连续小波变换-支持向量回归方法用于Fe(Ⅲ)、Zn(Ⅱ)和Cu(Ⅱ)的同时测定

在波长485—640nm范围内,间隔0.5nm,测量Fe3+、Zn2+、Cu2+与2-(5-溴-2-吡啶偶氮)-5-二乙氨基苯酚(简称5-Br-PADAP)显色配合物的吸光度。用连续小波变换(CWT)对测定的光谱数据进行预处理,再用支持向量回归(SVR)建模,建立了连续小波变换-支持向量回归方法(CWT-SVR)。方法用于模拟水样中Fe3+、Zn2+、Cu2+三组分的同时测定,结果满意,且明显优于SVR方法。     

可见光/近红外光谱技术快速测定橙汁柠檬酸含量

为了快速无损测定橙汁的柠檬酸含量,提出了一种用可见光/近红外光谱技术进行检测的新方法。选用高效液相色谱法作为光谱柠檬酸测定的标定方法。采用平滑点数为5的移动平滑法对原始光谱进行预处理消除噪声。由于采集的光谱数据量非常大,为了减少建模时间,建模之前采用小波变换对经过预处理的大量光谱数据进行降维压缩,并在Matlab7.01中通过自编程序实现此变换。利用光谱专用分析软件Unscrambler 9.5,对压缩后的新变量进行分析,建立偏最小二乘(PLS)校正模型。考虑到不同小波基及分解尺度对数据压缩的影响,采用预测平方和PRESS值最小的评价标准,选择最佳的小波基Db4及分解尺度5。用于本实验的样本总数为40,其中30个样本进行建模,10个用于预测。用校正集相关系数(r)和标准偏差(SEC)作为校正模型的评价指标,预测结果采用预测相关系数(r)和预测标准偏差(SEP)来评定。文章将基于小波变换的PLS模型与直接建立的PLS模型进行了比较,偏最小二乘法结合小波变换的模型预测相关系数为r=0.901, 预测标准偏差SEP=0.937;而由PLS建立的模型其预测相关系数r=0.849,预测标准偏差SEP=1.662。由此可见,由偏最小二乘法结合小波变换所得模型效果优于单独使用偏最小二乘法的结果。     

改进偏最小二乘法在近红外牛奶成分测量中的应用

采用NicoletNexus870红外-近红外傅里叶变换光谱仪测量了36个市售巴氏杀菌纯牛乳样品的透射光谱。在近红外光谱1254～1875nm和2045～2372nm波段内,为了选择携带信息量大的波长区域,采用改进偏最小二乘回归法,包括间隔偏最小二乘法、移动窗口偏最小二乘法和可变窗宽移动窗口偏最小二乘法对巴氏杀菌纯牛乳中脂肪、蛋白质及乳糖成分分别建立模型,进行了分析和比较,结果表明,采用改进偏最小二乘法所选出的波长区与目标值的相关程度高,可以较好地建立牛奶的预测模型。     

偏最小二乘分光光度法同时测定Fe3+和Al3+

以铬天青S(CAS)为显色剂,溴化十六烷基三甲胺(CTMAB)作为增溶增敏剂及丙酮作为稳定剂,采用偏最小二乘(PLS)分光光度法对Fe3 和Al3 同时测定。综合考虑光源稳定性,双组分吸光度加和性及线性等因素,选取6 10～6 70nm范围内7个波长以供多波长数据采集。作为比较,在后续数据分析中分别采用了CPA矩阵法和偏最小二乘法(PLS) ,结果表明后者具有明显的优势。     

基于近红外光谱和偏最小二乘法的慈竹纤维素结晶度预测研究

将近红外光谱技术和化学计量学相结合分析慈竹纤维素结晶度。通过区间偏最小二乘法(iPLS)、联合区间偏最小二乘法(siPLS)和反向区间偏最小二乘法(biPLS)优化建模区域,建立经多元散射校正后光谱的结晶度分析模型,并与全光谱范围350～2 500nm建立的偏最小二乘(PLS)模型进行比较。结果表明,三种改进偏最小二乘法建立的结晶度模型预测效果均优于PLS模型,并且当采用联合区间偏最小二乘法将全光谱进行30个子区间划分,选择三个子区间[8 12 19]组合时,建立的siPLS模型预测效果最好,相关系数(r)达到0.88,预测标准差(RMSEP)为0.0117。因此,采用联合区间偏最小二乘法可以有效选择建模光谱区域,提高模型预测能力,实现慈竹纤维素结晶度的快速预测。     

