蜂蜜中单糖多组分的多元校正法

根据单糖与邻甲苯胺加成缩合反应的显色特征选择合适的实验条件,并研究用偏最小二乘法（PLS）辅助可见分光光度法对吸收光谱重叠较严重的葡萄糖、果糖、阿拉伯糖和木糖4组分的模拟混合试样和蜂蜜样品进行同时分析,处理测定后的数据,得到葡萄糖、果糖、阿拉伯糖和木糖单个成分的含量。模拟混合试样葡萄糖、果糖、阿拉伯糖和木糖的平均回收率分别为101.7%、101.0%、101.0%和100.1%。本法测量体系稳定,成本低,无需分离,操作简便,结果可靠。     

基于多适应度量子遗传算法的X射线荧光重叠峰分解

智能算法在对谱峰重叠严重的复杂地质样品进行分析时,往往存在计算量过大、弱峰误差较大、收敛于局部极小值或不收敛等问题。量子遗传算法因其具有良好的收敛性,可用于X射线荧光光谱重叠峰的分解。针对X射线荧光分析过程中经常遇到的谱峰重叠问题,提出了一种基于元素关联高斯混合模型（GMM-ER）和多适应度量子遗传算法的重叠峰分解方法。首先介绍了基于元素K系和L系特征X射线的重叠峰GMM-EB模型。然后基于X射线荧光光谱的物理特性,对传统量子遗传算法进行了改进,引入了多适应度函数。由锰、铁、钴和镍的特征X射线产生一段谱峰严重重叠的模拟光谱,然后基于GMM-EB模型,分别用传统量子遗传算法和改进的多适应度量子遗传算法对模拟光谱进行了10次解析。实验结果显示,改进后的量子遗传算法的重叠峰分解精度平均提高了32.1%,最佳分解精度提高了73.9%。应用改进量子遗传算法进行分解时,含量比例低的元素分解精度得到较大改善,最佳情况下元素分解的相对误差范围缩小了64.5%。并且,改进算法收敛速度快于传统算法。该方法适合严重重叠谱峰的分解,且对弱峰有较高的分解精度。     

最小相关系数的多元校正波长选择算法

在近红外光谱的定量分析中,由于仪器的精密程度越来越高,采集的光谱数据通常具有很高的维度.因此,波长选择对于剔除噪声及冗余变量,简化模型,提高模型的预测性能是必不可少的.近红外光谱特征波长选择方法众多,但变量间的多重共线性问题仍是导致模型效果较差的一个关键问题.变量间共线性可以通过相关系数进行分析,当相关系数高于0.8,...     

基于统计遗传算法的X射线荧光重叠峰分解

针对X射线荧光分析中相邻谱峰之间的重叠问题,结合光谱形成过程的随机物理特性,提出了一种基于高斯混合统计模型(Gaussian mixture statistics model, GMSM)和遗传算法的重叠峰分解方法。首先,提出了重叠峰的GMSM描述方法,并分析了期望最大化法(expectation maximization, EM)的局部收敛问题;接着,将GMSM参数看作个体基因,以重叠峰随机数据序列的对数似然函数作为适应度函数,并给出了目标函数值的快速算法;然后,采用遗传算法的群体搜索技术找出全局最优解,实现重叠峰分解。该方法将所有测量的随机数据都当作“有用”来处理,其“有用”程度由其概率大小来体现,实现了原谱数据的“零损失”,搜索到的GMSM是全局最大概率意义下的“最佳匹配”模型,符合放射性测量过程的随机性。通过对四个严重重叠峰分解的实验表明,分解后的峰位、峰面积及标准偏差具有较高精度,最大误差分别为0.7道, 2.3%, 2.17%,特别适合于严重重叠的情况,并可广泛用于其他能谱重叠峰的分解。     

DS算法在近红外光谱多元校正模型传递中的应用

模型传递问题是近红外光谱分析技术中一个关键的共性基础技术问题。模型传递通过在同一型号的两台仪器之间寻求一种变换关系,使得在一台仪器上建立起的模型能够应用于另外一台仪器样品光谱响应的预测。文章将直接校正(direct standardization,DS)算法应用于化学计量学多元校正中的模型传递,并研究了模型转换集样品的选择方法。在两台AOTF近红外光谱仪上进行了模型传递实验,首先采用Kennard/Stone算法选择转换集样品,然后采用DS方法进行模型传递。实验结果表明采用DS算法取得了较好的模型传递效果。DS算法不仅可以应用于不同仪器之间的光谱分析模型传递,而且该方法对于同一仪器的长时间漂移或者由于部件的更换、测量环境的改变等引入的光谱差异校正也是适用的。     

