排序方式: 共有18条查询结果,搜索用时 15 毫秒
11.
本文对上证综指及深证成指的收益率进行了稳定分布拟合,并与正态分布的拟合加以比较分析,结果表明稳定分布能更好的处理股票市场中的“尖峰厚尾”现象。 相似文献
12.
基于高光谱成像技术结合SPA和GA算法测定甜玉米种子电导率 总被引:1,自引:0,他引:1
种子活力对于农业发展至关重要,而甜玉米种子普遍存在活力较低且不耐贮藏的问题。因此,及时准确地对甜玉米种子活力进行检测尤为重要。电导率测定法作为一种传统的种子活力检测方法,存在对种子有一定破坏性、耗时较长、重复性不佳等缺点。针这些问题,尝试利用可见-近红外(VIS-NIR)高光谱成像系统结合化学计量学算法建立甜玉米种子电导率快速、无损且精确的检测方法。以高温高湿老化的绿色超人甜玉米种子为试验材料,先通过可见-近红外高光谱成像系统采集种子的高光谱图像和进行电导率测定试验,随后对高光谱图像进行黑白板校正、提取感兴趣区域,获取光谱反射率数据。利用多种预处理方法分别为标准正态变量变换(SNV)、二阶导(SD)、一阶导(FD)、和多元散射校正(MSC)建立甜玉米种子电导率的偏最小二乘回归(PLSR)模型,比较分析并筛选出最适预处理方法。再通过连续投影算法(SPA)及遗传算法(GA)对MSC预处理后的高光谱波段进行筛选提取,基于选出的特征波段建立PLSR模型,并与全波段(Full)PLSR模型进行对比分析,得到与甜玉米种子电导率相关性最高的高光谱波段组合,最终确立一种能够预测甜玉米种子电导率的方法体系。实验结果显示:不同预处理方法(SNV,FD,SD和MSC)建立的PLSR模型性能有所差异,其中MSC-PLSR模型的表现最优秀,其校正决定系数和预测决定系数分别为0.983和0.974,相应的校正均方根误差和预测均方根误差分别为0.165和0.226。进一步分析MSC-Full-PLSR,MSC-SPA-PLSR和MSC-GA-PLSR模型,发现GA能够将全光谱的853个波段压缩至25个有效波段,所建立的MSC-GA-PLSR模型仍表现优秀,其校正决定系数和预测决定系数分别为0.976和0.973,相应的校正均方根误差和预测均方根误差分别为0.194和0.212。实验结果表明:基于可见-近红外(VIS-NIR)高光谱成像系统结合化学计量学算法实现对甜玉米种子电导率的预测存在一定的可行性。该研究为甜玉米种子电导率的快速、无损且精确的检测提供一定的理论支持。 相似文献
13.
14.
高光谱技术无损检测单粒小麦种子生活力的特征波段筛选方法研究 总被引:1,自引:0,他引:1
种子活力是种子质量的一项重要指标,高活力的种子具有较强的抗逆性、生长优势及生产潜力。而种子活力在种子生理成熟时最高,随后随着贮藏时间的延长而发生着自然不可逆的降低。因此,在播种前及时、准确地对种子活力进行检测和筛选具有重要的实践意义。针对传统种子活力检测方法存在的操作过程复杂繁琐、耗时长、重复性差且对种子有破坏性等缺点,研究尝试利用高光谱成像技术建立单粒小麦种子生活力快速、无损、精确的检测方法。以高温高湿老化后的190粒小麦种子(发芽128粒,不发芽62粒)作为研究样本,先利用可见-近红外(Vis-NIR)高光谱成像系统采集样本种子的光谱图像和进行标准发芽试验,并确保光谱采集试验和标准发芽试验的小麦种子一一对应。随后提取种子光谱图像的感兴趣区域并对其光谱数据进行平均和特征分析。分别采用一阶导数(FD)、均值中心化(MC)、正交信号校正(OSC)和多元散射校正(MSC)对原始光谱数据进行预处理,结合偏最小二乘辨别分析(PLS-DA)建立全波段PLS-DA模型,比较分析,并筛选出最适预处理方法。分别利用无信息变量消除算法(UVE)、竞争性自适应重加权算法(CARS)、连续投影算法(SPA)及耦合不同变量筛选方法对特征波段进行筛选提取,再分别基于所提取出的特征波段建立PLS-DA定性判别模型,对比分析,最终确立提取与单粒小麦种子生活力相关性最高的高光谱特征波段方法体系。结果表明:不同光谱预处理建立的模型其表现有所差异,在MC,FD,OSC和MSC中,采用MC对原始高光谱数据进行预处理,建立的全波段MC-PLS-DA判别模型,其校正集和预测集对小麦种子生活力的整体鉴别正确率分别为82.5%和83.0%,优于原始及其他预处理后建立的全波段PLS-DA判别模型,其校正集和预测集对小麦种子活种子鉴别正确率分别为94.8%和90.6%。进一步对比3种单特征波段提取方法及其耦合分析建模中,发现3种变量筛选方法耦合(UVE-CARS-SPA)的方式能够将光谱全波段的688个变量压缩至8个变量(473,492,811,829,875,880,947和969 nm),利用所筛选出的8个变量建立的MC-UVE-CARS-SPA-PLS-DA模型获得了最优秀的鉴别效果,其校正集和预测集对小麦种子生活力的整体鉴别正确率分别为86.7%和85.1%,较全波段模型(MC-Full-PLS-DA)分别提升了4.2%和2.1%,活种子的鉴别正确率分别为93.8%和84.4%,经过此优秀模型筛选后,种子批最终发芽率可达到93.1%。实验结果表明,基于高光谱成像技术结合UVE-CARS-SPA-PLS-DA模型能够实现对单粒小麦种子生活力的定性判别。研究工作为小麦种子活力的快速、精确且无损的检测提供理论支持。 相似文献
15.