基于可见-近红外光谱变量选择的荒漠土壤全磷含量估测研究

以新疆艾比湖湿地保护区采集的300个荒漠土壤样品为研究对象,利用ASD Field Spec○R 3 HR光谱仪获取的土壤可见-近红外光谱数据以及化学分析获取的土壤全磷数据为数据源,将原始光谱数据经过卷积平滑、标准正态变量变换以及一阶微分预处理后,采用蚁群-遗传结合区间偏最小二乘法提取荒漠土壤全磷含量特征波长,构建土壤全磷含量偏最小二乘回归预测模型;并与全谱偏最小二乘、蚁群-区间偏最小二乘、遗传-偏最小二乘模型进行比较。结果表明：经蚁群-区间偏最小二乘法筛选后,荒漠土壤全磷特征波段为500~700,1 101~1 300,1 501~1 700,1 901~2 100 nm;进一步采用遗传-区间偏最小二乘法进行变量选择,得到共线性最小的13个有效波长,分别为：1 621,546,1 259,573,1 572,1 527,564,1 186,1 988,1 541,2 024,1 118和1 191 nm。建模方法比较显示,采用蚁群-遗传结合区间偏最小二乘法选择的特征变量,建立的模型精度最高,其次是遗传算法、蚁群算法和全光谱。蚁群-遗传结合区间偏最小二乘法建立的土壤全磷含量的模型,效验证均方根误差RMSECV以及预测集均方根误差RMSEP分别为0.122和0.108 mg·g-1,效验证相关系数R_c以及预测集的相关系数R_p分别为0.535 7,0.555 9。因此,经过卷积平滑、标准正态变量变换以及一阶微分预处理,并利用蚁群-遗传结合区间偏最小二乘法建立的模型不仅简单,而且具有较高的预测精度和较好的稳健性,可以估算荒漠土壤全磷含量。     

导数荧光-偏最小二乘法同时测定注射液中色氨酸、酪氨酸和苯丙氨酸

本文用偏最小二乘 (PLS)法对苯丙氨酸、酪氨酸、色氨酸混合体系的导数荧光光谱进行解析 ,提出了同时测定三种氨基酸的计算分析方法。以pH 7 4的磷酸缓冲溶液为介质 ,以 2 16 6nm为激发波长 ,对复合氨基酸注射液进行三组分同时测定 ,相对误差均在± 7 2 %以内。     

用遗传算法快速提取近红外光谱特征区域和特征波长

提出了一种遗传区间偏最小二乘法(GA-iPLS),并用该方法快速提取苹果糖度近红外光谱的特征区域,在此基础上采用遗传偏最小二乘法(GA-PLS)提取苹果糖度近红外光谱的特征波长,进行苹果糖度预测。结果表明,整个光谱等分为40个子区间,遗传区间偏最小二乘法能快速寻找出5个特征子区间(第4,6,8,11,18号);在5个特征子区间的基础上用遗传偏最小二乘法继续优化,从中提取44个特征波长。建立在5个特征子区间和44个特征波长上的偏最小二乘法模型精度均优于全光谱偏最小二乘法模型,对预测集的预测相关系数提高了近10%;且模型得到了很大的简化,用于建模的主因子数减少了7个。这些结果表明,用这两种方法不但可以建立简洁、数据运算量少的模型,还可以快速地提取近红外光谱的特征区域和特征波长。     

非线性偏最小二乘导数分光光度法同时测定复方新诺明中二组分的含量

构造了导数光谱与多组分浓度间的非线性模型 ,以偏最小二乘法估计模型参数 ,建立了同时测定两组分的非线性偏最小二乘导数分光光度法 ,方法用于复方新诺明中磺胺甲唑SMZ(Sulfamethoxazole)和甲氧苄啶TMP(Trimethoprim)含量的测定 ,10份模拟样中SMZ ,TMP的回收率分别为 99 8%和 10 0 1% ,RSD分别为 1 3%和 1 6 %。结果明显好于线性偏最小二乘导数分光光度法。用该法测定复方新诺明片中的二组分含量测定结果与药典方法一致 ,该法为复方制剂的分光光度分析提供了更为理想的新途径。     

近红外光谱法快速检测猪肉中挥发性盐基氮的含量

为了实现快速无损地检测猪肉新鲜度的目的,应用近红外光谱法测定猪肉新鲜度重要指标一挥发性盐基氮(TVB-N)的含量.猪肉原始光谱经标准偏差归一化方法(SNV)预处理后,用联合区间偏最小二乘法(siPLS)建立猪肉预处理后光谱和TVB-N含量的校正模型并与经典偏最小二乘法(PLS)模型、间隔偏最小二乘法(iPLS)模型作比较.试验结果表明,利用联合区间偏最小二乘法所建的预测模型最佳,其校正集相关系数(Rc)和交瓦验证均方根误差(fRv)分别为0.8332和3.75,预测集的相关系数(Rp)和预测均方根误差(fRP)分别为0.8238和4.17.研究结果表明利用近红外光谱和联合区间偏最小二乘法可以快速地测定猪肉中挥发性盐基氮的含量.     

