基于局部最小二乘支持向量机的光谱定量分析

提出了一种基于局部最小二乘支持向量机(LSSVM)的回归方法,以克服待测参数和光谱数据间的非线性。本方法首先通过欧式距离选取局部训练样本子集,然后利用该子集建立LSSVM校正模型。由于每个测试样本建模时要选取不同的训练样本,因此提出相对距离的概念用来改进高斯核函数,使LSSVM的参数对于不同的训练样本具有自调整功能。针对一批汽油样本的实验结果表明,本方法的预测精度优于常见的局部线性建模方法和全局建模方法。     

近红外光谱法最小二乘双胞胎支持向量机的应用研究

依据中药大黄的近红外光谱信息,采用最小二乘双胞胎支持向量机( LSTSVM)算法,通过MATLAB软件编程,建立参数可优化识别模型,实现了对中药大黄的真伪鉴别.将实验材料98个大黄样品随机划分为训练集和测试集,对于训练集60个样品采用留1/5法交叉验证优化模型参数,以所选最优化参数结合训练集样品的近红外光谱建立最优识别模型,对测试集的38个样品的真伪迸行识别,识别率可达97.4％.结果表明,LSTSVM算法是一种有效的识别方法,可依据中药大黄的近红外光谱对其真伪进行快速识别.同时,本研究将大黄样品6次随机划分为训练集和测试集,建模预测平均识别率为93.4％,表明采用LSTSVM算法建立识别模型具有较好的稳健性.     

基于最小二乘支持向量机的油页岩含油率近红外光谱分析

为了提高油页岩含油率近红外光谱分析建模的预测精度和稳定性,开展了基于最小二乘支持向量机(LS-SVM)建模方法的对比研究.采用主成分-马氏距离(PCA-MD)和基于蒙特卡洛采样(MCS)2种方法进行了奇异样本的检测,采用径向基核函数的LS-SVM、偏最小二乘(PLS)和反向传播神经网络(BPANN)3种方法进行建模方法对比.结果表明,对于64个油页岩岩芯样本,与PCA-MD方法相比,采用MCS方法剔除奇异样本后所建PLS模型的预测精度提高了28%.对于MCS方法剔除奇异样本后的58个样品,采用KennardStone法划分了44个样品的校正集和14个样品的预测集,采用2阶导数和标准化预处理方法,建立了100个LS-SVM的校正模型,模型的预测决定系数R2平均值达到0.90以上,高于PLS和BPANN模型的对应值;且R2的变化量(0.02)小于BPANN模型的对应值(0.32).因此,MCS奇异样本检测结合LS-SVM方法可提高油页岩含油率样本建模的精度和稳定性.     

一种基于最小二乘支持向量机算法的近红外光谱判别分析方法

将最小二乘支持向量机(LSSVM)用于近红外(NIR)光谱分析,建立一种新型的NIR光谱快速鉴别方法。以丹参药材道地性鉴别为例,对其NIR漫反射光谱进行主成分分析后,运用LSSVM法建立NIR光谱非线性分类模型,对丹参药材道地性进行快速鉴别。将本方法与经典SVM和BP神经网络法相比较,结果表明,本法判别准确率高,计算时间少,可推广应用于中药等天然产物质量快速鉴别。     

最小二乘支持向量机算法与紫外光谱法用于鉴别清开灵注射液四混中间体

采用一阶导数数据预处理,最小二乘支持向量机(LS-SVM)紫外可见光谱建模,对清开灵注射液四混中间体进行质量评价。以二次网格法和十折交叉验证法优化建模参数,预测集的总正确率和接受器工作特性曲线(ROC)下面积分别可达98.0%和0.983。结果表明,与经典的支持向量机相比,LSSVM鉴别准确率更高,模型的泛化能力更强。可用于清开灵注射液生产过程中质量控制,为中药注射液生产过程的质量控制提供了一条有效的途径。     

粒子群最小二乘支持向量机结合偏最小二乘法用于芝麻油质量的鉴别

结合粒子群最小二乘支持向量机(PSO-LSSVM)与偏最小二乘法(PLS)提出一种基于气相色谱技术的新方法,对芝麻油进行真伪鉴别,并对掺伪品中掺假比例进行定量分析。采用主成分分析法(PCA)对857个样本的脂肪酸色谱数据进行分析,优选主成分作为最小二乘支持向量机(LSSVM)的输入向量。利用粒子群算法(PSO)优化LSSVM,构建芝麻油掺伪鉴别的两级分类模型,同时运用PLS建立掺伪芝麻油中掺伪油脂的定量校正模型,两级分类模型的准确率分别达到了100%和98.7%,定量分析模型的平均预测标准偏差(RMSEP)为3.91%。结果表明,本方法的鉴别准确性和模型泛化能力均优于经典的BP神经网络和支持向量机(SVM),可用于食用油脂加工和流通环节的质量控制,为食用油质量的准确鉴定提供了一条有效途径。     

加权最小二乘支持向量机稳健化迭代算法及其在光谱分析中的应用

为克服光谱分析中异常训练样本的影响, 提出了一种加权最小二乘支持向量机(WLS-SVM)的稳健化迭代算法. 针对原始WLS-SVM在收敛性和稳健性方面的不足, 提出了一种新的求取回归误差的方法, 从而从根本上解决了WLS-SVM的收敛性问题; 同时对原始算法求权值的步骤进行了修正, 采用回归误差的中值作为计算加权值的比较基准, 大幅度提高了WLS-SVM的稳健性. 将算法应用于光谱定量分析中, 实验结果证明了该方法是收敛的, 并且崩溃点在35%左右, 是一种有效的稳健建模方法.     

