基于无机元素特征的甘草药材分型研究

产地和生产方式是判断药材质量的重要依据,采用电感耦合等离子体原子发射光谱法(ICP-AES)和电感耦合等离子体质谱(ICP-MS)法测定了不同产地、不同生产方式甘草药材样本中16种无机元素的含量。通过总体分布分析、特征元素聚类、元素逐一分析的三级分析方法,根据K,Na,Sr,Mo等元素含量的高低分布状态建立了甘草药材相关的无机元素指纹图谱;以主成分分析选定的特征元素进行的聚类分析结果与甘草样品的生长方式相一致;逐一比较不同样品间元素差异结果表明,Mo和Sr元素的组合不仅可以作为甘草样品生长方式的分类依据,还可以作为甘草产地区分的判断标准,Na/P,K/Ca两对元素比可以作为评价不同生产方式的参考依据,初步揭示了无机元素在这几种甘草类型间的差异规律。     

基于三维荧光光谱和四元数主成分分析的食醋品牌溯源研究

提出基于四元数主成分分析的三维荧光光谱特征提取新方法,并将其运用于品牌食醋溯源研究。首先利用F7000荧光光谱仪测得不同品牌食醋样本的三维荧光光谱数据,获取样本的等高线图和三维投影图,并进行三维荧光等高线图分析;然后利用激发波长分别为380,360和400 nm下的发射光谱数据建立食醋三维荧光光谱数据的四元数并行表示模型,对四元数荧光光谱矩阵进行四元数主成分特征提取,并基于乘积运算、模值运算和求和运算三种方法对提取出来的四元数主成分特征进行特征融合;最后将融合特征作为K近邻分类器的输入,得到不同食醋品牌的最优分类模型。分别讨论三种不同特征融合方法和四元数主成分个数与最终模型分类正确率之间的关系。针对四个不同食醋品牌120个样本的分析结果可得：基于求和特征融合运算所得到的融合特征可以利用最少的特征数目,建立最优的溯源模型,样本预测集溯源正确率可达100%。研究结果表明：四元数主成分特征提取和特征融合方法能够并行表示三维荧光光谱数据所蕴含的丰富信息,为三维荧光光谱数据分析提供新思路。     

刺参中无机元素的聚类分析和主成分分析

探讨多元素分析对中国刺参产地溯源的可行性,筛选判别刺参产地的有效指标.采用电感耦合等离子体质谱(ICP-MS)法测定了7个产地刺参样品中Al,V,Cr,Mn,Fe,Co,Ni,Cu,Zn,As,Se,Mo,Cd,Hg和Pb共15种无机元素的含量,建立刺参无机元素数据库.原始数据经过标准化处理后,结合聚类分析和主成分分析...     

西洋参中无机元素的主成分分析和聚类分析

采用电感耦合等离子体质谱(ICP/MS)法测定了12个西洋参样品中18种无机元素的含量,建立西洋参无机元素指纹谱,并用SPSS主成分分析法对西洋参中的特征元素进行分析;主成分分析选出五个主因子,得出西洋参的特征元素为Fe,Al,V,Mn,Mg,Sr,Mo,Ca,Cu;聚类分析将12个西洋参样品聚成五大类,表明元素的分布特征与西洋参的品种关系显著;主成分分析法和聚类分析法是西洋参无机元素分析的有效方法.     

基于拉曼光谱和多元统计学研究蓝色中性笔油墨

拉曼光谱作为一种无损检验的技术手段,近年来广泛用于文件检验领域中的书写材料种类检验。本实验采集了市面上收集到的28支蓝色中性笔油墨的拉曼光谱图,结合化学计量学中的相似度分析法和主成分分析法对谱图进行了分析,两种分析方法得到的分类结果基本一致,采用两种方法可以将28支蓝色中性笔油墨分为五类。实验结果表明,将拉曼光谱法得到的数据结合化学计量学分析方法进行数据分析,比直接比较谱图得到的分类结果更加客观、准确。     

