提高开路傅里叶变换红外光谱定量分析精度的方法研究
发布时间：2021-09-23 14:05
作为一种遥感分析手段,开放光路傅里叶变换红外（Open-path Fourier transform infrared,OP/FT-IR）光谱仪具有无需样品采样和实时测量的优点,因此被广泛应用于各种开放环境中的气体监测。但是开路方式下,复杂的大气环境使得光谱噪声和谱线重叠严重,造成定量分析的困难。通过化学计量学方法建立多元校正模型可以解决光谱与待测量间的定量关系,实现对复杂光谱的解析。构建模型主要包含四个步骤,分别为校正集选取、光谱预处理、波长选择和模型建立,每一步的处理都会影响模型的预测精度。特别地,选取具有代表性的校正集会提高模型的适用性。波长选择会强化浓度与光谱吸收间的线性关系,提高模型稳健性和准确度。本文围绕校正集选取和波长选择这两个方面对模型性能的改进展开研究:1.探究实测校正集建立的模型的预测能力。运用合成光谱组成的合成校正集和实测光谱组成的实测校正集分别建立偏最小二乘（Partial least squares,PLS）模型,通过预测未知的OP/FT-IR光谱判断两个模型的表现。研究结果表明相较于合成PLS模型,实测光谱构建的PLS模型的预测均方根误差（Root mean...
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
图２．１合成光谱和实测光谱进行ＰＣＡ的第一和第二主成分得分??２．３．２合成和实测ＰＬＳ模型的预测性能??
是有一定偏差的。??３?７００?Ｉ??＾?７５０?｜－＾???Ｉ??６００?＼?７００?；??？?丨??＼?６５０?；??５?５００?５?１??＼?６００?１??气?１??４００?＊?＊?产尊ｉ??Ｖ．?；?５５０?：?？―丄??＊？？?？?？?＊?＊??３００????????―１?５００??１?????一１??０?５?１０?１５?２０?０?５?１０?１５?２０??潜变嫌的数Ｉ〗?潜变量的数Ｗ??图２．２?（ａ）合成和（ｂ）实测ＰＬＳ模型的ＡＩＣ随潜变量数的变化（箭头代表最优潜变量数）??根据确定的最优潜变量数，分别建立合成ＰＬＳ模型和实测ＰＬＳ模型，并对??实测验证集进行预测，用于判断这两个模型建立的近红外光谱与待测量之间的定??量关系是否正确。相对误差结果如图２．３所示，通过对比可知，合成ＰＬＳ模型的??预测误差较大，特别是在低浓度范围内。实测ＰＬＳ模型对任何一个样品的预测??结果都较优秀，在全浓度范围内表现稳定。??由代表整体预测误差的ＲＭＳＥＰ可以得出相同的结论（表２．１）。合成ＰＬＳ??模型的ＲＭＳＥＰ为６２．９４，实测ＰＬＳ模型的ＲＭＳＥＰ为８．４３，比合成模型的预测??误差下降了?８６．６０％，再一次证明实测ＰＬＳ模型更适合预测ＯＰ／ＦＴ－ＩＲ光谱。虽然??合成光谱的存在具有合理性，但预测结果表明，运用和验证光谱完全同源的光谱??作校正集，更有利于预测性能的提高。??ａ?１５?！?ｂ?１５???？、?，??１０?＇?＼?？?１０??＾?５?／?＼?；?Ｖ?‘?ｔ?５??１?〇?．．／?．．．．??
?第二章实测校正集????表２．１合成和实测ＰＬＳ模型表现???ＲＭＳＥＰ??模型类型?最优潜变量数????合成验证集?实测验证集??合成模型?８?９．１０?６２．９４??实测模型?１３?２９．８４?８．４３??为了进一步探宄合成和实测ＰＬＳ模型的区别，再次运用这两种模型预测合??成验证集。相对误差结果如图２．４所示，两种模型的ＲＭＳＥＰ分别为９．１０和２９．８４??（表２．１）。所以预测未知的合成光谱时，合成ＰＬＳ模型表现要比实测ＰＬＳ模型??优秀。以上结果表明非同源光谱很难确保光谱特征的一致性，运用和待测光谱同??源的光谱做校正集会更有利于模型预测精度的提高。??３?１０，??ｂ?１０，???５?５?！??＾?ｓ?！??殳?Ｉ?／?＼?／?？－?Ｖ?：?？??￣＾?１?°?；／＼????－５?－５?＾?＾??？１０?［???＇?＊—???——￣￣?－１０＊???????????????０?２００?４００?６００?８００?１０００?１２００?１４００?０?２００?４００?６００?８００?１０００?１２００?１４００??积分浓度／?ｐｐｍ－ｍ?积分浓度／?ｐｐｍ－ｍ??图２．４?（ａ）合成和（ｂ）实测ＰＬＳ模型预测合成验证集的相对误差结果??２．３．３合成和实测ＰＬＳ模型的稳健性??接下来探宄两种模型的稳健性。通过内部交叉验证结果筛选的最优潜变量数??是基于对校正光谱的预测结果得出的结论。判断该潜变量数的选择是否真的正确，??需要看该模型预测未知光谱时是否也能得到最优的结果，或者相对较优的结果。?