基于模糊最小二乘支持向量机的蒸发过程预测控制研究

针对氧化铝蒸发过程的多变量、非线性和大滞后特点及不同时间和空间样本数据不同的特征,提出了基于末位淘汰机制的混沌粒子群算法的综合加权模糊最小二乘支持向量机蒸发过程预测控制方法.用变异混沌粒子群算法对模型预测控制进行滚动优化,计算出最优控制序列.以某氧化铝厂蒸发过程生产数据进行实验验证分析,结果表明: 模型预测结果中相对误差小于8%的样本达到93.9%,出口浓度稳定在240 g/L附近,其控制性能得到显著改善,同时也起到了降低能耗的目的.     

构建支持向量机-偏最小二乘法为药物构效关系建模

为研究药物构效关系积累样本数据的过程中,需为小样本建模。此时较易造成过拟合,影响模型的预测性能和稳定性。为此可用偏最小二乘(PLS)法从样本数据中成对地提取最优成分,消除自变量间的复共线性,并有效的降维,然后应用最小二乘支持向量机对成对成分进行非线性回归,并以基于误差修正的策略调整,使之更有效地表达自、因变量间的非线性关系。由此构建为EB-LSSVM-PLS算法,所建模型的预报精度高,稳定性良好。将其应用于新型黄烷酮类衍生物的QSAR建模,效果令人满意,其泛化性能优于其它方法。     

基于粒子群算法的最小二乘支持向量机在红花提取液近红外定量分析中的应用

提出一种基于粒子群算法的最小二乘支持向量机(PSO-LS-SVM)方法,用于建立红花提取过程关键质控指标的定量分析模型.近红外光谱数据经波段选择、预处理和主成分分析(降维)后,利用粒子群优化(PSO)算法对最小二乘支持向量机算法中的参数进行优化,然后使用最优参数建立固含量和羟基红花黄色素A(HSYA)浓度的定量校正模型.将校正结果与偏最小二乘法回归(PLSR)和BP神经网络(BP-ANN)比较,并将所建的3个模型用于红花提取过程未知样本的预测.结果表明,BP-ANN校正结果优于PSO-LS-SVM和PLSR,但是对验证集和未知样品集的预测能力较差,而PSO-LS-SVM和PLSR模型的校正、验证结果相近,相关系数均大于0.987,RMSEC和RMSEP值相近且小于0.074,RPD值均大于6.26,RSEP均小于5.70％.对于未知样品集,pSO-LS-SVM模型的RPD值大于8.06,RMSEP和RSEP值分别小于0.07％和5.84％,较BP-ANN和PLSR模型更低.本研究所建立的PSO-LS-SVM模型表现出较好的模型稳定性和预测精度,具有一定的实践意义和应用价值,可推广用于红花提取过程的近红外光谱定量分析.     

共轴双脉冲激光诱导击穿光谱和最小二乘支持向量机法定量分析植物油中铬

利用共轴双脉冲激光诱导击穿光谱( DP-LIBS)技术对植物油(大豆油、花生油和玉米油)中的重金属铬( Cr)含量进行定量分析。采用Ava-Spec双通道高精度光谱仪采集样品的LIBS光谱,然后通过其LIBS谱线图确定了CN分子谱线(421.49 nm)、Ca原子谱线(422.64 nm)及Cr的3条原子谱线(425.39、427.43和428.87 nm),根据上述谱线建立了Cr元素的单变量定标模型和最小二乘支持向量机(LS-SVM)校正模型,并用验证样品对它们进行检验。研究结果表明,对于单变量定标法,大豆油、花生油及玉米油验证样品的平均预测相对误差(PRE)分别为12.57%,12.11%和13.72%;对于三变量LS-SVM法,其定标样品真实值与预测值之间的拟合度 R2分别为0.9785,0.9792和0.9654,验证样品的平均 PRE 分别为8.92%,8.33%和10.98%;对于五变量LS-SVM法(增加两基体元素谱线变量),其定标样品真实值与预测值之间的拟合度R2分别为0.9895,0.9901和0.9855,验证样品的平均PRE分别为7.46%,8.96%和8.95%。由此可知,LS-SVM校正模型性能优于单变量定标法,且五变量LS-SVM校正模型性能优于三变量LS-SVM校正模型;采用LS-SVM法及引入合适的基体元素谱线( CN、Ca)能有效减小定量分析误差,提高LIBS技术对植物油中Cr含量预测的精度。     