基于移动窗口相关系数光谱法的白酒品牌快速判别技术研究

为满足白酒品牌判别领域快速检测的迫切需求,提出了一种以紫外光谱为输入,移动窗口相关系数法为手段的白酒品牌快速判别新方法。研究以海之蓝酒作为对象品牌,实验结果显示各批次海之蓝酒在实验波长区间存在较高的吻合一致性,基于紫外光谱原始谱图的相关系数值和基于移动窗口光谱计算所得的相关系数值均达到0.99以上。由于其他洋河系列白酒与海之蓝酒均属于洋河酒厂生产,原料来源、生产制备工艺等存在较高的相似性,此时若仅使用紫外光谱原始谱图数据结合相似度算法进行品牌判别,则定量化的判别区分存在一定困难。移动窗口法可有效提高谱图细节差异,突出光谱在特征谱段的形状、强度、变化趋势差异,提高实验谱图在细节结构差异辨认分析能力。经过研究筛选,发现以移动窗口相关系数结合紫外光谱特征谱段(270～295 nm)可提高洋河系列酒间的谱图差异,实现这种有较高相似性白酒品牌的判别区分。此外,市售六种其他品牌白酒及乙醇作为对照组,进一步论证了该方案的可行性。该研究的创新之处在于提出了一种移动窗口相关系数光谱法进行白酒品牌快速判别分析的新思路,该方法同时具备速度快,操作简便等优点,具有较高的实际应用潜在价值,并可为其他食品的质量安全判别分析研究提供借鉴。     

基于激光诱导击穿光谱技术的土壤快速分类方法研究

为实现不同种类土壤的快速分类鉴别,实验研究了基于激光诱导击穿光谱技术的土壤快速分类方法。由于不同类型的土壤在元素组成上会存在较大差异,所以利用激光诱导击穿光谱技术进行土壤分类具有可行性。不同土壤在相同实验条件下产生的等离子体温度会存在较大差异,可以作为分类的重要依据,所选择的7类土壤中,赤红壤的等离子体温度最高。选取土壤中6种常量元素Si,Fe,Al,Mg,Ca和Ti的光谱强度作为分类指标,利用主成分分析(principal component analysis,PCA)对7种土类的25个样品进行了分类,其中砖红壤和赤红壤分类出现了交叠,而不同高山草甸土样品之间元素差异较大,并没有实现较好的聚类。利用反向传播神经网络(back-propagation artificial neural network)结合土壤的LIBS光谱对土壤进行了分类,分类结果与PCA结果相近,赤红壤与砖红壤出现了识别错误。当用PCA分析获得三个主成分值作为BP神经网络的输入量时,获得了较好的分类结果,因为简化了输入量,降低了BP神经网络的误差,此时只有一个高山草甸土被识别成褐土,而高山草甸土的等离子体温度显著低于褐土,所以结合不同土壤类型的等离子体温度差异,能够实现不同土壤的分类识别。实验证明激光诱导击穿光谱技术可以应用于土壤分类,为土壤普查和合理利用提高了一种新的技术。     

基于近红外光谱技术成品汽油分类方法的研究

在研究成品汽油的分类方法过程中,首先采用判别式聚类分析方法比较了700~1 100和1 100~1 700 nm两个波段范围判别模型的准确性,然后在识别模型准确性较高的波段(1 100~1 700 nm)采用主成分分析法(PCA)结合自组织竞争神经网络方法,对90#,93#和97#成品汽油建立定性识别模型。在建立定性模型前先用PCA法对原始数据进行主成分压缩。主成分分析结果表明,前3个主成分的累积可信度已达97%,取前3个主成分的32个波长点的吸光度作为神经网络的输入,建立三层自组织竞争神经网络模型。神经网络模型的学习参数为0.01,网络训练迭代次数为500。结果表明,基于主成分分析结合自组织竞争神经网络方法建立的近红外光谱鉴别成品汽油的模型鉴别准确率高、方法可行。     

不同产地蒙古黄芪矿物元素比较研究

无机元素与药材的药效密切相关,其通过对次生代谢途径中各种酶活性的调节作用而影响中药中次生代谢产物的合成,是中药质量控制不可或缺的特征参数.为有效鉴别蒙古黄芪产地和品质差异,找出蒙古黄芪的特征元素及其与产地的关系.实验采用电感耦合等离子体发射光谱(IC P-O ES)测定青海省不同产地蒙古黄芪无机元素的种类与含量,分别用...     

基于PCA-BP神经网络的EDXRF分析测定地质样品中铁、钛元素含量的应用研究

为实现地质样品中元素含量的准确预测,提出了基于主成分分析(PCA)的改进型BP神经网络模型。采用X荧光光谱法,对新疆西天山地质样品中Fe,Ti,V,Pb和Zn等元素进行测量,将得到的X荧光计数作为输入变量,应用该模型对未知地质样品中Fe和Ti元素进行定量预测。结果表明：主成分分析与改进型BP神经网络模型取得了较好的预测效果,预测结果与化学分析值的相对误差小于3%,为地质样品元素含量预测提供了一种新型有效的方法。     