【参考文献】：
期刊论文
[1]基于近红外光谱技术和优化预处理方法的不同品牌燕麦无损鉴别分析[J]. 李尚科,李跑,杜国荣,丁胜华,蒋立文,刘霞. 食品安全质量检测学报. 2019(24)
[2]果蔬品质安全近红外光谱无损检测研究进展[J]. 郭志明,郭闯,王明明,石吉勇,陈全胜,邹小波. 食品安全质量检测学报. 2019(24)
[3]基于近红外光谱的维生素C片无损鉴别分析[J]. 郑郁,李尚科,杜国荣,李跑,蒋立文,刘霞. 分析试验室. 2020(04)
[4]傅里叶变换衰减全反射红外光谱结合向前区间偏最小二乘法快速测定食用油中总极性化合物[J]. 张烝彦,叶沁,刘晓颖,潘丹杰,杨志成,孟祥河. 浙江农业科学. 2019(06)
[5]改进阈值提升小波和自适应滤波器的开放光路红外光谱去噪[J]. 鞠薇,鲁昌华,张玉钧,蒋薇薇,汪济洲,鲁一冰. 光谱学与光谱分析. 2018(06)
[6]基于小波变换的压缩感知理论对水质检测紫外-可见光谱数据的去噪研究[J]. 赵明富,唐平,汤斌,何鹏,徐杨非,邓思兴,石胜辉. 光谱学与光谱分析. 2018(03)
[7]智能优化算法应用于近红外光谱波长选择的比较研究[J]. 宾俊,范伟,周冀衡,李鑫,梁逸曾. 光谱学与光谱分析. 2017(01)
[8]基于核函数的非线性校正算法在原油快评中的应用[J]. 李敬岩,褚小立,田松柏. 石油学报(石油加工). 2016(05)
[9]便携式近红外光谱仪器现状及展望[J]. 于新洋,卢启鹏,高洪智,彭忠琦. 光谱学与光谱分析. 2013(11)
[10]数据预处理方法对油页岩含油率近红外光谱分析的影响[J]. 王智宏,刘杰,王婧茹,孙玉洋,于永,林君. 吉林大学学报(工学版). 2013(04)
本文编号：3405841
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
图２．１合成光谱和实测光谱进行ＰＣＡ的第一和第二主成分得分??２．３．２合成和实测ＰＬＳ模型的预测性能??
是有一定偏差的。??３?７００?Ｉ??＾?７５０?｜－＾???Ｉ??６００?＼?７００?；??？?丨??＼?６５０?；??５?５００?５?１??＼?６００?１??气?１??４００?＊?＊?产尊ｉ??Ｖ．?；?５５０?：?？―丄??＊？？?？?？?＊?＊??３００????????―１?５００??１?????一１??０?５?１０?１５?２０?０?５?１０?１５?２０??潜变嫌的数Ｉ〗?潜变量的数Ｗ??图２．２?（ａ）合成和（ｂ）实测ＰＬＳ模型的ＡＩＣ随潜变量数的变化（箭头代表最优潜变量数）??根据确定的最优潜变量数，分别建立合成ＰＬＳ模型和实测ＰＬＳ模型，并对??实测验证集进行预测，用于判断这两个模型建立的近红外光谱与待测量之间的定??量关系是否正确。相对误差结果如图２．３所示，通过对比可知，合成ＰＬＳ模型的??预测误差较大，特别是在低浓度范围内。实测ＰＬＳ模型对任何一个样品的预测??结果都较优秀，在全浓度范围内表现稳定。??由代表整体预测误差的ＲＭＳＥＰ可以得出相同的结论（表２．１）。合成ＰＬＳ??模型的ＲＭＳＥＰ为６２．９４，实测ＰＬＳ模型的ＲＭＳＥＰ为８．４３，比合成模型的预测??误差下降了?８６．６０％，再一次证明实测ＰＬＳ模型更适合预测ＯＰ／ＦＴ－ＩＲ光谱。虽然??合成光谱的存在具有合理性，但预测结果表明，运用和验证光谱完全同源的光谱??作校正集，更有利于预测性能的提高。??ａ?１５?！?ｂ?１５???？、?，??１０?＇?＼?？?１０??＾?５?／?＼?；?Ｖ?‘?ｔ?５??１?〇?．．／?．．．．??
