PLS-GRNN法近红外光谱多组分定量分析研究

研究了偏最小二乘(partial least squares ,PLS)与广义回归神经网络(generalized regression neural networks, GRNN)联用在近红外光谱多组分定量分析中的应用。以饲料样品为实验材料,采用PLS-GRNN法建立了饲料中水溶性氯化物、粗纤维、脂肪三项组分含量近红外光谱定量分析模型。马氏距离法剔除强影响点和奇异点,用PLS法将原始数据压缩为主成分,取8个主成分吸收峰与4个原始图谱特征峰值输入GRNN网络,网络光滑因子σ_i为0.1。PLS-GRNN模型对样品3个组分含量的预测决定系数(r2)分别为：0.984 0,0.987 0,0.983 0;样品平行扫描光谱预测值的标准偏差分别为：0.003 26,0.065 5,0.031 4。结果表明所建PLS-GRNN模型通过近红外光谱能够准确预测饲料中水溶性氯化物、粗纤维、脂肪三项组分含量,为近红外光谱进行多组分定量分析提供了新思路,同时为解决近红外快速检测技术在预测组分含量较低的样品时误差相对较大的问题提供了可靠的方法。     

基于Elman网络的近红外光谱技术多组分定量分析研究

研究了Elman神经网络(反馈神经网络,Recurrent Network)在近红外光谱定量分析中的应用。以饲料样品为实验材料,采用Elman网络建立了饲料中苯丙氨酸(Phe)、赖氨酸(Lys)、酪氨酸(Tyr)和胱氨酸(Cys)四种氨基酸含量的近红外光谱定量分析模型。用偏最小二乘法(partial least squares ,PLS)将原始数据压缩为主成分,取前3个主成分的12个吸收峰值输入Elman网络,网络中间层神经元个数为47。Elman网络模型对样品4个氨基酸含量的预测决定系数(r2)分别为0.960,0.981,0.979,0.952。表明所建Elman网络预测模型通过近红外光谱能够较准确预测饲料中苯丙氨酸、赖氨酸、酪氨酸和胱氨酸四种氨基酸的含量,为通过近红外光谱技术进行多组分定量分析提供了新思路。     

可见光/近红外光谱技术快速测定橙汁柠檬酸含量

为了快速无损测定橙汁的柠檬酸含量,提出了一种用可见光/近红外光谱技术进行检测的新方法。选用高效液相色谱法作为光谱柠檬酸测定的标定方法。采用平滑点数为5的移动平滑法对原始光谱进行预处理消除噪声。由于采集的光谱数据量非常大,为了减少建模时间,建模之前采用小波变换对经过预处理的大量光谱数据进行降维压缩,并在Matlab7.01中通过自编程序实现此变换。利用光谱专用分析软件Unscrambler 9.5,对压缩后的新变量进行分析,建立偏最小二乘(PLS)校正模型。考虑到不同小波基及分解尺度对数据压缩的影响,采用预测平方和PRESS值最小的评价标准,选择最佳的小波基Db4及分解尺度5。用于本实验的样本总数为40,其中30个样本进行建模,10个用于预测。用校正集相关系数(r)和标准偏差(SEC)作为校正模型的评价指标,预测结果采用预测相关系数(r)和预测标准偏差(SEP)来评定。文章将基于小波变换的PLS模型与直接建立的PLS模型进行了比较,偏最小二乘法结合小波变换的模型预测相关系数为r=0.901, 预测标准偏差SEP=0.937;而由PLS建立的模型其预测相关系数r=0.849,预测标准偏差SEP=1.662。由此可见,由偏最小二乘法结合小波变换所得模型效果优于单独使用偏最小二乘法的结果。     

遗传算法在检测耦合腔链各单腔频率中的应用

利用遗传算法来诊断耦合腔链的各单腔频率,不需插入活塞探针进入耦合腔链,由计算机通过微波网络分析仪,从腔链的输入波导获取通带特性数据,便可求解各单腔频率.这种方法可以简化调谐过程,并可以用来诊断密封腔链.此问题可以看作是一个非线性最优化问题,我们选择遗传算法来解决此问题,并且在遗传算法中加入了最小二乘的变异算子,使遗传算法的收敛速度和精度都得到显著改善.数值实验证实了这种算法的优越性,并且与传统的遗传算法进行了比较.     

