本文關(guān)鍵詞：近紅外光譜多元校正模型傳遞方法的研究

  更多相關(guān)文章： 模型傳遞 分段直接標準化 Rank-KS算法 Savitaky-Golay一階導數(shù) 三次樣條插值

【摘要】：近紅外光譜分析技術(shù)實現(xiàn)了復雜體系的快速無損分析,極具發(fā)展?jié)摿�。但在大�?guī)模推廣應用過程中遇到一個尚未解決的技術(shù)難題：在原光譜儀器上建立的校正模型不能直接用于另外一臺新的儀器。光譜模型在不同儀器之間不能通用以及不能適應儀器老化的問題已經(jīng)成為該技術(shù)大規(guī)模應用的技術(shù)瓶頸。為此,本文從以下幾個方面對該問題進行了研究。(1)針對近紅外光譜分析中的模型傳遞進行研究,分析了傳遞樣本集的選擇對模型傳遞結(jié)果的影響,提出了一種改進的PDS算法(簡稱Rank-KS-PDS)。采用Rank-KS方法選擇傳遞樣本,綜合考慮了樣本的光譜空間和性質(zhì)空間的影響,使所選的樣本集更高的代表性和更廣的覆蓋范圍。本文以測定煙葉中煙堿、總糖的含量為研究對象,采用PLS建模。為了驗證所提方法的傳遞效果,分別利用Rank-KS法、KS法、隨機(RS)法選擇傳遞樣本集,再采用PDS進行模型傳遞。結(jié)果表明：與其他方法相比,Rank-KS-PDS算法的傳遞效果最好,傳遞后的RMSEP最小,且所需要的傳遞樣本個數(shù)最少。(2)現(xiàn)有的研究方法主要解決的是兩臺型號相同的光譜儀器之間的模型傳遞,且主、從光譜的分辨率相同。對于不同型號的光譜儀之間和同一儀器不同分辨率光譜之間的模型傳遞尚無深入探索。本部分便針對此問題進行了研究,以測定EVA內(nèi)有效成分內(nèi)VAC的含量為研究對象,提出了SP-SG1st-PDS模型傳遞算法。其基本思路是通過三次樣條插值在不破壞原始光譜固有的信息的前提下實現(xiàn)了主、從光譜之間的匹配,再通過S-G一階求導去除光譜的基線漂移,最后通過PDS進一步消除主、從光譜之間的差異,提高傳遞后從光譜的預測精度。本部分的研究可分兩部分進行：一是不同型號的光譜儀器間的模型傳遞,以SupNIR-2700光譜儀為主機,Nicolet AntarisⅡ為從機；二是,同一近紅外光譜儀不同分辨率的光譜之間的模型傳遞,在Nicolet AntarisⅡ光譜儀上測得樣本的不同分辨率的光譜。結(jié)果表明：對于不同型號的光譜儀器間的模型傳遞,SP-SG1st-PDS算法采用S-G一階導數(shù)算法有效的消除了光譜基線漂移,與其他方法相比,本方法的RMSEP明顯較��；對于同一儀器不同分辨率的光譜之間的模型傳遞,其傳遞后的RMSEP有所減小,但總體上無明顯變化。其主要原因是短時間內(nèi)在同一光譜儀器上測得的樣本不同分辨率的光譜中所包含的信息基本相同。
【關(guān)鍵詞】：模型傳遞 分段直接標準化 Rank-KS算法 Savitaky-Golay一階導數(shù) 三次樣條插值
【學位授予單位】：北京化工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：O657.33
【目錄】：

