近紅外（NIR）光譜是一種快速分析技術(shù),利用數(shù)學(xué)和統(tǒng)計計量方法建立定標(biāo)模型來實現(xiàn)對未知樣本的定性或定量分析。然而,由于NIR光譜信號重疊嚴(yán)重,沒有明顯的波峰能反應(yīng)單一待測成分信息,利用常規(guī)的線性分析方法定量預(yù)測樣本的含量,定標(biāo)預(yù)測模型有可能被理想化,不利于在線檢測的實際應(yīng)用。本文利用統(tǒng)計學(xué)與多模型集成建模等方法,給定量分析模型添加容錯機制,將傅里葉變換近紅外（FT-NIR）定量分析轉(zhuǎn)化為半定性判別分析。提出區(qū)間間隔搜索主成分分析邏輯回歸（iPCA-LR）以及區(qū)間間隔搜索主成分分析支持向量機（iPCA-SVM）方法,結(jié)合先驗定量預(yù)測值,通過設(shè)定不同的容錯閾值范圍,給樣本賦予先驗判別標(biāo)記,將定量分析模式轉(zhuǎn)換為半定性判別模式,建立FT-NIR半定性判別模型,對比討論不同子波段數(shù)量的區(qū)間劃分?jǐn)?shù)據(jù)的潛變量轉(zhuǎn)換模式,優(yōu)選FT-NIR光譜特征子波段,并對每一個固定的閾值范圍取值,選擇最優(yōu)準(zhǔn)確率的子波段建立i PCA-LR模型和iPCA-SVM模型。建立土壤總氮和有機質(zhì)的FT-NIR光譜半定性分析模型。土壤總氮的最優(yōu)偏最小二乘i PCA-LR模型（PLS-iPCA-LR）:不同閾值范圍最優(yōu)模型的預(yù)測準(zhǔn)... 

【文章來源】：桂林理工大學(xué)廣西壯族自治區(qū)

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

PLS方法的流程圖

桂林理工大學(xué)碩士學(xué)位論文11（M），如果光譜建模預(yù)測值落在參考化學(xué)值的閾值范圍內(nèi)，則認(rèn)為半定性閾值先驗判別準(zhǔn)確（標(biāo)記為M=1），否則認(rèn)為先驗判別不準(zhǔn)確（標(biāo)記為M=0）。至此自變量x利用ANN結(jié)合先驗判別標(biāo)記方法實現(xiàn)了半定性轉(zhuǎn)換。圖2.2ANN方法的流程圖2.3半定性判別分析建模半定性判別分析建模方法的核心思想是采用區(qū)間間隔搜索模式尋找FT-NIR光譜信息子波段，利用PCA算法在待測子波段中提取潛變量信息，結(jié)合定性分析方法對既有的半定性先驗判別標(biāo)記進(jìn)行建模預(yù)測。將整個光譜掃描區(qū)域劃分為k個等寬子波段，每個子波段的數(shù)據(jù)包含波長點數(shù)量為=，p為全譜段波長點個數(shù)。在每一個子波段中對光譜數(shù)據(jù)提取潛變量，結(jié)合先驗判別標(biāo)記M建立定性分析模型，利用交叉檢驗?zāi)Ｊ酵瓿山Ｓ?xùn)練和參數(shù)優(yōu)化，進(jìn)一步對測試集樣本進(jìn)行判別預(yù)測。半定性判別分析建模中主要用到了PCA提取主成分，結(jié)合潛變量回歸技術(shù)，選擇LR和SVM兩種定性分析方法進(jìn)行半定性判別。2.3.1主成分分析