光速的测量史

 光速是指真空中电磁波的传播速度,它是物理学中最重要的常数之一。人们最初是通过测量可见光的传播速度测得它的数值的,目前国际公认值是Ｃ＝２９９７９２４５８米／秒。光速是人们最早测量的物理常数,对光速测量方法的进展,不仅标志着光速在准确度上的不断提高,还充分反映了近代物理及其实验方法的惊人发展。人们对光速的测量可以分为以下两个阶段。１．１６７６年～１９２９年的２５０多年在这一阶段,人们确定了光速的有限性,并对光速进行了初步测量。１７世纪以前,天文学家和物理学家认为光速为无限大,宇宙中恒星发的光是瞬间到达地球的。     

最小二乘法在铜电阻测量实验数据处理中的应用

文介绍了最小二乘法的原理,给出了用最小二乘法对铜电阻测量数据处理的实例。     

光纤水听器相位生成载波解调非线性因素的抑制方法

为了消除非线性因素对相位生成载波解调结果的干扰,降低相位生成载波解调过程中低通滤波器的频响特性对相位生成载波解调结果的影响,该文提出了一种基于扩展卡尔曼滤波椭圆参数估计的相位生成载波微分交叉相乘解调方法。该方法在综合考虑各种非线性因素对相位生成载波微分交叉相乘解调结果的影响的基础上,对传统的相位生成载波微分交叉相乘解调过程进行了改进。经过计算机仿真和实验验证,该文所提出的扩展卡尔曼滤波微分交叉相乘方法能够有效地抑制非线性因素对相位生成载波解调结果的干扰,相比传统的相位生成载波微分交叉相乘方法,其信噪比提高了35.0 d B,总谐波失真降低了30.7 dB,信噪谐波比提高了31.0 dB,且扩展卡尔曼滤波微分交叉相乘方法受解调过程中低通滤波器频响特性的影响较小。     

保质期内和过期奶的近红外光谱快速判别

将近红外漫反射光谱与偏最小二乘法结合建立了判别保质期内和过期奶的检测方法。分别准备君乐宝、蒙牛和伊利纯牛奶样品,并采集所有样品过期前后三个月的近红外漫反射光谱。研究了牛奶在保质期内与过期后的近红外光谱特性,并进行差谱分析,指出随过期时间增长,牛奶中脂肪和蛋白质含量减少。在此基础上,分别建立了保质期内和过期奶的判别模型,未知样品的判别正确率为91.6%,过期程度拟合相关系数为0.994。     

中厚板控制冷却系统中的实测温度处理方法

以中厚板轧后冷却过程控制系统的实测温度处理方法为研究对象,建立具有一定容错性的实测温度滤波处理方法,消除跟踪误差、测量误差等对模型计算精度的影响.在此基础上,利用最小二乘法对实测温度进行曲线拟合,控制模型以拟合结果作为衡量钢板纵向冷却均匀性判据,并进行相应的冷却规程设定和自学习计算.建立钢板纵向分样本控制的温度处理方法,利用线性插值计算获得钢板纵向各个样本的温度值,从而满足系统进行终冷温度和冷却速度高精度控制的需要.     

近红外光谱技术快速鉴别地沟油与食用植物油的研究

地沟油检测是我国食品安全最为关注的话题之一,它给人们的生活健康带来了极大的危害。国内现有的检测手段也仅停留在定性检测水平上,只能确定地沟油的有无,还难以进行定量检测。本实验利用近红外光谱技术与光纤传感技术相结合的新方法对勾兑混合油中地沟油的含量进行了定量分析。将煎炸老油与九三大豆油按照一定的体积比进行勾兑,共计50个样本,采集其近红外透射光谱,分别采用偏最小二乘法(PLS)和BP人工神经网络建立了煎炸老油含量的定量分析模型,校正集决定系数分别为0.908和0.934,验证集决定系数分别为0.961和0.952,均方估计残差(RMSEC)为0.184和0.136,预测均方根误差(RMSEP)都为0.111 6,符合应用要求,同时还结合主成分分析法(PCA)对煎炸老油与食用植物油进行了鉴别,识别准确率为100%。实验研究证明近红外光谱技术不仅可以准确快速的定性分析地沟油, 还能定量的检测地沟油的含量,在油脂的检测方面具有很大的应用前景。