乌拉尔甘草单粒种子硬实特性的近红外光谱分析 总被引:3,自引:0,他引:3
以乌拉尔甘草种子为材料,采用近红外光谱结合定性偏最小二乘法对244粒种子(硬实种子和非硬实种子比例为1∶1)的硬实性进行了鉴别研究,并特制一样品杯用于单粒种子的光谱采集,以降低人为误差。研究结果表明,4次重复平均光谱所建模型鉴别率显著高于单次光谱所建模型,光谱范围采用4 000~8 000 cm-1时模型效果较好,校正集、检验集、预测集样本的鉴别率分别为95.53%,95.94%和94.53%,采用不同建模样品所建模型其预测准确率均在90%以上,硬实种子和非硬实种子的预测准确率分别为92.50%和96.56%。种子大小和颜色均会影响模型的鉴别率,种子颜色的影响相对更大。 相似文献
16.
针对国家标准方法GB 5009.208-2016操作繁琐,检测时间较长(约6 h)等问题,改进了提取方法和衍生方法,并应用于畜禽肉中色胺、尸胺、β-苯乙胺、酪胺、亚精胺、腐胺、组胺和精胺等8种生物胺含量的测定。取绞碎样品10 g,加入50 g·L^(-1)三氯乙酸溶液20 mL、正己烷10 mL及1 000 mg·L^(-1) 1,7-二氨基庚烷内标溶液1.0 mL,混匀后涡旋15 min,超声提取15 min,离心5 min。取0.5 mL上清液置于10 mL比色管中,依次加入2 mol·L^(-1)氢氧化钠溶液100μL、饱和碳酸氢钠溶液300μL、10 g·L^(-1)丹磺酰氯衍生溶液2.0 mL,振荡混匀,于60℃反应15 min。加入100μL氨水,于60℃保温15 min,以终止衍生反应。加入乙腈稀释至5 mL,用0.22μm滤膜过滤,滤液注入高效液相色谱仪,在Phenomenex Kinetex色谱柱上以不同体积比的甲醇-水体系进行梯度洗脱,并用二极管阵列检测器检测。结果显示:样品可在1.5 h内完成检测,8种生物胺的质量浓度均在5.00~250 mg·L^(-1)内与其对应的峰面积与内标物峰面积的比值呈线性关系,检出限(3S/N)为4~21μg·kg^(-1);对实际样品进行加标回收试验和日内、日间精密度试验,回收率为80.4%~95.6%,日内(n=6)、日间(n=5)精密度试验测定值的相对标准偏差分别为1.9%~5.1%和2.3%~6.2%;方法用于20批畜禽肉的分析,除组胺外,其他7种生物胺均有不同程度检出。 相似文献
17.
以收获年份不同、收获地点不同的112份乌拉尔甘草种子为材料,其硬实率分布范围为0.3%~99.3%,根据3:1的比例划分校正集和检验集,采用近红外光谱技术结合定量偏最小二乘法对其硬实率进行了分析。研究结果表明,光谱范围采用5 000~6 000 cm~(-1),主成分数为6时,校正集和检验集的决定系数分别为90.85%和91.51%,相关系数分别为0.953 2和0.957 9,平均绝对误差分别为7.73%和6.96%,标准差分别为9.98和9.57。采用该方法建模时,即使采用不同的建模样品,校正集和检验集的决定系数均在90%以上,校正标准差和预测标准差在10.00左右,平均绝对误差在7.90%左右。该研究旨在利用近红外光谱法提出乌拉尔甘草种子硬实率的快速检测方法,以促进硬实种子在生产上的利用。 相似文献
18.
砷,硒价态的离子色谱法测定研究 总被引:2,自引:0,他引:2
砷、硒是常见的多价元素,不同价态的化合物具有不同的毒性和化学活泼性。因此,监测多种样品中不同价态砷、硒的含量是十分必要的。 相似文献