小波多尺度分段直接校正法用于近红外光谱模型传递的研究

分段直接校正(PDS)算法是目前最常用的近红外光谱模型传递方法,但它在对整个谱区进行校正时,始终依赖大小不变的传递窗口.为了提高传递效果,本研究在PDS基础上提出了一种新的算法--小波多尺度分段直接校正法(WMPDS),用于混胺的近红外光谱模型传递,并详细讨论了模型的传递参数和传递结果.本算法首先对混胺的近红外光谱进行...     

鱼粉近红外光谱模型传递应用研究

为探讨光栅型与傅里叶变换型近红外分析仪之间模型传递的应用效果,选取国产鱼粉为近红外光谱样本,DS2500F型近红外分析仪为源仪器,MPA型近红外分析仪为目标仪器,采用分段直接校正(PDS)方法实现近红外光谱传递。分别建立水分、粗蛋白质、粗脂肪、蛋氨酸和赖氨酸等组分的预测模型,通过交互验证决定系数(R_cv²)、交互验证标准误差(RMSECV)、马氏距离(MD)、系统偏差(Bias)、预测均方根误差(RMSEP)和相对分析误差(RPD)等参数,多维度评估光谱传递后所建预测模型的效果。结果表明,DS2500F仪器的近红外光谱传递到MPA型仪器时,所建国产鱼粉的水分、粗蛋白质、粗脂肪、蛋氨酸、赖氨酸的预测模型与MPA型仪器原始预测模型各参数对比无显著差异,预测效果基本一致,说明国产鱼粉在DS2500F仪器上的近红外光谱通过传递可以替代MPA型仪器的原始光谱,间接实现了模型传递,且具有良好的适用性和共享性,可提高近红外预测模型的应用效率。     

小波变换-分段直接校正法用于近红外光谱模型传递研究

提出了一种新的传递算法(WT-PDS)———小波变换-分段直接校正法,并详细讨论了模型传递参数和传递结果。首先利用小波变换对光谱进行压缩处理,采用PDS算法消除不同仪器之间压缩数据的差异,最后利用经校正的压缩数据进行分析,实现模型传递。本方法能够扣除不同仪器之间的大部分差异,大幅度改善分析精度。传递后模型分析精度与源机模型稳健性紧密相关。如果源机模型稳健性强,则能够实现不同仪器之间的共享。本方法能够实现源机的0#轻柴十六烷值、凝点、馏出温度;-10#轻柴十六烷值、凝点以及-10#军柴凝点和馏出温度共10个模型在5台仪器之间共享,简化了建模的成本。与传统的PDS相比,WT-PDS方法具有传递和建模变量少、速度快、光谱校正性能高等优点,而其模型分析精度与传统PDS基本一致。     

基于光谱比值分析的无标样近红外模型传递方法

测量环境及光谱仪台间差异导致近红外光谱(NIRS)模型传递到从机后,常产生较大误差。该文使用标准正态变量变换(SNV)+微分处理光谱消除光谱散射和基线漂移的影响,提出通过仪器间光谱信号比值分析筛选波长的方法(Screening wavelengths based on spectrum ratio analysis,SWSRA),选出仪器间一致性较好且样本间差异大的光谱特征波长,采用筛选出的波长信号建立待测性质的偏最小二乘近红外光谱定标模型。以80个玉米样品中水分、油、蛋白质含量及72个黄芩样品中黄芩苷含量的NIRS预测对该方法进行了检验。结果表明,SWSRA主机模型预测从机样品的各成分含量的平均相对误差均小于4.3%,明显优于全波长模型直接传递的结果,且其预测均方根残差RMSEP与文献报道的其他模型传递方法的结果相当或更优。SWSRA方法具有模型参数少、稳健、简便易行等优点,可以在同类型近红外光谱仪器之间实现模型的无标样传递。     

近红外光谱定量校正模型的建立及应用

介绍了近红外光谱定量校正模型的建立步骤,从样品集的选择,光谱的采集,定量校正模型的建立和验证,到模型适用性判据的建立.在此基础上,剖析了影响近红外光谱分析结果的因素,并讨论了在实际应用过程中应注意的关键性问题.     

