗口-迭代遗传算法的近红外光谱波长选择方法

光谱样本数据常会受到环境噪声和其它组分的干扰，应作波长选择，以提高分析精度。近红外光谱谱区宽，搜索空间过大，难以直接采用遗传算法进行波长选择。为此本研究提出先用移动窗口偏最小二乘法（MWPLS）从宽谱区中初选出信息区间，再采用改进的迭代遗传算法（IGA）从中选出最优的信息子区间。MWPLS用移动窗口沿全谱区扫描，对信息区间的定位效果好，而IGA将顾及光谱数据的连续相关特性，运行多轮GA，并以上轮选择结果平滑处理后作为先验知识支持下轮的种群初始化。由此选出的连续相邻的波长点作为自变量，进行PLS建模，既可显著地简化模型，又保留一定的数据冗余，模型的稳健性好、分析精度高。将其用于小麦水分的近红外分析，效果良好，预测性能明显优于其它方法。     

基于支持向量机的汽油族组成近红外光谱分析方法研究

提出一种基于最小二乘支持向量机(LS-SVM)的汽油族组成近红外光谱分析方法。采用国家标准方法(GB 11132-1989液体石油产品烃类测定法——荧光指示剂吸附法)测定了重庆地区销售的汽油族组成,并采用主成分分析-最小二乘支持向量机建立汽油族组成的预测模型。预测模型对汽油中芳烃和烯烃含量的RMSEC分别为0.2090和0.2142。实验结果表明所建模型具有计算量小,预测准确、可靠,而且操作简单、维护费及测试费用低等特点。     

药物水溶解度的QSAR研究和VolSurf参数

药物的水溶解度与其吸收密切相关。本文利用一种新的计算方法,VolSurf,预测药物的水溶解度并测定有利于药物水溶解度的主要分子特征。被测化合物包括26个结构不同的药物,通过偏最小二乘分析法,对药物水溶解度实验值与分子特征进行相关,得到较好的模型(r2=0.90,q2=0.77)。将化合物分为训练集和预测集进行相关分析,结果表明以18个化合物所建立的训练集模型对其余8个化合物有较好的预测能力,预测的标准偏差(SDEP)为0.59。参数分析表明分子与水相互作用的3个局部能量最小值越小,且它们之间的距离越大,对其水溶解度越有利;亲水性占主导因素的分子有高的水溶解度;分子的疏水性越强,在水中的溶解性越弱;大分子的溶解度较小分子溶解度低。     

血清胆红素的近红外光谱无创检测

血清胆红素的无创检测在疾病的预防、早期诊断与后期治疗等阶段都具有极其重要的作用.本研究提出了一种基于近红外光谱技术的无创血清胆红素新方法.通过采集舌尖的近红外反射光谱并运用偏最小二乘法对采集到的光谱数据进行建模,从而实现对血清胆红素的快速无创检测.将采集到的全部57例样本按照4∶1的比例分训练集和预测集,分别建立总胆红素(TBIL)、直接胆红素(DBIL)和间接胆红素(IBIL)的偏最小二乘回归模型.3个模型的相关系数分别为0.9922,0.9947和0.9486,预测均方根误差(RMSEP)分别为6.13,4.61和4.05 μmol/L.结果表明:舌尖近红外反射光谱结合偏最小二乘法可用于血清胆红素含量的无创检测,并且为其它血液成分的无创检测开辟了新路径.     

主成分-人工神经网络在近红外光谱定量分析中的应用

近红外光谱的主成分由非线性迭代偏最小二乘法（ＮＩＰＡＬＳ）求出。主成分作标准化处理后,作为Ｂ－Ｐ神经网络的输入结点进行非线性迭代。该法的优点是,充分利用了全光谱的数据,得到消除噪声后的最佳主成分,能建立非线性模型,Ｂ－Ｐ神经网络迭代时间显著缩短。用该法对大麦中的淀粉含量进行了定量分析研究。结果为：校准和预测的相关系数分别为０．９８１和０．９５３,校准和预测的相对标准偏差分别为１．７０％和２．４８％。     

