本文關(guān)鍵詞：近紅外光譜定量建模技術(shù)研究

  更多相關(guān)文章： 近紅外光譜 奇異樣本識別 定量建模 杠桿值 偏最小二乘法

【摘要】：隨著時代的進步和科技的日新月異,特別是近紅外光譜儀器的制造技術(shù)的提高,近紅外光譜(NIRS)分析技術(shù)得到迅速發(fā)展。在石油、煙草、水質(zhì)、醫(yī)藥等行業(yè)的產(chǎn)品質(zhì)量監(jiān)控過程中,近紅外光譜分析技術(shù)的應(yīng)用大大縮短了檢測時間,提高了工作效率。然而,與傳統(tǒng)的化學分析方法相比,利用近紅外光譜分析技術(shù)建立定量模型的方法還存在一定的誤差,預測準確率亟待提高。在近紅外光譜定量建模分析過程中,影響分析結(jié)果準確性的因素有很多,例如近紅外光譜儀器類型、測試樣品形態(tài)、掃描環(huán)境、波長選擇范圍、建模算法的選擇、校正樣本選擇及奇異樣本的干擾等因素。其中,建模算法的優(yōu)劣直接決定了分析結(jié)果是否準確,而校正集樣品的組成及其基礎(chǔ)數(shù)據(jù)測量的準確性決定了校正模型的適用性和準確性。因此,在近紅外光譜定量建模技術(shù)中,建模算法的選擇、校正集中奇異樣本的剔除成為當今學者研究的熱點問題。為了進一步提高質(zhì)量檢測的準確率,解決上述發(fā)現(xiàn)的熱點問題,本文首先從近紅外光譜數(shù)據(jù)的特征入手,圍繞校正集中奇異樣本的識別方法和定量建模算法兩個方面的關(guān)鍵技術(shù)進行深入研究。本文的主要研究內(nèi)容如下：1)描述了本文的研究背景及意義,并從奇異樣本識別算法和定量建模算法兩個方面分析了近紅外光譜定量建模技術(shù)的研究現(xiàn)狀,為后文指明了研究方向。2)介紹了近紅外光譜分析的理化基礎(chǔ)和一般流程,闡述了常用的近紅外奇異樣本識別方法和定量建模算法及模型評價方法,為后文的對近紅外奇異樣本識別方法和定量建模算法兩個方面的優(yōu)化研究提供了基礎(chǔ)參考。3)針對校正集中的多奇異樣本識別準確率低的問題,分析了校正集中常用的近紅外奇異樣本識別方法的不足。為了提高多奇異樣本識別準確率,在杠桿值方法的基礎(chǔ)上改進了杠桿值的計算策略,在一定程度上減少了對數(shù)據(jù)重心的依賴,拉開了奇異樣本與正常樣本的距離。另外,為了避免人工根據(jù)經(jīng)驗設(shè)定閾值的不合理性,結(jié)合改進的杠桿值,引入統(tǒng)計學領(lǐng)域中跳躍度的概念,提出了基于自動閾值判別的杠桿值改進算法。通過理論分析和實驗對比法(與馬氏距離、杠桿值-光譜殘差法進行定量建模對比)驗證了改進后的算法的有效性,為后續(xù)章節(jié)的定量建模提供了校正集數(shù)據(jù)質(zhì)量的保障。4)針對近紅外定量建模中光譜的變量屬性與物質(zhì)濃度(含量)之間的非線性問題,偏最小二乘法(PLS)和人工神經(jīng)網(wǎng)絡(luò)(ANN)方法都不能得到滿意結(jié)果。本文借鑒前人的研究成果,對PLS進行了優(yōu)化,增加ANN建立的殘差模型部分,提出了偏最小二乘殘差神經(jīng)網(wǎng)絡(luò)(PLS-RNN)建模算法。重點使用PLS-RNN對存在非線性問題的近紅外光譜進行定量建模研究,并分別通過理論和實驗對比了PLS-RNN和PLS、PCA-ANN的建模效果。結(jié)果表明,PLS-RNN在解決非線性問題時一定程度上優(yōu)于PLS和PCA-ANN,但對于參數(shù)設(shè)計問題還需進一步的研究。5)總結(jié)了本文的創(chuàng)新性,并針對本文的不足之處,為今后的研究方向和研究重點做了展望。
【關(guān)鍵詞】：近紅外光譜 奇異樣本識別 定量建模 杠桿值 偏最小二乘法
【學位授予單位】：中國海洋大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：O657.33
【目錄】：