PDS用于不同温度下的近红外光谱模型传递研究

采用合适的计算方法可降低测定环境对近红外光谱校正模型稳健性的影响。该文以喷气燃料为研究对象,考察了分段直接校正算法对所建模型预测结果的影响,通过选择转移样品数及窗口宽度,建立了最佳的校正模型和光谱转移参数。结果表明,在20℃下建立近红外光谱校正模型,直接预测30℃下喷气燃料的密度,预测集样品均方根误差（RMSEP）为0.2031,而30℃近红外光谱采用分段直接校正算法模型转移后,预测集样品均方根误差（RMSEP）降低为0.1354,预测结果得到明显改善,有效地解决了样品温度对近红外光谱分析结果的影响。     

连续投影算法在近红外光谱校正模型优化中的应用

主要从减少变量、提高校正速度的角度,采用了一种新的变量提取方法——连续投影算法(successive projections algorithm)来优化白酒酒精度的近红外光谱定量模型,对于异常样品的剔除沿用了T2椭圆法,使模型更具代表性和稳健性,只用了全部变量的1.17%(9个变量)建立模型,其预测相关系数0.9477,得到了较好的预测效果,并与采用经无信息变量消除法进行波长优选后的偏最小二乘(partial least-squares)方法建立的校正模型做了比较,进一步证明这种算法是切实可行的。     

基于最小角回归结合一元线性直接校正法的近红外光谱模型传递方法

针对近红外光谱分析技术中模型通用性较差的问题,提出了一种新的模型传递方法——最小角回归结合一元线性直接校正法(Least angle regression combined simple linear regression direct standardization,LARSLRDS)。该方法首先采用小波变换对样品光谱数据进行预处理,然后利用LAR实现样品全谱区光谱特征波长点的筛选,最后利用SLRDS对筛选出来的变量进行校正。采用汽油和药品样本的近红外光谱数据验证LAR-SLRDS性能,汽油数据集C7、C8、C9和C10成分的光谱差异为0. 002 8、0. 002 7、0. 002 6和0. 002 7,预测标准差为0. 410 6、0. 849 2、1. 034 9和1. 215 8;药品数据集活性、硬度和重量成分的光谱差异为0. 030 0、0. 031 8和0. 033 6,预测标准差为1. 933 8、0. 440 2和2. 130 9。结果表明,LAR-SLRDS算法不仅能够消除主、从仪器光谱之间存在的差异,实现模型传递,而且能够提高PLS定量模型的准确性和稳定性,具有广泛的应用潜力。     

基于一元线性回归的近红外光谱模型传递研究

为解决近红外光谱分析中的模型传递问题,本研究提出了一元线性回归直接标准化算法(Simple linear regression direct standardization,SLRDS)。为验证算法的有效性,采用玉米样品的近红外光谱集进行实验,并与传统的直接标准化算法(Direct standardization,DS)、分段直接标准化算法(Piecewise direct standardization,PDS)进行比较。实验结果表明,SLRDS算法不仅能够有效消除近红外光谱仪之间的差异,很好地实现玉米样品的PLS校正模型在3台仪器之间的共享,而且与DS和PDS算法相比,具有传递性能高、模型简单及所求参数少等优点。     

波长筛选结合直接校正法用于近红外光谱模型传递研究

该文提出了一种新的传递方法模型--波长筛选结合直接校正法(WSDS).首先利用样品的性质信息筛选出最有代表性的波长点信息,然后用直接校正法消除这些信息中包含的仪器间差异,以预测标准偏差(SEP)考察模型传递的效果.利用此算法对航空煤油的近红外光谱分析模型在不同仪器之间进行传递研究.经WSDS校正后,对航空煤油密度预测的...     