二极管阵列检测-流动注射分光光度法同时测定食品中铁铜钴

目的在于建立同时测定食品中铁、铜、钴三种微量元素的新方法。以2-(5-溴-2-吡啶偶氮)-5-二乙氨基酚(5-Br-PADAP)为显色剂,Triton X-100为增敏剂,采用流动注射-CCD二极管阵列检测-分光光度分析法同时对其进行测定。优化了实验参数,并用偏最小二乘法计算程序解析重叠光谱。结果显示,铁、铜和钴的线性范围分别为0.2～10 μg·mL-1,0.1～5.0 μg·mL-1,0.01～1.0 μg·mL-1,检出限分别为：0.2,0.1,0.01 μg·mL-1,进样频率为45样·h-1。所建方法用于茶叶、芝麻、小米等食品测定时,样品加标回收率分别为铁89.4%～102.3%、铜92.2%～108.0%、钴93.2%～110.8%,相对标准偏差为1.1%～12.1%。对国家一级标准参考物质茶叶和桃叶进行测定(ｎ＝8),结果在其给出的保证值范围之内。     

光谱预处理对LIBS检测脐橙中Cu的偏最小二乘定量模型影响

应用激光诱导击穿光谱(LIBS)对脐橙中Cu元素进行快速检测,并结合偏最小二乘法(PLS)进行定量分析,探索光谱数据预处理方法对模型检测精度的影响。针对实验室污染处理后的52个赣南脐橙样品的光谱数据,进行不同数据平滑、均值中心化和标准正态变量变换三种预处理方法。然后选择包含Cu特征谱线的319~338 nm波段进行PLS建模,对比分析了模型的主要评价指标回归系数(r)、交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)。采用13点平滑、均值中心化的PLS模型3个指标分别达到了0.992 8,3.43和3.4,模型的平均预测相对误差仅为5.55%,即采用该前处理方法模型的校准质量和预测效果都最好。选择合适的数据前处理方法能有效提高LIBS检测果蔬产品PLS定量模型的预测精度,为果蔬产品LIBS快速精准检测提供了新方法。     

Research on the Quantitative Analysis for In-Situ Detection of Acid Radical Ions Using Laser Raman SpectroscopySCIEI北大核心CSCD

Laser Raman spectroscopy as an in situ analytical technology can enable detailed investigation of the ocean environment. It is necessary to set up a quantitative analysis method based on laser Raman spectroscopy to understand the marine status in situ. In the laboratory investigations, varied concentration of HCO3-, SO r and coastal waters of Qingdao are taken as the samples, operating 532 nm of laser, using fiber optic probes to simulate detection mode in situ. Raman spectra are analyzed using the method of internal standard normalization, multiple linear regression(MLR), general Partial Least Squares(PLS) and PLS based on dominant factor respectively in data processing. It was found that correlation coefficients of calibration curves are not high in internal standard normalization method and predicted relative errors on the prepared samples are much high, so internal standard normalization method cannot be effectively used in the quantitative analysis of HCO3-, SO r in the water. And with the multiple linear regression, the analysis accuracy was improved effectively. The calibration curve of PLS based on dominant factor showed that the SOi- and HCO3- of pre-made solution with correlation coefficient R-2 of 0. 990 and 0. 916 respectively. The 30 mmol . L-1 of SO42- and 20 mmol . L-1 of HCO3- in two target samples were determined with the relative errors lower than 3. 262% and 5. 267% respectively. Sat in the coastal waters as the research object was analyzed by above-mentioned methods, comparing with 28. 01 mmol . L-1 by ion chromatography. It was demonstrated that PLS based on dominant factor method is superior to the rest of the three analysis methods, which can be used in situ calibration, with the mean relative error about 1. 128%. All the results show that analysis accuracy would be improved by the PLS based on dominant factor method to predict concentration of acid radical ions.     