近红外光谱分析技术定标和预测中的相似样品剔除算法

在近红外仪器的研制和调试过程中 ,需要对实验仪器进行最终的定标分析来验证近红外分析仪器是否正常。然而近红外定标过程中传统的方法往往将所有的样品对仪器进行定标分析 ,定标样品集在采集时为了能够覆盖将来所出现的样品范围 ,其数量往往是很大的 ,对于定标实验人员来说 ,其工作量是巨大的。文章通过采用给出的相似样品剔除算法成功地从 1 78个玉米粉样品中提取出 94个优选样品 ,通过定标实验分析发现 ,经过该算法优选的样品不仅保持了原始样品集的代表性 ,而且达到了和原始样品集参与定标相近的定标精度。经由此算法进行筛选得到的优选定标样品集数量上有了很大程度的减少 ,极大地减轻了实验人员的工作强度 ,而且为进行更多重复的实验提供了条件。     

滤光片型近红外仪器模型传递的研究

模型传递问题是近红外光谱分析技术中解决数据通用性的关键问题。文章以玉米籽粒近红外光谱图(检测其中水分含量)为例,考察了模型传递的问题。使用斜率截距算法,直接校正法和目标因子分析等算法,在5台滤光片型近红外仪器上实现了模型传递,并比较了各种方法的模型传递效果。研究表明,直接校正法的模型传递效果最好,4台从仪器的平均传递差异度为7.01%。文章还研究了标准样品数量对模型传递效果的影响。作为转换集的标准样品数目越多,模型传递效果越好,一般有20个标准样品就能达到稳定的效果。当转换集小于20时,直接校正法的传递效果急剧下降,而标准样品数量对斜率截距法和目标因子分析法的影响不明显。     

复混肥中磷元素的激光诱导击穿光谱多元线性定量分析

复混肥成分的快速、原位检测对化肥的生产过程、产品质量控制具有重要的意义。在化肥企业生产中,实验室进行分析,检测时间长,无法实现线上检测。与复混肥成分现有检测方法相比,激光诱导击穿光谱(LIBS)检测时间只需几分钟、一次测量可完成复混肥成分检测、几乎无需样品预处理,将该技术用于复混肥成分快速、现场检测非常合适。搭建LIBS系统, 激光器(100 mJ, 1 064 nm, 1 Hz)输出的激光束经45°反射镜由水平转为垂直方向,经焦距为40 mm的透镜聚焦至旋转台上的复混肥样品表面,产生激光等离子体。激光器的调Q信号控制光纤光谱仪(Avantes, 195～500 nm)采集信号,设置光谱延迟时间为1.28 μs,采集时间为1.05 ms,最终获取复混肥样品LIBS光谱。20个复混肥样品由安徽徽隆集团提供,磷元素的参考值由企业采用国家标准方法测量。将复混肥样品粉碎过筛取3 g,采用压片机在8 MPa下压制成形。实验中,使用小型风扇吹扫复混肥样品表面,形成稳定气流,每个样品重复测量10次,每次测量平均20个脉冲,以减小样品不均匀性。其中,15个样品用于定标回归模型的建立,五个样品用于检验定标模型的适用性。复混肥是一种成分复杂的混合物,其中氮、磷、钾均以化合物存在。传统的LIBS定量方法是基于待测元素单条谱线强度,未考虑其他元素影响,降低了定量结果的准确性。将LIBS技术和多元线性回归法结合用于分析复混肥中磷元素浓度。选取磷元素的三条特征谱线即213.6,214.9和215.4 nm。磷矿中硅元素含量基本不变,且硅元素在磷的谱线附近存在多条谱线,如212.4,220.8,221.1和221.7 nm。分别采用一元、二元、三元和四元线性回归法建立校准曲线。结果表明,采用P Ⅰ: 214.9 nm谱线强度作自变量建立一元线性回归,LIBS预测值与参考浓度的相关系数仅为0.083,无法满足磷元素的定量分析要求。当采用P Ⅰ: 214.9 nm谱线强度和三条特征谱线之和(P Ⅰ: 213.6, 214.9和215.4 nm)作自变量建立二元线性回归拟合时,相关系数提高到0.856,平均绝对误差由1.32%减小到0.16%。在二元线性回归中引入Si Ⅰ: 212.4 nm谱线强度,建立三元线性回归,相关系数为0.869。为进一步提高磷元素浓度测量的准确性,建立四元线性回归方程,将Si Ⅰ: 212.4,220.8,221.1和221.7 nm谱线强度之和作为自变量加入三元线性回归,相关系数提高到0.980,且15个定标样品的相对误差范围为0.06%～1.31%,而验证样品为0.13%～1.26%,这说明采用四元线性回归定标法可提高复混肥中磷元素浓度测量的准确性。     