基于正交信号校正的秸秆青贮饲料粗蛋白近红外分析模型传递方法

探讨了基于不同数据预处理方法的正交信号校正在秸杆饲料近红外光谱模型传递中的应用.以141个秸杆青贮饲料样品为研究对象,以其粗蛋白含量为目标参数,研究了基于无处理、局部中心化、全局中心化和Z-score标准化预处理方法的正交信号校正,在源仪器(SPECTRUM ONE NTS)和目标仪器1(ANTA-RIS)与目标仪器2(FOSS 6500)之间的模型传递效果.实验表明:对于两台傅里叶变换型近红外光谱仪,采用局部中心化、全局中心化和Z-score标准化预处理方法的正交信号校正均可成功实现模型传递,其中局部中心化和全局中心化法的作用效果基本一致,且优于Z-score标准化法.对于傅立叶变换和光栅型近红外光谱仪,全局中心化的作用效果明显优于其它3组处理效果,且只有全局中心化预处理的正交信号校正传递后的模型可用于实际预测.     

基于稳定一致波长优选的综纤维素近红外分析模型传递

以实现纸浆材综纤维素含量的近红外分析模型在3台不同型号光谱仪上共享为目标,提出SWCSS-UVE及SWCSS-CARS联用算法。即分别利用竞争性自适应重加权采样算法（CARS）和无信息变量剔除（UVE）算法,减少SWCSS方法中入选的无信息或信息少波长的不利影响,以提高模型转移精度,并与单独的SWCSS和分段直接标准化算法（PDS）以及斜率截距（S/B）算法校正后的传递结果进行比较。结果表明,通过SWCSS-UVE方法最终可从稳定一致光谱信号中进一步优选出91个波长建立模型,该模型能同时应用于2台从机所测量光谱的分析,预测标准偏差（RMSEP）分别从模型转移前的2.0114和9.4518下降到了1.5919与1.6818,优于SWCSS, SWCSS-CARS和PDS以及S/B算法的结果。这表明SWCSS-UVE算法可以有效剔除SWCSS方法中包含的无效波长,简化模型传递过程,提高模型传递效率和稳健性。     

主成分分析在近红外定量分析校正集样本优选中的应用

将主成分分析方法用于近红外定量分析校正集样本的优选,提出一种根据样本光谱第一主成分得分优选校正集样本的方法,并使用本方法从418个烟草样本中优选得到约105个样本的校正集。通过对烟碱成分实际建模与外部验证,与随机法、含量梯度法两种校正集样本挑选方法的性能进行了对比。结果表明,本方法既克服了随机法挑选样本代表性不足的风险,又可避免含量梯度法必须测定所有样本成分含量而造成的人力物力消耗,具有无需编程、操作简单、易于推广的特点。     

段式正交信号校正方法及在小麦近红外光谱数据分析中的应用

针对光谱数据峰宽、局部效应显著、含有噪音、变量个数多及彼此间常存在严重的复共线性等问题,改进和设计一种光谱数据局部校正方法:基于窗口平滑的段式正交信号校正方法,并将之结合偏最小二乘回归,以实现光谱数据的预处理及定量分析。通过NIPALS算法初始化将滤去的正交成分,以近邻分段方式进行逐个波长点的正交信号校正。而后将去噪后的光谱矩阵作为新的自变量阵,通过偏最小二乘回归构建其与性质参变量间的校正模型。通过小麦近红外漫反射光谱数据的应用实验结果表明,本方法正交成分估计稳定,去噪明显,模型的预报性能优于其它方法,PLS成分数减少,模型更加简洁。     

