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(biāo)準(zhǔn)化 Rank-KS算法 Savitaky-Golay一階導(dǎo)數(shù) 三次樣條插值

【摘要】：近紅外光譜分析技術(shù)實(shí)現(xiàn)了復(fù)雜體系的快速無(wú)損分析,極具發(fā)展?jié)摿�。但在大�?guī)模推廣應(yīng)用過(guò)程中遇到一個(gè)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(tái)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(yīng)儀器老化的問(wèn)題已經(jīng)成為該技術(shù)大規(guī)模應(yīng)用的技術(shù)瓶頸。為此,本文從以下幾個(gè)方面對(duì)該問(wèn)題進(jìn)行了研究。(1)針對(duì)近紅外光譜分析中的模型傳遞進(jìn)行研究,分析了傳遞樣本集的選擇對(duì)模型傳遞結(jié)果的影響,提出了一種改進(jìn)的PDS算法(簡(jiǎn)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(cè)定煙葉中煙堿、總糖的含量為研究對(duì)象,采用PLS建模。為了驗(yàn)證所提方法的傳遞效果,分別利用Rank-KS法、KS法、隨機(jī)(RS)法選擇傳遞樣本集,再采用PDS進(jìn)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(gè)數(shù)最少。(2)現(xiàn)有的研究方法主要解決的是兩臺(tái)型號(hào)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(duì)于不同型號(hào)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(wú)深入探索。本部分便針對(duì)此問(wèn)題進(jìn)行了研究,以測(cè)定EVA內(nèi)有效成分內(nèi)VAC的含量為研究對(duì)象,提出了SP-SG1st-PDS模型傳遞算法。其基本思路是通過(guò)三次樣條插值在不破壞原始光譜固有的信息的前提下實(shí)現(xiàn)了主、從光譜之間的匹配,再通過(guò)S-G一階求導(dǎo)去除光譜的基線漂移,最后通過(guò)PDS進(jìn)一步消除主、從光譜之間的差異,提高傳遞后從光譜的預(yù)測(cè)精度。本部分的研究可分兩部分進(jìn)行：一是不同型號(hào)的光譜儀器間的模型傳遞,以SupNIR-2700光譜儀為主機(jī),Nicolet AntarisⅡ?yàn)閺臋C(jī)；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(cè)得樣本的不同分辨率的光譜。結(jié)果表明：對(duì)于不同型號(hào)的光譜儀器間的模型傳遞,SP-SG1st-PDS算法采用S-G一階導(dǎo)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(duì)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(wú)明顯變化。其主要原因是短時(shí)間內(nèi)在同一光譜儀器上測(cè)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(biāo)準(zhǔn)化 Rank-KS算法 Savitaky-Golay一階導(dǎo)數(shù) 三次樣條插值
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：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(jiǎn)介17
• 1.2.2 近紅外光譜的產(chǎn)生及測(cè)量原理17-18
• 1.2.3 近紅外光譜分析的特點(diǎn)18
• 1.3 光譜模型傳遞國(guó)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(hào)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(xué)計(jì)量學(xué)24-34
• 2.1 引言24-25
• 2.2 光譜數(shù)據(jù)預(yù)處理25-29
• 2.2.1 光譜增強(qiáng)算法25
• 2.2.2 標(biāo)準(zhǔn)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(dǎo)數(shù)算法28-29
• 2.3 樣本校正集與驗(yàn)證集的挑選29-30
• 2.3.1 隨機(jī)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(biāo)準(zhǔn)化(DS)33
• 2.5.3 分段直接標(biāo)準(zhǔn)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(shí)驗(yàn)部分38-39
• 3.3.1 實(shí)驗(yàn)材料38
• 3.3.2 實(shí)驗(yàn)儀器38
• 3.3.3 樣本光譜采集38-39
• 3.4 模型建立與評(píng)價(jià)39-41
• 3.4.1 異常樣本的檢測(cè)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(píng)價(jià)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(hào)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(dǎo)數(shù)算法53-54
• 4.2.3 PDS算法54
• 4.3 不同型號(hào)的光譜儀之間的模型傳遞54-66
• 4.3.1 實(shí)驗(yàn)部分54-57
• 4.3.2 模型建立與評(píng)價(jià)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(shí)驗(yàn)部分67
• 4.4.2 模型建立與評(píng)價(jià)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(shí)現(xiàn)74-86
• 5.1 引言74
• 5.2 軟件簡(jiǎn)介74-75
• 5.3 模型傳遞部分簡(jiǎn)介75-76
• 5.4 模型傳遞部分操作說(shuō)明76-84
• 5.4.1 數(shù)據(jù)讀取76-77
• 5.4.2 建立主機(jī)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(yàn)證集及傳遞樣本集樣本位置78-80
• 5.4.5 驗(yàn)證集及傳遞樣本集從機(jī)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(xiàn)88-92
• 致謝92-94
• 研究成果及發(fā)表的學(xué)術(shù)論文94-96
• 作者和導(dǎo)師簡(jiǎn)介96-98
• 附件98-99

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 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(yīng)用[J];分析測(cè)試學(xué)報(bào);2015年01期

2 朱逢樂(lè);何勇;邵詠妮;;應(yīng)用近紅外高光譜成像預(yù)測(cè)三文魚肉的水分含量[J];光譜學(xué)與光譜分析;2015年01期

3 史新珍;王志國(guó);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(xué);2014年11期

4 胡愛(ài)琴;袁洪福;宋春風(fēng);李效玉;;近紅外離散波長(zhǎng)光譜基線漂移校正方法研究[J];光譜學(xué)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(jī)光譜定量分析法[J];分析測(cè)試學(xué)報(bào);2014年06期

6 張曉羽;李慶波;張廣軍;;基于穩(wěn)定競(jìng)爭(zhēng)自適應(yīng)重加權(quán)采樣的光譜分析無(wú)標(biāo)模型傳遞方法[J];光譜學(xué)與光譜分析;2014年05期

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

8 蘇虹;宋楠;全鶯歌;宮會(huì)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(guó)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(cè)模型的修正方法[J];食品安全質(zhì)量檢測(cè)學(xué)報(bào);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(wú)損鑒別方法研究[J];光譜學(xué)與光譜分析;2012年08期

，

本文編號(hào)：1090706