桂林理工大學(xué)碩士學(xué)位論文13將標(biāo)準(zhǔn)化后的原始數(shù)據(jù)，分別代入到主成分表達(dá)式中，可以得到各主成分下每一個樣本的主成分和新數(shù)據(jù)，具體形式如下：111221221212（6）根據(jù)主成分得分的數(shù)據(jù)，可以對問題進(jìn)行后續(xù)分析與建模，常見的形式有主成分回歸，變量子集合的選擇，綜合評價等。具體的PCA方法流程圖由圖2.3所示。圖2.3PCA方法的流程圖2.3.2邏輯回歸邏輯回歸（LR）是一種廣義線性回歸，采用二分類模式進(jìn)行定性建模和預(yù)測。LR目的是通過數(shù)據(jù)特征學(xué)習(xí)出一個只有兩個取值（0或1）的分類模型，例如：在我們的研究之中，預(yù)測值和實際值之間的可能的對應(yīng)關(guān)系只有兩個，即預(yù)測正確或者預(yù)測錯誤。對于以上類別我們通常稱為正類和負(fù)類，在我們的研究之中，正類就是預(yù)測值通過和實際值的比較發(fā)現(xiàn)預(yù)測正確，負(fù)類就是預(yù)測值通過和實際值的比較發(fā)現(xiàn)預(yù)測錯誤。LR與多重線性回歸分析的模型在形式上基本相同，其模型為+，其中w和b為待求參數(shù)。它們之間的區(qū)別主要是因變量的不同，多重線性回歸直接令=+，其中+為因變量，而LR利用函數(shù)L將+對應(yīng)成隱狀態(tài)p，=L+，然后因變量的值根據(jù)p與1-p的大小來決定。在LR中，我們需要先定義一種概率函數(shù)P，而不是直接對y進(jìn)行回歸，令==11=12=2=此時，若是直接對P進(jìn)行回歸，所得的回歸方程可能不滿足這個條件。在現(xiàn)實生活中，一般有01。直接求P的表達(dá)式，是比較困難的一件事，于是，我們改為考慮1=1的概率=1的概率=0+，令：==11=12=2==11+（11，（（00即，P是一個Logistic型的函數(shù)。于是，我們將其變形得到：

【參考文獻(xiàn)】：
期刊論文
[1]化學(xué)計量學(xué)在光譜解析分析中的應(yīng)用研究[J]. 薛佳.  云南化工. 2020(01)
[2]近紅外光譜結(jié)合化學(xué)計量學(xué)的常見中國蜂蜜摻雜糖漿鑒別[J]. 黃富榮,宋晗,郭鎏,楊心浩,李立群,趙紅霞,楊懋勛.  光譜學(xué)與光譜分析. 2019(11)
[3]基于光譜波段優(yōu)化的雞肉凍干粉粗蛋白近紅外定量預(yù)測模型研究[J]. 陶琳麗,楊秀娟,鄧君明,曹勝雄,陳琛,鐘興文,孫照程,孔凡虎,華雪妃,章雨竹,張曦.  現(xiàn)代食品科技. 2019(08)
[4]近紅外光譜在果蔬品質(zhì)定性分析中的應(yīng)用研究進(jìn)展[J]. 向延菊,蒲云峰,王大偉.  食品工業(yè). 2019(04)
[5]近紅外光譜結(jié)合化學(xué)計量學(xué)技術(shù)快速測定面條中馬鈴薯全粉的含量[J]. 呂都,董楠,陳中愛,王輝,李俊,劉嘉.  現(xiàn)代食品科技. 2019(04)
[6]近紅外光譜結(jié)合化學(xué)計量學(xué)在茶籽調(diào)和油品質(zhì)檢測中的應(yīng)用研究進(jìn)展[J]. 蘇東林,張菊華,李高陽,朱向榮,劉偉,謝秋濤,單楊.  中國食品學(xué)報. 2018(07)
[7]近紅外透射光譜結(jié)合判別分析方法在汽車制動液品牌與新舊鑒別中的應(yīng)用研究[J]. 張瑜,談黎虹,何勇.  光譜學(xué)與光譜分析. 2016(10)
[8]藥品近紅外光譜通用性定量模型評價參數(shù)的選擇[J]. 馮艷春,張琪,胡昌勤.  光譜學(xué)與光譜分析. 2016(08)
[9]近紅外光譜法用于多組分復(fù)雜體系定量分析的研究進(jìn)展[J]. 葛懿擎,焦龍,張群正.  廣東化工. 2013(23)
[10]基于近紅外光譜特性分析的花生含水率檢測[J]. 陳天華,雷春寧,李月.  食品科學(xué)技術(shù)學(xué)報. 2013(05)



本文編號：3622518