直接标准化算法在食用油酸值和过氧化值上的近红外光谱模型转移的研究

良好的食用油品质的近红外光谱定量分析模型以及不同仪器间的模型共享,能够提高模型间的利用率,可以满足食用油行业的发展需要。目的是探究直接标准化算法在食用油酸值和过氧化值两个指标上的模型转移。实验样本为大豆油、花生油、芝麻油、玉米油共计50个样本。实验仪器为VERTEX 70傅里叶红外光谱仪和Antaris Ⅱ傅里叶近红外光谱仪(包含光纤探头和透射探头)。一共进行了三组实验,第一组选取主仪器VERTEX 70和从仪器Antaris Ⅱ(光纤探头部件);第二组选取主仪器VERTEX 70和从仪器结合主仪器Antaris Ⅱ(透射部件),第三组选取主仪器Antaris Ⅱ(透射部件)和Antaris Ⅱ(光纤部件)。利用直接标准化算法,结合主仪器上的偏最小二乘法校正模型,针对从仪器上的食用油酸值和过氧化值的近红外光谱模型,进行了模型转移研究。研究表明,在同为光纤探头扫描的实验仪器VERTEX 70和Antaris Ⅱ(光纤探头部件)间,模型转移前酸值和过氧化值预测均方差分别为54.675 6和1 912.219 4,使用直接标准化算法后预测均方差分别下降到0.560 13和4.836。在食用油酸值和过氧化值指标上直接标准化算法对相同原理的仪器有较好的转移效果。与过氧化值相比直接标准化算法在酸值指标上的模型转移效果较好。该研究结果对于食用油品质的快速分析模型的广泛应用具有重要意义。     

A High-Order Accurate Algorithm for Electrostatics of Overlapping Disks

A fast and accurate algorithm for the computation of effective electric and mathematically equivalent properties of composites with nonsmooth interfaces is reported. The algorithm is based on an integral equation reformulation of the electrostatic partial differential equation and a fast hierarchical technique for potential field evaluation. In a numerical example, 200 large and strongly inhomogeneous aggregates of randomly overlapping disks are solved with a relative error of 0.0005.     

应用数字傅里叶滤波方法提高近红外光谱多元校正模型稳健性的研究

在近红外光谱多元校正方法实际应用中,经常遇到这样的情况,近红外光谱校正模型仅适用于建模时的测量条件,而在测量条件稍有变化时就无法实现样品的准确预测。文章主要研究采用数字傅里叶滤波预处理方法提高近红外光谱多元校正模型稳健性。文章将数字傅里叶滤波预处理方法应用于葡萄糖水溶液的温度实验,实验1和实验2分别在恒温25 ℃和恒温30 ℃进行光谱测量;实验3在未控温的室内环境下进行光谱测量。采用实验1和实验2的样品作为训练集进行模型训练和优化,模型建立完毕之后,采用实验3的样品作为验证集进行模型预测能力评价。结果表明,如果训练集样品未经过预处理而直接建立偏最小二乘(PLS)多元校正模型,则验证集样品均方根预测误差(RMSEP)为664.47 mg·dL-1。而训练集和验证集样品经过傅里叶滤波预处理之后分别进行PLS建模和预测,验证集样品均方根预测误差(RMSEP)降低为58.43 mg·dL-1,样品预测值与参考值的相关性也得到提高。可见,采用数字傅里叶滤波预处理方法可以提高多元校正模型的稳健性。     