红外光谱对不同品种及产地小米的鉴别

不同品种及产地的小米在口感及营养价值上存在显著差异,因此区分不同种小米对消费者具有参考意义。将傅里叶变换红外光谱(FTIR)、二维相关红外光谱(2D-IR)与曲线拟合、主成分分析(PCA)相结合,鉴别小米的品种及产地。结果显示：小米主要由碳水化合物、蛋白质和脂质组成,因此,其FTIR特征相似;二阶导数光谱(SD-IR)在3 012,2 962,2 928,2 856,1 748和1 548 cm-1附近的吸收峰强度存在明显差异;2D-IR在1 200~860和1 700~1 180 cm-1范围内,小米样品的自动峰和交叉峰数目、位置和强度差异明显;曲线拟合结果显示小米在1 700~1 600 cm-1范围内子峰面积比例不同,说明不同品种间小米的蛋白质含量不同,可以实现小米品种的鉴别分类;选取1 800~800 cm-1范围内的导数光谱进行主成分分析,前3个主成分累积贡献率为97%,不同产地的小米都得到正确归类。研究表明,红外光谱结合统计分析方法,是鉴别小米品种及产地的有效方法。     

基于无机元素分析对地理标志五常大米鉴别技术的研究

五常大米是我国著名地理标志产品之一,品质高、产量低,导致制假售假的现象严重。为维护五常大米的品牌形象和消费者利益,急需一种有效鉴别五常大米的方法。应用电感耦合等离子体光谱及电感耦合等离子体质谱测定大米中无机元素含量,结合主成分分析(PCA)、Fisher判别、人工神经网络(ANN)对五常大米鉴别模型进行研究。结果表明：PCA法对样品的分类效果较差,采用Fisher判别和ANN则可准确识别五常地区的大米样品和其他地区的大米样品。Fisher判别法对校正集和验证集样品平均准确识别率分别为93.5%,而ANN法对同样的校正集和验证集样品的平均准确识别率为96.4%,优于Fisher判别法。可准确对五常大米进行鉴别,为该产品的地理标志保护提供了一种技术手段。     

基于太赫兹时域光谱技术的煤岩识别方法研究

煤岩识别一直是制约煤矿无人化开采的关键问题之一。传统的人工采煤因为工作环境极其复杂,很难精准地找到煤岩的分界面,容易造成欠切割或过切割现象。太赫兹光谱技术作为一种无损探测技术,能够反映出被测物体的物理和化学信息,可以成为研究煤岩识别的有效方法。采用太赫兹时域光谱技术与多元统计法—聚类分析（CA）和主成分分析（PCA）相结合的方法来识别不同种类的煤岩。通过透射式太赫兹光谱仪获得六种煤岩样品的太赫兹光谱,对其进行FFT等一系列数学计算可以得到各种样品的折射率、吸收系数以及介电常数。计算结果表明不同种类的煤岩在折射率、吸收系数上都存在差异。分析各类煤炭样品的折射率和吸收系数与样品的各组成成分含量之间的关系,可以发现碳含量是影响其样品折射率大小的因素之一,灰分含量是影响其样品吸收系数大小的因素之一。聚类分析中两类样品的欧氏距离与主成分分析中的第一主成分（PC1）得分都能反映煤岩样品之间的相似性和相异性,并且CA与PCA的结果保持一致。分别将各类样品在0.5～2.5 THz频率范围内的折射率、吸收系数与CA和PCA结合,组成太赫兹数据与煤岩之间的模型。分析表明：根据不同样品之间的相似性,两种模型中六种煤岩样品均被分为两类;在各种样品的吸收系数与CA-PCA组成的模型中,四种煤炭被聚集在一起,并且石英砂岩（GSR-4）具有很好的独特性：石英砂岩拥有最小的PC1得分值以及石英砂岩与第二类之间的欧氏距离最大,为219.03。由此可见采用太赫兹技术与多元统计方法结合,可以实现煤岩的准确识别,识别准确率可以达到100%。     

基于可见-近红外光谱的咖啡品牌鉴别研究

利用可见-近红外光谱技术对市场上三种不同品牌咖啡品种进行鉴别。分别采用主成分分析法与BP神经网络结合和小波变换与BP神经网络结合两种组合模型进行分析预测。利用主成分分析法与小波变换的数据压缩功能和BP神经网络的学习预测能力实现对不同品牌咖啡的鉴别。实验采用３个品种共60个样本建立模型,30个样本进行品种鉴别,结果表明,两种鉴别模型的咖啡品种鉴别率均为100%。同时也表明,小波变换用于数据压缩无论是在压缩时间上还是在压缩能力上都优于主成分分析法。说明通过小波变换和BP神经网络相结合建立模型进行不同品牌咖啡鉴别具有分析速度快,鉴别能力强的特点,为快速鉴别纯品咖啡提供了新的方法,同时也为确定不同品牌咖啡选用咖啡豆品种奠定了基础。