基于小波变换动态时间规整的近红外光谱模型传递方法

为解决因测量环境及仪器差异而导致的近红外光谱模型通用性较差的不足,提出一种基于小波变换动态时间规整算法的模型传递方法(Wavelet transform combined with dynamic time warping,WDTW),从而实现不同仪器之间模型的共享。首先,该方法将光谱进行小波变换预处理,然后利用动态时间规整算法(Dynamic time warping,DTW)找到近红外光谱波长点之间最优的对应关系并建立回归方程。使用近红外药品光谱数据集和汽油数据集建立传递模型,验证了基于小波变换动态时间规整模型传递方法的有效性。汽油光谱数据集C7、C8、C9和C10成分的预测标准偏差(SEP)分别为0.414 4、0.801 1、1.090 4和1.290 8;药品光谱数据集活性、硬度和重量的SEP分别为2.585 6、0.434 5和2.270 3,均小于传统方法。上述实验结果表明,所建立的模型传递方法能有效消除源机光谱和目标机光谱之间的差异,提高模型的稳定性和准确性,实现模型传递的效果。     

近红外光谱分析中的化学计量学算法研究新进展

近红外光谱是一种绿色、快捷的分析技术,在科学研究、工业生产以及日常检测中得到广泛应用。化学计量学算法的应用在近红外光谱技术的发展过程中发挥了重要作用。化学计量学方法通过寻找测量变量之间的相关性,构建数学模型,量化样本间的差异性,并发现事物变化的内在规律,实现较合理准确的未知预测。这也是"大数据"战略的重要环节和主旨所在。该文针对近红外光谱吸收信号较弱、谱峰重叠严重,以及光谱测量过程中易受背景、噪声、无信息变量和外界环境因素干扰等,导致借助化学计量学方法建立的光谱与研究目标的定性定量分析模型变差问题,总结了近年来在近红外光谱领域所提出的一些化学计量学新方法,包括光谱预处理、变量选择、多元校正和模型转移,从不同角度阐述了这些方法在消除近红外光谱模型的干扰因素,提高模型的可靠性、预测准确性和适用性等方面的作用。     

近红外光谱结合新型模型传递方法用于糖料的在线质量监控

当采用近红外光谱技术对糖香料的生产过程进行在线质量监控时,糖香料的温度变化严重影响近红外光谱校正模型的预测性能,使其对糖浆样本中主要成分预测结果的平均均方根误差从2.4%增大到29.2%。本研究将近红外光谱技术与载荷空间标准化新型模型传递方法相结合,有效消除了温度变化对近红外光谱校正模型定量分析结果的影响,使其对糖浆样本中主要成分预测结果的平均均方根误差维持在3.8%的水平,实现了利用近红外光谱技术对糖香料的质量进行快速准确的监测和控制。本研究的研究结果为糖料的配制和使用提供了技术保障。     

正交信号校正用于傅里叶变换红外光谱的模型传递

利用正交信号校正（OSC）实现了4组分气体混合物的PLS模型,在两台傅里叶变换红外光谱（FTIR）仪上的传递,并与直接标准化（DS）、分段直接标准化（PDS）、多元分散校正（MSC）和有限脉冲响应（FIR）的传递效果进行了比较,确立了以源机的校正模型直接对目标机数据进行预测的传递方式。经过OSC校正,预测均方根误差（RMSEP）为10^-3左右。OSC可以有效地减小测量仪器间的差异,同时使PLS模型的潜变量个数降为4,使模型简单化。与DS和PDS相比,OSC不需要同一样品在两台仪器上测量,在支集大小为3时,得到一致的预测准确度,表现出稳健性。MSC和FIR处理的RMSEP为10^-1左右,效果远差于OSC。     

互信息诱导子空间集成偏最小二乘在近红外光谱定量校正中的应用

在集成框架下,提出了一种联合自助采样和基于互信息变量选择的子空间回归集成偏最小二乘算法MISEPLS.此算法的核心是通过训练集自助采样和随后计算互信息的方式来引入成员模型的差异性.由于互信息量小于一个特定阈值的变量被淘汰,每个成员模型在原始变量的一个子空间得到训练.模型融合考虑了简单平均和加权平均两种方式.通过两个近红外光谱定量校正实验,与建立单模型的全谱偏最小二乘算法(PLS)和基于互信息变量选择的偏最小二乘算法(MIPLS)进行了比较.结果表明,在不增加模型复杂度的情况下,MISEPLS能建立起更精确、更稳健的校正模型.