磁场作用下葡萄糖近红外光谱检测技术研究

采用傅立叶变换红外光谱仪(FTIR)研究了磁场强度对葡萄糖溶液近红外光谱的影响,发现磁场作用下葡萄糖的近红外光谱吸收强度和部分峰位发生显著变化。分析了磁场对葡萄糖溶液近红外光谱吸收的影响机理。采用偏最小二乘回归法(PLS)建立了磁场作用下葡萄糖溶液的定量分析模型,使用验证集进行验证。研究结果表明,磁场对葡萄糖分子基团偶极矩产生诱导作用,使偶极矩增大,吸收增强;同时磁场作用下,葡萄糖分子趋于沿平行于磁场的方向排列,其基团振动频率(特征吸收峰)吸光度与浓度变化的线性关系得到极大的改善。该研究有助于提高葡萄糖分子吸收强度及其测量精度,为进一步提高血糖检测精度提供技术支持。     

基于贝叶斯决策的近红外光谱药片分类方法

针对药片近红外光谱法分类过程中校正集样本数量过少且各类样本数量不均导致分类误差问题,提出了基于贝叶斯决策的分类方法。本方法对校正集样本在各类中的先验概率密度和各类药片光谱的类条件概率密度进行了估计,利用贝叶斯全概率公式计算了待分类光谱分属于各类的后验概率,根据后验概率大小对药片分类。实验随机选取4类数量不等的西酞普兰药片70片,建立贝叶斯决策分类模型,对20片验证集药片进行分类,各类的分类灵敏度和特异度均达到了100%,对比判别最小二乘法的分类结果,验证了贝叶斯决策分类法能将样本及其近红外光谱的分布信息参与分类决策,提高了分类的准确性和适应性。     

近红外光谱法测定卷烟中多酚类物质含量的研究

利用烟草样品的近红外漫反射光谱,通过化学计量学的方法,建立了卷烟中多酚类物质的近红外数学模型.结果表明,绿原酸、新绿原酸和芸香苷近红外数学模型外部验证的平均相对误差和变异系数(RSD)均在5%以内,说明该模型准确性和稳定性均很好,可以用来快速、准确,无污染地测定卷烟中多酚类物质含量.     

近红外光谱法同时测定卷烟纸中的钾和钠

为适应快速分析卷烟纸中K和Na含量的需要,应用傅立叶变换近红外(FT-NIR)光谱法和常规化学分析方法分别测定了101个卷烟纸样品的光谱数据和K及Na含量.以光谱数据和检测数据为基础,利用偏最小二乘法建立了预测卷烟纸中K和Na含量的数学模型,并进行了样品扫描条件和模型的优化.结果表明:每个纸样取14张扫描比较适宜;K和Na建模的适宜谱区范围均为4 000-7 700 cm<'-1>;一阶导数+Norris导数滤波法进行光谱预处理;K和Na优化模型的R分别为0.990 6和0.986 5,RMSECV为0.065 7和0.035 9,其预测值与化学测定值的平均相对偏差各为9.63%和9.03%.     

Components Analysis of Biochar Based on Near Infrared Spectroscopy Technology

This study aims to establish a rapid quantitative analysis method for biochar based on near infrared spectroscopy (NIRS) technology. Near infrared spectra of 163 samples in the 10000–3800 cm^–1 (1000–2632 nm) range were collected, and the contents of fixed carbon (FC), volatile matter (VM) and ash of samples were also analyzed. A partial least square (PLS) model for FC, VM and Ash was established after the model spectral ranges were optimized, the optimal factors were determined, and the raw spectra were pretreated by multiple scatter correction and second derivative (MSC + SD) method. Finally, the prediction performance of predictive model was evaluated. The results showed that the PLS model had a good prediction ability, and the predicted coefficient R²_p of actual values vs prediction values for FC, VM and ash were 0.9423, 0.9517 and 0.9265, respectively. Root mean square error of prediction (RMSEP) was 0.1074, 0.1201 and 0.1243, and ratios of prediction to deviation (RPD) were 3.51, 4.28 and 2.03, respectively. The PLS model had good accuracy and precision for both of FC and VM, and could be used as a quantitative method for FC and VM contents analysis. Nevertheless, PLS model need to improve the precision for Ash analysis according to RPD value. This method provides a fast and effective technical means for the quantitative analysis of biochar components.     