一种新的多元校正模型分子光谱传递方法

无论是近红外还是红外光谱,多元校正模型的传递问题都尚未解决。为了实现模型和光谱的传递,提出了一种改进的PDS算法——SA-PDS算法,论方法通过PDS算法进行模型传递,使用光谱间的夹角大小作为判定准则来选择传递参数,使得模型传递过程不受到样品性质参考值的影响,也不再依赖于模型,并且可以双向传递。该方法分别通过在近红外数据和中红外数据中应用来证明模型传递的可行性,实验收集烟叶样本测得其近红外光谱,沥青样本测得其中红外光谱,将烟叶总糖会计师和沥青蜡含量作为模型预测对象。使用光谱夹角作为PDS参数选择标准与使用预测标准偏差作为判定准则相比,实验表明：对于近红外光谱的从机向主机的传递,其验证集预测精密度RMSEP从5.257 4降低至1.337 1,优于RMSEP(1.350 3)方法,预测偏差也同样被改善。对于中红外光谱从机向主机的传递,新方法验证集预测精密度RMSEP从0.525 1降低至0.186 9,优于RMSEP(0.219)方法。主机向从机的传递也取得了满意的传递结果。     

高分辨分子吸收光谱中的波长校准方法

本文提出高分辨分子吸收光谱中，以碘分子谱作为参考标准的波长校准方法，编制了以人机交互方式自动完成波长校准的软件，并应用于16 422-17 896cm^-1可见光波段范围内的N2^ 分子离子的高分辨吸收谱线的波长校准，结果表明其绝对准确度可达0.006cm^-1。     

向后迭代区间选择算法及其在近红外光谱模型转移中的应用

近红外光谱(NIR)具有快速、无损、操作方便的特点,故广泛用于食品分析.作为一种间接的分析技术,NIR需要建立光谱与待测浓度之间的统计模型来实现检测.故模型的维护有助于保证NIR的预测准确性.在外界条件发生变化的情况下,诸如样品性状的改变、仪器对理化指标函数关系的变化、湿度和温度等环境因素的改变,会导致相同样品的光谱信...     

激光诱导击穿光谱结合多元非线性方法定量分析土壤中锰

锰元素是植物所需的微量元素之一。采用激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)技术对土壤中锰元素进行定量分析。以46个土壤样品为研究对象,获取土壤激光诱导击穿光谱数据,选取锰元素403.1 nm的特征谱线为分析线。根据谱线强度与元素浓度建立定标曲线,相关系数仅为0.78,定标结果说明,由于土壤样品成分的复杂性,锰元素浓度受土壤基体效应影响严重,应根据锰元素在土壤中的存在形式,选取相关元素,建立多元非线性回归定量分析方法,消除基体效应,从而提高LIBS测量的准确性。在多元非线性回归方法中分别考虑碳和铁元素对锰元素浓度的影响。与定标曲线相比,在考虑碳和铁元素对锰元素影响时,LIBS预测浓度与参考浓度的相关系数为0.97,相对误差为3.2%～10.3%,测量的准确度得到提高。实验结果表明,将多元非线性回归方法和激光诱导击穿光谱技术结合可以对土壤中微量锰元素进行定量分析。     

双光谱区间遗传算法及其在模型转移中的应用

在近红外光谱分析中,将近红外光谱和浓度信息建立统计模型,通过光谱代入模型即可预测未知样本浓度。但是,检测条件的变化会导致光谱的改变,进而导致原有的模型不能准确预测光谱改变后的样本。对此,模型转移可以通过校正新测量的光谱（从光谱）,使得从光谱能够被原有光谱（主光谱）建立的模型准确预测。模型转移可以使用全光谱进行校正,但是全光谱中往往包括噪声、背景等干扰信息,这些干扰会增加预测误差。故可以使用变量选择方法找出光谱中有化学意义的信息来模型转移。但是一般的变量选择算法只选择主光谱的区间,从光谱使用主光谱相同的波长区间模型转移。但是在实际工作中,主光谱和从光谱有化学意义的区间往往不一致,主从光谱使用同一区间模型转移会增加误差;此外,有时二者原光谱的波长范围并不一致,从主光谱选出的区间不能用于从光谱的校正。对此,提出了基于双光谱区间遗传算法（GA-IDS）,同时选择主光谱和从光谱有化学意义的区间,进而实现模型转移。GA-IDS算法步骤包括,①随机产生种群;②分析种群中每条染色体,删去错误染色体;③根据每条染色体,找出其相应的主光谱和从光谱波段组合,并计算其模型转移后的验证均方根误差(RMSEV);④按照概率,执行选择、交叉、变异操作。在一次迭代结束之后,返回到步骤②,重新执行纠错、计算RMSEV、选择、交叉、变异。达到停止迭代的要求后,将最低的RMSEV值所对应的染色体保存下来作为最优染色体,其所对应的主从光谱区间作为最优区间。用玉米、小麦两套数据测试了该算法,结果显示,与全光谱相比,GA-IDS选择的主从光谱区间可以显著地降低误差;与向后迭代区间选择法（IIBS）相比,在小样本情况下,GA-IDS的误差显著地小于IIBS方法。     