• 摘要4-6
• ABSTRACT6-16
• 第一章 緒論16-24
• 1.1 引言16-17
• 1.2 近紅外光譜17-18
• 1.2.1 近紅外光譜簡介17
• 1.2.2 近紅外光譜的產(chǎn)生及測量原理17-18
• 1.2.3 近紅外光譜分析的特點18
• 1.3 光譜模型傳遞國內(nèi)外研究現(xiàn)狀18-20
• 1.4 課題研究的主要內(nèi)容及意義20-21
• 1.4.1 基于Rank-KS-PDS模型傳遞算法研究20
• 1.4.2 不同型號的光譜儀之間、不同分辨率光譜之間的模型傳遞研究20-21
• 1.5 本文主要內(nèi)容和結(jié)構(gòu)21-24
• 第二章 近紅外光譜分析技術(shù)及化學計量學24-34
• 2.1 引言24-25
• 2.2 光譜數(shù)據(jù)預處理25-29
• 2.2.1 光譜增強算法25
• 2.2.2 標準正態(tài)變換SNV25-26
• 2.2.3 多元散射校正MSC26
• 2.2.4 平滑算法26-28
• 2.2.5 導數(shù)算法28-29
• 2.3 樣本校正集與驗證集的挑選29-30
• 2.3.1 隨機法(RS)29
• 2.3.2 Kennard-Stone算法(KS)29-30
• 2.3.3 含量梯度法(Rank)30
• 2.4 光譜多元校正模型的建立30-32
• 2.4.1 定量分析30-32
• 2.4.2 定性分析32
• 2.5 光譜模型傳遞算法32-33
• 2.5.1 斜率/偏差校正法(S/B)32-33
• 2.5.2 直接標準化(DS)33
• 2.5.3 分段直接標準化(PDS)33
• 2.6 小結(jié)33-34
• 第三章 基于Rank-KS-PDS模型傳遞算法研究34-52
• 3.1 引言34-36
• 3.2 算法與原理36-38
• 3.2.1 Rank-KS算法36-37
• 3.2.2 PDS算法37-38
• 3.3 實驗部分38-39
• 3.3.1 實驗材料38
• 3.3.2 實驗儀器38
• 3.3.3 樣本光譜采集38-39
• 3.4 模型建立與評價39-41
• 3.4.1 異常樣本的檢測與剔除40
• 3.4.2 光譜多元校正模型的建立40-41
• 3.4.3 模型評價41
• 3.5 結(jié)果與討論41-50
• 3.5.1 傳遞樣本選擇及傳遞參數(shù)優(yōu)化41-43
• 3.5.2 模型傳遞結(jié)果與討論43-50
• 3.6 小結(jié)50-52
• 第四章 不同型號的光譜儀間、不同分辨率光譜間的模型傳遞研究52-74
• 4.1 引言52
• 4.2 算法與原理52-54
• 4.2.1 三次樣條插值53
• 4.2.2 S-G一階導數(shù)算法53-54
• 4.2.3 PDS算法54
• 4.3 不同型號的光譜儀之間的模型傳遞54-66
• 4.3.1 實驗部分54-57
• 4.3.2 模型建立與評價57-58
• 4.3.3 結(jié)果與討論58-66
• 4.3.4 小結(jié)66
• 4.4 同一儀器不同分辨率光譜之間的模型傳遞66-72
• 4.4.1 實驗部分67
• 4.4.2 模型建立與評價67-68
• 4.4.3 結(jié)果與討論68-72
• 4.4.4 小結(jié)72
• 4.5 小結(jié)72-74
• 第五章 模型傳遞軟件實現(xiàn)74-86
• 5.1 引言74
• 5.2 軟件簡介74-75
• 5.3 模型傳遞部分簡介75-76
• 5.4 模型傳遞部分操作說明76-84
• 5.4.1 數(shù)據(jù)讀取76-77
• 5.4.2 建立主機光譜模型77-78
• 5.4.3 模型傳遞參數(shù)Rankn的獲取78
• 5.4.4 獲取驗證集及傳遞樣本集樣本位置78-80
• 5.4.5 驗證集及傳遞樣本集從機光譜讀取80-81
• 5.4.6 模型傳遞參數(shù)選取81-83
• 5.4.7 未知樣本模型傳遞83-84
• 5.5 小結(jié)84-86
• 第六章 總結(jié)與展望86-88
• 6.1 總結(jié)86-87
• 6.2 展望87-88
• 參考文獻88-92
• 致謝92-94
• 研究成果及發(fā)表的學術(shù)論文94-96
• 作者和導師簡介96-98
• 附件98-99

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 曲楠;朱明超;竇森;;近紅外與中紅外光譜技術(shù)在土壤分析中的應用[J];分析測試學報;2015年01期

2 朱逢樂;何勇;邵詠妮;;應用近紅外高光譜成像預測三文魚肉的水分含量[J];光譜學與光譜分析;2015年01期

3 史新珍;王志國;杜文;易浩;張娟;陳增萍;俞汝勤;;近紅外光譜結(jié)合新型模型傳遞方法用于糖料的在線質(zhì)量監(jiān)控[J];分析化學;2014年11期

4 胡愛琴;袁洪福;宋春風;李效玉;;近紅外離散波長光譜基線漂移校正方法研究[J];光譜學與光譜分析;2014年10期

5 王圣毫;李智;胡榮;宋福圣;王巖;;基于離散傅立葉變換的支持向量機光譜定量分析法[J];分析測試學報;2014年06期

6 張曉羽;李慶波;張廣軍;;基于穩(wěn)定競爭自適應重加權(quán)采樣的光譜分析無標模型傳遞方法[J];光譜學與光譜分析;2014年05期

7 劉偉;趙眾;袁洪福;宋春風;李效玉;;光譜多元分析校正集和驗證集樣本分布優(yōu)選方法研究[J];光譜學與光譜分析;2014年04期

8 蘇虹;宋楠;全鶯歌;宮會麗;;基于shenk’s算法的煙葉近紅外光譜模型轉(zhuǎn)移研究[J];中國新技術(shù)新產(chǎn)品;2013年22期

9 趙政;李小昱;劉潔;文東東;劉嬌;;豬肉中揮發(fā)性鹽基氮含量光譜檢測模型的修正方法[J];食品安全質(zhì)量檢測學報;2013年03期

10 牛曉穎;邵利敏;趙志磊;張曉瑜;;基于BP-ANN的草莓品種近紅外光譜無損鑒別方法研究[J];光譜學與光譜分析;2012年08期

，

本文編號：1090706