能量色散X射线荧光光谱检测土壤重金属砷、锌、铅和铬

利用X射线荧光光谱检测土壤重金属砷、锌、铅和铬元素的含量。通过分析仪器检出限和准确度,得出仪器适用性良好。然后,利用二维相关同步光谱获得重金属元素的X射线荧光光谱能谱范围和变量数,得出铅元素的能谱范围分别为10.380~10.740和12.435~12.900 keV,砷元素的能量范围是10.380~10.740和11.610~11.880 keV,铬元素的能量范围是5.310~5.520和5.805~6.015 keV, 锌元素的能量范围是8.520~8.805和9.555~9.630 keV,铅、砷、铬和锌的变量数分别为57,44,30和26。最后,根据获得的能谱范围,采用偏最小二乘回归方法建立重金属元素的X射线荧光光谱定量分析模型,得出砷元素的模型性能最佳,其次是铅、锌和铬,预测相关系数都高于0.92。研究表明,利用二维相关光谱获得的能谱范围有助于提高模型的预测性能和便携式X射线荧光光谱检测仪器适用于土壤重金属的原位监测。     

Regression-based model of skin diffuse reflectance for skin color analysis

A simple regression-based model of skin diffuse reflectance is developed based on reflectance samples calculated by Monte Carlo simulation of light transport in a two-layered skin model. This reflectance model includes the values of spectral reflectance in the visible spectra for Japanese women. The modified Lambert Beer law holds in the proposed model with a modified mean free path length in non-linear density space. The averaged RMS and maximum errors of the proposed model were 1.1 and 3.1%, respectively, in the above range.     

应用线性回归方法对无形资产进行收益预测

无形资产评估对引导列形资产的建立和完善具有重要作用，收益法是常用的无形资产评估方法，而收益的预测是无形资产评估中的一个难题，本文以新疆某上市公司为例，尝试在无形资产评估方法中用多元线性回归进行收益预测。     

近红外光谱分析技术识别奶粉中淀粉掺假的研究

将蒙牛、伊利、完达山三个品牌的奶粉样品掺入不同量的淀粉构成32份实验样品。在跨度近两个月时间内,用JDSU微型近红外光谱仪,分五天重复5次采集这些样品的中波近红外漫反射光谱。采用仿生模式识别（BPR）算法对样品进行掺假识别定性分析,并研究了分析的可靠性与模型的稳健性。以90%作为评价分析结果（样品掺杂的正确识别率 CAR与正确拒识率 CRR）的阈值：将测试结果高于此阈值的所有样品中掺入淀粉的最低含量分别称为样品掺杂的正确识别限与正确拒识限。结果显示：三个品牌奶粉样品分别各自建模时,若用同一天测定的部分光谱数据建立模型,预测该天剩余光谱,样品掺杂的正确识别限与正确拒识限都可以达到0.1%。对于三种品牌奶粉合并后的纯奶粉及其淀粉掺杂样品混合建模时,若用同一天测定的光谱建模与测试,样品掺杂的正确识别限也可以达到0.1%,正确拒识限则为1%;若用不同时间采集的光谱进行交叉测试,正确识别限与正确拒识限都只有5%;若用四天的光谱数据联合建模,测试第五天的数据,正确识别限可以稳定达到1%,正确拒识限可以达到5%。应用两种算法对奶粉中淀粉含量进行定量分析比较,进一步验证了有关定性分析对样品掺杂正确识别限和正确拒识限的可靠性。     

基于希尔伯特-黄变换方法的同轴粒子全息图中粒子轴向位置提取方法

在颗粒的数字全息中,传统方法应用数值再现反演计算得到颗粒的相关信息,其中再现的判焦过程中存在繁琐费时的缺点.本文提出了一种基于希尔伯特-黄变换方法的同轴粒子全息图分析方法.将粒子同轴全息图沿中心往外得到的单个粒子径向强度分布作为初始信号,根据希尔伯特-黄变换方法中的经验模态分解首先将信号分解成几个本征模态函数,通过分析第一本征模态函数的希尔伯特谱,由拉依达法则剔除部分奇异点后做最小二乘线性回归分析,得到粒子的空间位置.该方法不需要对全息图进行重建,由信号自身构建基函数,有很强的适应性.理论模拟和实验证明,该方法计算速度快,准确度高,有望应用于全息图的实时在线分析.     