蛋白饲料原料粗蛋白含量近红外光谱模型转移研究

建立良好的蛋白饲料近红外光谱定量分析模型及实现在不同仪器间的模型共享,能极大提高模型的利用效率,满足饲料行业快速发展的需要。针对蛋白饲料原料粗蛋白含量近红外分析模型适用性问题,首次采用光谱差值转移、直接校正和分段直接校正法进行了三台不同类型的近红外光谱仪之间的模型转移研究。实验样品为四种蛋白饲料原料：玉米蛋白粉、菜粕、酒糟和鱼粉。实验仪器包括MATRIX-Ⅰ傅里叶变换型近红外光谱仪(主仪器),Spectrum 400傅里叶变换型近红外光谱仪(从仪器1)和SupNIR-2750光栅扫描型近红外光谱仪(从仪器2)。研究表明,同一样品体系在主仪器和从仪器2上所得光谱数据的差异性相对较小,且均与从仪器1所得光谱数据的差异性相对较大。除分段直接校正法对玉米蛋白粉从仪器2的预测结果无促进作用之外,其他模型的预测均方根误差和系统偏差均明显低于转移前。玉米蛋白粉、菜粕和酒糟样品采用三种方法转移后的模型预测相对分析误差(RPD)均大于3.0,预测效果良好。鱼粉样品模型转移后的预测RPD均大于2.5,预测效果较好。三种方法对于蛋白饲料原料不同仪器间的光谱差异进行了有效校正。该研究结果对于蛋白饲料品质近红外快速分析模型的广泛应用具有重要意义。     

基于多元定标法的煤粉碳元素LIBS定量分析

本文选用碳含量差别较大的14个煤样,进行激光诱导击穿光谱实验。引入多元校正的分析方法,实现煤中碳元素的LIBS定量分析。根据煤质的结构特点,得到影响碳元素激发的主要影响因素分别为与碳骨架相连的H、O、N,以及主要的矿物质元素Si、Al、Ca、Fe。选择这些元素常见的特征谱线强度值,作为多元回归分析的输入量,然后根据回归方程变量的筛选原则,确定了用于回归关联式建立的变量,进而得到回归关联式,并通过方差分析和回归统计验证了方程的可行性。结果表明,采用多元校正的分析方法,得到多元回归分析模型预测值与实验室元素分析仪得到的参考值之间的相对误差在5%之内,说明采用多变量校正的分析方法对碳元素进行定量分析,能得到较高的分析精度。     

蜜瓜品质光谱检测中异常建模样品的综合评判

针对蜜瓜可溶性固形物含量透射光谱检测中,异常建模样品对模型精度的影响及多种可能来源,提出异常样品的综合评判方法。为防止漏判,分别针对不同来源,采用基于预测浓度残差、Chauvenet检验法及杠杆值与学生残差T检验准则对85个建模样品(偏最小二乘法建模)进行初步判别,共判别出9个疑似异常样品。为防止误判,对疑似样品逐一回收,考察其对建模与预测精度的影响。先后回收5个样品后,所建校正模型相关系数r为0.889,均方根校正偏差RMSEC为0.601°Brix,对35个未知样品的均方根预测偏差RMSEP为0.854°Brix,比未剔除异常样品前所建模型(r=0.797, RMSEC=0.849°Brix, RMSEP=1.19°Brix)精度明显提高,比剔除全部疑似异常样品所建模型(r=0.892, RMSEC=0.605°Brix, RMSEP=0.862°Brix)更稳定,预测精度更高。