基于近红外光谱分析技术的食品包装塑料的定性分析

该文基于近红外漫反射光谱分析技术对食品包装材料聚乙烯、聚丙烯进行定性判别试验研究,选取不同波段范围、采用不同光谱预处理方法,使用主成分分析法(Principal component analysis,PCA)结合SIMCA、贝叶斯判别、K-近邻3种模式识别方法建立定性预测模型,并根据正确识别率比较了各模型预测性能。结果表明:使用SIMCA方法、贝叶斯判别、K-近邻3种方法建立的定性校正模型均在1 050～1 550 nm波长范围内效果较好;采用矢量归一化、标准正态变量变换、中心化、滑动均值滤波、多项式平滑滤波、一阶微分6种光谱预处理方法和上述3种模式识别方法对塑料样品近红外光谱进行了数据处理,其中在1 050～1 550 nm范围内,主成分因子数为3,采用原始光谱建立的K-近邻定性校正模型较优,对样品校正集和预测集的正确识别率均为100%。可为食品包装材料聚乙烯、聚丙烯的快速鉴别研究提供参考。     

近红外光谱法定性描述酵母菌的生长过程

提出了一种基于近红外光谱分析技术的酵母菌生长过程描述方法.利用Antaris Ⅱ型傅里叶变换近红外光谱仪获取酵母菌培养过程中,发酵物样本在10000~4000 1范围内的光谱数据,同时采用光电比浊法测定各样本的光密度(Optical density, OD)值;运用竞争性自适应重加权采样(Competitive adaptive reweighted sampling, CARS)算法优选特征光谱,再利用极限学习机(Extreme learning machine, ELM)建立酵母菌生长过程4个阶段的分类模型.研究结果显示,参与CARS-ELM模型建立的波长个数为30,其10次运行在训练集和测试集中的平均识别率分别为98.68%和97.37%.研究结果表明,利用近红外光谱分析技术结合适当的化学计量学方法描述酵母菌生长过程是可行的.     

基于近红外光谱分析技术的栽培香菇产地快速鉴别

建立了一种基于近红外光谱分析技术的香菇产地鉴别方法。利用近红外光谱仪扫描不同主产地的香菇干样,获得样品的近红外漫反射光谱。利用偏最小二乘判别分析(PLSDA)分别建立了吉林、湖北、福建3个省份栽培香菇的产地判别模型,同时使用光谱预处理和波长筛选技术对判别模型进行优化,最后使用预测样品对模型进行验证。结果表明,使用原始光谱建立的模型能够初步实现对产地的判别,使用光谱预处理技术扣除光谱中的背景信息,同时利用波长筛选技术选择特定波长对模型进行优化后,可进一步提高预测正确率。该方法为香菇产地真实性溯源提供了一种新方法,对香菇产业发展具有重要的实际意义。     

Tea Classification by Near Infrared Spectroscopy with Projection Discriminant Analysis and Gene Expression Programming

Traditional gene expression programming for classification is designed for binary decisions. Herein, projection discriminant analysis for direct multiclass categorization using gene expression programming is described. Gene expression programming was first employed to examine new synthetic variables that were built as nonlinear combinations of the original features. The data were projected on planes spanned by these new synthetic variables and the nearest centroid was employed to classify new samples. A new objective function was formulated to determine optimum synthetic variables. Direct multiclass categorization using a gene expression programming algorithm was used to classify six tea varieties analyzed by near infrared spectroscopy. Compared with traditional gene expression programming, principal component analysis, and linear discriminant analysis, direct multiclass categorization with gene expression programming algorithm was more efficient. Visual inspection of high dimensional data by this approach also facilitated classification and comprehension of data.     

基于随机森林结合博弈论的特征选择算法在近红外光谱分类中的应用研究

针对近红外光谱中的噪声和冗余信息导致分类模型识别率低的问题,提出了随机森林结合博弈论的特征选择算法。该算法首先根据随机森林对特征重要性进行度量,优选出对分类具有一定相关性的特征;然后利用改进的夏普利值结合互信息计算优选特征的权重,从加权后的特征集合中去掉冗余得到最优特征子集。为了验证算法的有效性,将其应用于烟叶产地识别模型,实验结果表明,该文所提出的特征选择算法对烟叶产地识别效果较好,分类识别率可达95.88%。