甘蔗清糖浆锤度近红外光谱分析的模型优化

采用偏最小二乘法(PLS)和光谱Savitzky-Golay(SG)平滑方法,建立甘蔗清糖浆锤度近红外光谱分析的优化模型。基于最优单波长模型预测效果划分定标集和预测集。全谱(400—2500nm)经过SG平滑处理后用PLS方法建模。建立计算机算法平台,把483种SG平滑模式和1—40的PLS因子数任意组合分别建立PLS模型,根据预测效果选出最优模型,最优模型的SG平滑模式为二阶导数平滑、4、5次多项式类型、43平滑点数,PLS因子数为13,预测均方根偏差(RMSEP)、相对预测均方根偏差(RRMSEP)和预测相关系数(rP)分别为0.433%、0.69%和0.978。预测精度很高,并且大幅度优于未做SG平滑处理直接PLS建模的预测效果。从而表明,SG平滑模式和PLS因子数的联合大范围筛选能够有效地应用于近红外光谱分析的模型优选。     

便携式近红外光谱仪对涤/棉混纺织物的快速无损鉴别

利用便携式近红外光谱仪对376个涤/棉混纺织物进行研究,利用定量分析模型中的偏最小二乘法(partical least squares,PLS)作为校正方法,结合涤/棉混纺织物中涤、棉含量设定的定性鉴别系数,建立了涤/棉混纺织物的半定量-定性分析校正模型。该模型对涤/棉混纺织物进行定性鉴别的同时得出其相对含量,分析结果具有半定量性质。在建模过程中,采用Savitzky-Golay导数法,消除噪声和基线漂移对光谱的影响,并研究了波段选择和不同预处理方法对定性校正模型的影响。纯棉的主要吸收峰位于1 400~1 600 nm,纯涤的主要吸收峰位于1 600~1 800 nm,随着涤或棉含量的增加,其相应的吸收峰强度增强,因此,建模波段以涤、棉主要吸收峰区间为基本波段,进行双向扩展,得到最佳波长区间1 100~2 500 nm(相关系数0.6,波点数934)。利用所建校正模型对验证集样本进行预测,结果表明,在1 100~2 500 nm处,预处理方法为Savitzky-Golay导数、多元散射校正与均值中心化相结合时,该模型评价参数较佳,其中RC(校正集相关系数)0.978,RP(验证集相关系数)0.940,SEC(校正标准差)1.264,SEP(预测标准差)1.590,样品预测正确率达93.4%。表明该定性分析校正模型能够较好地对涤/棉混纺织物进行半定量-定性预测。     

基于PLS的水体重金属LIBS特征变量筛选方法研究

在水体重金属激光诱导等离子体光谱定量分析中,一般提取光谱的多个特征变量进行浓度反演,但变量之间所包含的光谱信息可能存在重叠,回归模型的复杂程度也随之增大。为提取有效特征变量,研究了基于偏最小二乘法(PLS)的变量筛选方法。该方法以待测元素浓度为因变量,多个与待测元素浓度相关的LIBS光谱特征值为自变量,进行PLS建模;依据各原始变量的投影重要性指标值进行变量筛选,提取最优变量子集。结果表明湖库水体中Pb元素的最优变量子集为Pb Ⅰ 405.78 nm峰值及峰值前相邻点光谱值、内标校正值和信背比值,训练集的复相关系数R2_m=0.912。以优化变量组合进行PLS回归分析,测试集预测结果的RSD和RE分别为10.2%和7.9%,显著优于内标法的预测结果。结果还表明,变量筛选结果对于不同元素和不同水样具有一定适用性。研究结果为水体重金属LIBS定量分析提供了优质特征数据,研究方法为其他涉及变量筛选的定量分析提供了参考。     

基于PSO-PLS混合算法的水体COD紫外吸收光谱检测研究

化学需氧量（COD）是反映水体受有机物污染程度的重要指标。紫外吸收光谱法是目前水体COD检测研究中应用最为广泛的方法,具有样品无需预处理,成本低,无污染,测定速度快等优点。但是,原始光谱数据维数高,光谱信息中包含大量冗余变量,直接将全光谱数据进行建模存在精度低,计算复杂等问题。针对紫外吸收光谱全光谱建模精度低,光谱数据存在大量共线性的问题,提出了一种基于粒子群算法（PSO）结合偏最小二乘（PLS）优选特征波长建立预测模型的方法,以提高紫外吸收光谱预测模型的精度和适用性,简化模型。利用搭建的紫外吸收光谱装置,采集29份不同浓度的COD标准溶液的紫外光谱数据,每份标准溶液采集5次取平均值并对其进行平滑处理,减少仪器和环境带来的误差。考虑到标准溶液在200～310 nm的光谱范围内存在吸收,故选取该波段范围内246个波长点作为建模数据,每个波长点下的吸光度数据作为一个粒子并按照顺序编号,以PLS为建模方法,相关系数r和均方根误差（RMSE）为评价指标,设置粒子群算法适应度函数f(x)=min（RMSE）,取粒子初始种群数为20个,惯性权重w=0.6,自我学习因子c1=1.6,群体学习因子c2=1.6,最大迭代次数为200次,算法终止条件为达到最大迭代次数。算法输出全局最优变量取值为168,94,181,183,175,209,106和142。采用粒子群算法优选的8个波长点建立PLS预测模型的相关系数r和预测均方根误差RMSE分别为0.999 98和0.155 1。为了验证PSO-PLS建立的预测模型效果,建立了PLS,iPLS和SVR三种预测模型进行对比。验证结果表明,PSO-PLS模型的相关系数r和均方根误差RMSE均优于其他三种预测模型,说明粒子群算法能有效的提取用于PLS建模的特征波长,消除子区间变量的共线性,提高预测模型的精度。该方法为实现水体COD实时在线监测提供了一种有效途径。     