Temperature effect on deposition rate of silicon nitride films

Temperature effects on deposition rate of silicon nitride films were characterized by building a neural network prediction model. The silicon nitride films were deposited by using a plasma enhanced chemical vapor deposition system and process parameter effects were systematically characterized by 2⁶⁻¹ fractional factorial experiment. The process parameters involved include a radio frequency power, pressure, temperature, SiH₄, N₂, and NH₃ flow rates. The prediction performance of generalized regression neural network was drastically improved by optimizing multi-valued training factors using a genetic algorithm. Several 3D plots were generated to investigate parameter effects at various temperatures. Predicted variations were experimentally validated. The temperature effect on the deposition rate was a complex function of parameters but N₂ flow rate. Larger decreases in the deposition rate with the temperature were only noticed at lower SiH₄ (or higher NH₃) flow rates. Typical effects of SiH₄ or NH₃ flow rate were only observed at higher or lower temperatures. A comparison with the refractive index model facilitated a selective choice of either SiH₄ or NH₃ for process optimization.     

~(252)Cf自发裂变中子发射率符合测量的回归分析

~(252)Cf同位素源具有标准的自发裂变中子能谱,但由于其半衰期较短,应用中常需要对源强进行标定修正.随着源年龄增加,来自源中~(250)Cf和~(248)Cm自发裂变的影响愈加凸显,不能简单按~(252)Cf的衰变规律计算源中子发射率,而通过锰浴活化的间接测量方法周期较长,且在源强低于10~4 n/s时误差较大.最近,基于中子多重性计数的源强绝对测量算法已得到验证.本文进一步从点模型假设的测量方程出发,在将符合计数率与总中子计数率关联的基础上,分别对符合计数率随源位置、符合门宽的变化关系进行回归分析,提取变化过程的特征系数,建立了两种避规效率变化的~(252)Cf中子发射率测量方法,并基于JCC-51型中子符合测量装置开展实验验证.结果表明:两种回归分析方法的测量值均与标称值的修正结果在2%的偏差范围内一致;反推求得装置中轴线上的探测效率也与基于MCNPX程序的蒙特卡罗模拟计算值相符.研究结果可为活度信息不明的~(252)Cf源强标定及符合测量装置的效率刻度提供便携准确的实验方法.     

近红外光谱的结球甘蓝可溶性糖含量测定

结球甘蓝是一种富含碳水化合物的常见蔬菜,可溶性糖含量是决定其品质的重要参数。可溶性糖易溶于水,是蔬菜和水果口味的有效调节剂。作为碳水化合物,可溶性糖由三种元素C,H和O组成,其分子吸收光谱主要由被检测材料的分子中C-H,O-H和CO等基团的组合频率吸收和倍频吸收组成,包含丰富的有机物信息。因此,采用近红外光谱和化学计量学方法,探索结球甘蓝可溶性糖含量的快速检测方法。用德国布鲁克公司的MATRIX-Ⅰ型傅里叶变换近红外光谱仪采集161份结球甘蓝样本光谱数据。波数范围：12 800～4 000 cm-1(780～2 500 nm)。蒽酮比色法测量样本的可溶性糖。综合应用马氏距离法(MD)和蒙特卡洛交叉验证法(MCCV)剔除异常样本,采用Kennard-Stone(K-S)法将样本按照给定比例划分为校正集和验证集。分别使用Savitzky-Golay卷积平滑(S-G),一阶导数(FD),二阶导数(SD),多元散射校正(MSC)和变量标准化(SNV)及它们的组合共12种方法对样本进行光谱预处理,获得最佳预处理方法,提高光谱数据的信噪比。采用竞争性自适应重加权采样法(CARS)筛选偏最小二乘回归(PLS)模型中回归系数绝对值大的波数点,去掉回归系数绝对值小的波数点,以有效选择与所测特性值相关的最优波数组合,获得具有良好鲁棒性和强预测能力的校正模型。使用模型决定系数R2、交互验证均方根误差(RMSECV)、预测均方根误差(RMSEP)作为模型精度评价指标。根据蒙特卡洛交叉验证法和马氏距离剔除异常样本的原理,共剔除10个光谱或者化学值异常的样本。最终参与建模分析的样本个数为151。异常样本剔除后,通过K-S法将样本按照3∶1被分成校正集(110个样本)和验证集(41个样本)。使用原始光谱数据,预处理后的光谱数据和对应于优选波数的光谱数据,建立PLS模型。结果表明,利用MSC+FD光谱预处理可以提高建模精度,校正集R2从处理前的0.68增长到0.93,MSC+FD是本研究中理想的光谱数据预处理方法。利用CARS法共优选了84个建模波数。在12 000~10 000 cm-1波数区域内,有O-H键2级和C-H键3级倍频伸缩振动吸收,此区域主要的背景信息为水和其他含氢基团,在此区域内共包含了36个选定的波数。在8 500~6 000 cm-1区域,存在糖类和水的O-H键的1级倍频伸缩振动吸收,葡萄糖的O-H键的1级倍频伸缩振动吸收,该区域是包含反映可溶性糖成分的主要光谱区间,背景影响较小,CARS方法在此区域共选择了15个建模波数。5 800~4 000 cm-1区域与12 000~10 000 cm-1区域相似,包含的选定波数多,CARS方法在此区域选择了33个建模波数。利用CARS对参与建模的波数进行优选,减少了无关信息,降低了模型的复杂度,选择的波数不但引入了表征待测组分的光谱,同时还引入了代表背景信息的光谱,使得校正模型适应性增强。建立了结球甘蓝可溶性糖的全谱PLS模型,根据CARS波数优选结果,建立了结球甘蓝可溶性糖的CARS-PLS模型。对于全谱PLS定量模型,校正集的决定系数R2为0.93,RMSECV为0.157 2%,RMSEP为0.132 8%。对于CARS-PLS模型,校正集的决定系数R2为0.96,RMSECV为0.076 8%,RMSEP为0.059 4%。数据表明,两种模型具有相当的R2,但CARS-PLS模型的RMSECV是全谱PLS模型的1/2。RMSEP也接近1/2,CARS-PLS模型比全谱PLS定量模型所用建模变量少,模型得到简化,精度更优。用CARS-PLS模型对验证集41个样本进行预测,预测集决定系数R2为0.86,预测标准误差为0.059 4%。提供了一种工作效率较高的结球甘蓝质量无损检测方法。     