• 摘要5-7
• abstract7-12
• 1 引言12-20
• 1.1 研究背景和意義12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-16
• 1.2.1 近紅外奇異樣本識別方法研究現(xiàn)狀13-15
• 1.2.2 近紅外光譜定量建模方法研究現(xiàn)狀15-16
• 1.3 主要研究內(nèi)容16-18
• 1.4 論文組織結(jié)構(gòu)18-20
• 2 近紅外光譜定量分析技術(shù)20-30
• 2.1 光譜的理化基礎(chǔ)和數(shù)據(jù)特征20-22
• 2.2 光譜定量分析的流程22
• 2.3 近紅外奇異樣本識別方法22-25
• 2.4 光譜定量建模算法簡介25-26
• 2.5 定量校正模型評價方法26-28
• 2.6 本章小結(jié)28-30
• 3 近紅外奇異樣本識別方法的改進30-44
• 3.1 問題的提出30-31
• 3.1.1 奇異樣本的成因及對模型的影響30-31
• 3.1.2 多奇異樣本識別問題31
• 3.2 基于自動閾值判別的杠桿值改進算法設(shè)計31-35
• 3.2.1 杠桿值法的改進32-33
• 3.2.2 自動閾值劃分法的提出33-34
• 3.2.3 算法設(shè)計步驟34-35
• 3.3 理論上的算法對比分析35-36
• 3.4 實驗驗證與分析36-42
• 3.4.1 實驗數(shù)據(jù)36-38
• 3.4.2 實驗設(shè)計38
• 3.4.3 算法執(zhí)行結(jié)果及分析38-42
• 3.5 本章小結(jié)42-44
• 4 偏最小二乘殘差神經(jīng)網(wǎng)絡(luò)(PLS-RNN)定量建模算法研究44-64
• 4.1 非線性問題的提出44-45
• 4.2 偏最小二乘殘差神經(jīng)網(wǎng)絡(luò)(PLS-RNN)建模算法45-56
• 4.2.1 PLS-RNN算法設(shè)計思想45-47
• 4.2.2 PLS-RNN中PLS模型設(shè)計原理與步驟47-51
• 4.2.3 PLS-RNN中RNN模型設(shè)計原理與步驟51-56
• 4.3 理論上的算法對比分析56-57
• 4.4 實驗驗證與分析57-63
• 4.4.1 實驗數(shù)據(jù)57-59
• 4.4.2 實驗設(shè)計59-60
• 4.4.3 算法執(zhí)行結(jié)果及分析60-63
• 4.5 本章小結(jié)63-64
• 5 總結(jié)與展望64-66
• 5.1 總結(jié)64
• 5.2 展望64-66
• 參考文獻66-70
• 致謝70-71
• 個人簡歷71
• 攻讀碩士學位期間發(fā)表的論文71

【相似文獻】

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 郭紅星;鐘俊杰;余勝生;張愛華;;自適應(yīng)混合高斯背景建模算法的GPU并行優(yōu)化[A];第八屆和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2012)論文集NCMT[C];2012年

2 尹良澤;萬國偉;王愛平;李思昆;;基于像素映射的空間雕刻圖像建模算法[A];中國計算機圖形學進展2008--第七屆中國計算機圖形學大會論文集[C];2008年

中國碩士學位論文全文數(shù)據(jù)庫 前6條

1 汪東旭;面向?qū)崟r智能監(jiān)控的背景建模算法研究與系統(tǒng)設(shè)計[D];浙江大學;2016年

2 吳兆娜;近紅外光譜定量建模技術(shù)研究[D];中國海洋大學;2015年

3 謝美宏;多元線性集群建模算法、實現(xiàn)及其在定量構(gòu)效關(guān)系中的應(yīng)用研究[D];蘭州大學;2014年

4 方秀麗;基于運動船舶視頻的背景建模算法研究[D];武漢理工大學;2013年

5 張罡雷;星空背景建模算法及其在星敏感器上的應(yīng)用[D];燕山大學;2007年

6 田楠;背景建模算法研究[D];蘭州大學;2012年

，

本文編號：637884