基于激光拉曼光谱技术探测溶液中酸根离子定量分析方法研究

激光拉曼光谱技术是水下原位探测酸根离子浓度的强有力工具,建立一套适用于海洋环境、基于拉曼光谱技术的定量分析方法对实时了解海洋化学信息具有重要意义。本文在实验室条件下,以SO2-₄和HCO-₃系列浓度水溶液及近海海域的海水为样品,532 nm激光作为激发光源,模拟原位探测方式采用侵入式光学探头采集拉曼光谱。分别采用内定标法、多元线性回归法(MLR)、偏最小二乘法(PLS)和基于主导因素的PLS法对光谱数据进行定量分析。研究结果表明,采用以1 640 cm-1水分子O—H振动谱峰为内标峰的内定标法预测待测离子浓度,预测误差均相对较大,定标曲线线性相关系数不高;采用多元线性回归法,定标曲线的线性相关系数有较大提高,在一定程度上提高了定量分析的精度;采用酸根拉曼峰强度、酸根峰面积、水峰强度、水峰面积作主导因素结合PLS法预测配置溶液中SO2-₄和HCO-₃浓度的定标曲线相关系数R2分别为0.990和0.916,对待测样30 mmol·L-1的SO2-₄预测相对误差为3.262%,对20 mmol·L-1的HCO-₃预测相对误差为5.267%。以海水中SO2-₄为分析对象时,与离子色谱法预测的28.01 mmol·L-1进行对比,以上四种定标方法的研究结果表明,主导因素结合PLS法优于其余三种分析方法,其均值相对误差降低为1.128%。因此,采用水的拉曼信号作为主导因素结合PLS法预测水溶液中的酸根离子浓度时能有效提高定量分析的精度,并可应用于现场和原位探测中的定标。     

多波长线性回归分光光度法同时测定油中的铁、钴、镍

本文提出一种同时测定铁,钴,镍的新方法,即多波长线性回归分光光度法,利用铁与５－Ｂｒ－ＰＡＤＡＰ形成的络合物在７５０ｎｍ处吸收峰不受钴,镍干扰的特点,在７５０ｎｍ处于工作曲线法测定铁的含量,对于钴,镍在５５０－６００ｎｍ内采用多波长线性回归法测定。应用于合成样及油样中铁,钴,镍含量的测定,结果令人满意,回收率为９５．７％￣１０４．３％,相对标准偏差为１．４％￣３．８％。     

近红外光谱测定猪眼肌肌内脂肪中脂肪酸含量

为了快速无损测定猪眼肌肌内脂肪中脂肪酸含量,提出了近红外光谱技术检测的新方法。选用气相色谱法作为猪眼肌肌内脂肪中脂肪酸测定的标定方法,采用漫反射光纤探头采集由低密度聚乙烯塑料袋包装的猪眼肌样品的光谱,来测定眼肌内脂肪中脂肪酸的含量。利用光谱专用分析软件Unscrambler9.6, 对采集的光谱用平滑,二阶微分法进行预处理, 用偏最小二乘法(PLS)建立其定量检测模型。用于本实验的样本总数为82,将异常点除去后,将样品分为校正集和检验集。用校正集的样品来建立定标方程,再用它来预测检验集样品的值。结果表明,脂肪酸C14∶0,C15∶1,C16∶0,C16∶1,C18∶0,C18∶1,C18∶2,C18∶3,C20∶1,C20∶4,SFA,MUFA和PUFA校正模型的相关系数分别为0.57,0.76,0.71,0.77,0.62,0.81,0.86,0.91,0.85,0.91,0.67,0.81和0.95。可见, 用该方法测定肌内脂肪中脂肪酸有较高的测定精度,因此,应用近红外光谱对猪眼肌肌内脂肪中脂肪酸含量的快速无损检测具有可行性。