3,6-和2,7-咔唑衍生物单光子和双光子吸收性质的理论研究

采用密度泛函理论B3LYP方法以及ZINDO/SDCI方法计算3,6-和2,7-咔唑衍生物的分子平衡几何结构、电子结构及单光子和双光子吸收性质.乙烯基吡啶取代基的位置影响分子的单光子和双光子吸收性质.与3,6-咔唑衍生物相比,2,7-咔唑衍生物的单光子吸收波长红移,振子强度增大;双光子吸收波长红移,双光子吸收截面增加.结果表明,2,7-咔唑衍生物是更好的双光子吸收材料.     

铁原子与氮分子间的相互作用——单侧双配位构型

用密度泛函理论的B3LYP/6-311+G(d)方法对单侧双配位FeN2体系(简记为S-FeN2)不同自旋多重度的稳定态、范德华力作用态和过渡态的多个电子态的几何结构、电子结构、能量和振动频率进行了计算比较研究. 结果表明, S-FeN2体系三种自旋态间, Fe—N 距离R1和N—N 距离R2值均比较接近; 能量最低的是15B2态, 相近态有15B1、13B1和13B2, 彼此能差约25 kJ·mol-1. 三重态电子结构复杂, 单重态能量普遍偏高; 基组态Fe原子与N2间存在强的σ-π电子对排斥而无有效轨道重叠和电子转移, 其它组态4s13d7、4s13d64p1和3d74p1, Fe 和N2间发生σ(sd)-π和π-π*轨道重叠作用, 有少量电子转移, 体系呈现一定的离子性特征, 活化N2键长基本不超过120 pm. Fe 原子的电子单或双重被激发到由N2反键轨道为主要成分的分子轨道上时, 能使N2活化到单键程度甚至解离.     

铁原子与氮分子间的相互作用——单端位构型

用杂化密度泛函B3LYP方法在6-311+G(d)基组水平上研究了Fe 原子与N2分子相互作用的单端位构型的直线形和弯曲形两种结构的平衡几何结构、电子结构、轨道布局及红外光谱等性质. 计算结果表明, 由于强的σ-σ电子对互斥作用, 基组态4s²3d⁶的Fe原子不能与N2分子发生化学作用; 当Fe 原子呈现可与N2之间发生σ-π授予反馈作用的激发组态时, Fe 与N2分子之间可形成稳定的结构; 在得到的多个电子态中, 能量最低的是直线形的1³∑^-, 比Fe(a⁵D)和N2(¹∑⁺g )能量高21.6 kJ·mol-1, 同时存在几个能量相近的电子态, 如1³∏、1³Φ; 弯曲形都是不稳定态, 可能是连接直线形和单侧双配位构型的过渡态; 单端位构型产物相对于基态的反应物均是热力学不稳定的; 单端位构型中Fe对N2的活化作用很小, N—N 键长增加不超过7 pm.     

含有噻唑生色团的Y-型有机分子的二阶非线性光学性质

采用密度泛函理论(DFT)B3LYP/6-31G*方法优化了一系列含有噻唑生色团的Y-型有机杂环分子的几何构型, 在此基础上结合有限场(FF)方法和含时密度泛函理论(TD-DFT)对分子的非线性光学(NLO)活性和电子光谱进行计算分析. 结果表明, 这些分子具有A-π-D-π-A(A: 受体, D: 给体)结构, 分子基态偶极矩、极化率和二阶NLO系数(β)随支链共轭桥的增长及生色团共轭效应的增大而增大. 同时, 该系列有机杂环分子的二阶极化率总的有效值(βtot)与其前线分子轨道能级相关, 分子的前线分子轨道能级差越小, βtot值越大.     

密度泛函理论下的分子电负性(Ⅳ)──大环分子的总能量和电荷分布的直接计算

以密度泛函理论表述的电负性定义及其均衡原理为基础,提出了一个修正电负性均衡方法(MEEM),可直接用于计算各类分子的总能量和原子电荷分布。通过对3个较大环状分子18-crown-6,24-crown-8和24-cryptand的实际计算,发现其计算结果与从头计算结果接近。     

An assisted approach of the global optimization for the experimental conditions in capillary electrophoresis

Experimental conditions have effect on the separation of capillary electrophoresis (CE) directly. In this work, a set of index to describe the separation in CE was established properly. Based on a combination of genetic algorithm and least square support vector machine, an assisted approach of global optimization for experimental conditions was proposed for the first time, and it was applied to the separation of four synthetic compounds by CE in nonaqueous system. Under the optimum conditions obtained by this approach, the result of the experiment was satisfactory and proved that this novel approach was effective. Furthermore, we investigated the most important conditions that mainly affect the separation effectiveness of CE by partial least squares regression analysis. Because of the generalization of this new approach proposed, it can be applied to the optimization of other experimental processes.