连续小波变换高光谱数据的土壤有机质含量反演模型构建

土壤有机质含量是反映土壤肥力的重要指标,对其进行动态监测是实施精准农业的重要措施。近年来,众多学者尝试采用土壤近地传感(proximal soil sensing),尤其是近地高光谱技术,在田间和实验室获取不同形态土壤的高光谱数据,不断引入新方法建立适用于不同地域和不同土壤类型的有机质含量的反演模型。该研究在实验室内利用ASD FS3采集了土壤高光谱数据,采用“重铬酸钾-外加热法”测得了土壤有机质含量;分析了土壤原始光谱反射率(R)与有机质含量的相关性,选取R2>0.15的敏感波段的反射率;利用CWT对土壤原始光谱反射率(R)、光谱反射率的连续统去除(CR)进行不同尺度的分解,分析小波系数与土壤有机质含量的相关性,选取R2>0.3的敏感波段的小波系数;利用R选取的波段信息和R-CWT,CR-CWT的选取的小波系数,分别建立偏最小二乘回归(PLSR)、BP神经网络(BPNN)、支持向量机回归(SVMR)三种不同的土壤有机质含量反演模型。结果表明：相比R与土壤有机质含量的决定系数R2,R-CWT,CR-CWT变换后得到的小波系数与土壤有机质含量的决定系数R2分别提高了0.15和0.2左右;CR-CWT-SVMR的模型效果最为显著,预测集的R2和RMSE分别为0.83,4.02,RPD值为2.48,具有较高的估测精度,能够全面稳定地估算土壤有机质含量;CR-CWT-PLSR的模型精度与CR-CWT-BPNN,CR-CWT-SVMR相比虽有一定差距,但是其计算量要明显小于非线性的BPNN和SVMR方法,具有模型简单、运算速度快等特点,对开发与设计田间传感器具有较大的应用价值。     

基于太赫兹时域光谱技术与PCA-BPN网络的转基因大豆鉴别

基于太赫兹波段内的光谱分析技术以及主成分特性分析与反向前馈神经网络建模,提出了一种转基因大豆鉴别方法.从光谱数据中提取累计方差贡献率达到97.582％的前8种主成分因子,并将其作为输入源导入神经网络模型,通过剔除冗余数据、降低数据维数,所建立的神经网络模型能准确识别校验集.该方法可以实现转基因大豆的快速、无损检测,在农业安全领域有广泛的应用前景.