?第二章实测校正集????表２．１合成和实测ＰＬＳ模型表现???ＲＭＳＥＰ??模型类型?最优潜变量数????合成验证集?实测验证集??合成模型?８?９．１０?６２．９４??实测模型?１３?２９．８４?８．４３??为了进一步探宄合成和实测ＰＬＳ模型的区别，再次运用这两种模型预测合??成验证集。相对误差结果如图２．４所示，两种模型的ＲＭＳＥＰ分别为９．１０和２９．８４??（表２．１）。所以预测未知的合成光谱时，合成ＰＬＳ模型表现要比实测ＰＬＳ模型??优秀。以上结果表明非同源光谱很难确保光谱特征的一致性，运用和待测光谱同??源的光谱做校正集会更有利于模型预测精度的提高。??３?１０，??ｂ?１０，???５?５?！??＾?ｓ?！??殳?Ｉ?／?＼?／?？－?Ｖ?：?？??￣＾?１?°?；／＼????－５?－５?＾?＾??？１０?［???＇?＊—???——￣￣?－１０＊???????????????０?２００?４００?６００?８００?１０００?１２００?１４００?０?２００?４００?６００?８００?１０００?１２００?１４００??积分浓度／?ｐｐｍ－ｍ?积分浓度／?ｐｐｍ－ｍ??图２．４?（ａ）合成和（ｂ）实测ＰＬＳ模型预测合成验证集的相对误差结果??２．３．３合成和实测ＰＬＳ模型的稳健性??接下来探宄两种模型的稳健性。通过内部交叉验证结果筛选的最优潜变量数??是基于对校正光谱的预测结果得出的结论。判断该潜变量数的选择是否真的正确，??需要看该模型预测未知光谱时是否也能得到最优的结果，或者相对较优的结果。?
【参考文献】：
期刊论文
[1]基于近红外光谱技术和优化预处理方法的不同品牌燕麦无损鉴别分析[J]. 李尚科,李跑,杜国荣,丁胜华,蒋立文,刘霞. 食品安全质量检测学报. 2019(24)
[2]果蔬品质安全近红外光谱无损检测研究进展[J]. 郭志明,郭闯,王明明,石吉勇,陈全胜,邹小波. 食品安全质量检测学报. 2019(24)
[3]基于近红外光谱的维生素C片无损鉴别分析[J]. 郑郁,李尚科,杜国荣,李跑,蒋立文,刘霞. 分析试验室. 2020(04)
[4]傅里叶变换衰减全反射红外光谱结合向前区间偏最小二乘法快速测定食用油中总极性化合物[J]. 张烝彦,叶沁,刘晓颖,潘丹杰,杨志成,孟祥河. 浙江农业科学. 2019(06)
[5]改进阈值提升小波和自适应滤波器的开放光路红外光谱去噪[J]. 鞠薇,鲁昌华,张玉钧,蒋薇薇,汪济洲,鲁一冰. 光谱学与光谱分析. 2018(06)
[6]基于小波变换的压缩感知理论对水质检测紫外-可见光谱数据的去噪研究[J]. 赵明富,唐平,汤斌,何鹏,徐杨非,邓思兴,石胜辉. 光谱学与光谱分析. 2018(03)
[7]智能优化算法应用于近红外光谱波长选择的比较研究[J]. 宾俊,范伟,周冀衡,李鑫,梁逸曾. 光谱学与光谱分析. 2017(01)
[8]基于核函数的非线性校正算法在原油快评中的应用[J]. 李敬岩,褚小立,田松柏. 石油学报(石油加工). 2016(05)
[9]便携式近红外光谱仪器现状及展望[J]. 于新洋,卢启鹏,高洪智,彭忠琦. 光谱学与光谱分析. 2013(11)
[10]数据预处理方法对油页岩含油率近红外光谱分析的影响[J]. 王智宏,刘杰,王婧茹,孙玉洋,于永,林君. 吉林大学学报(工学版). 2013(04)
本文编号：3405841
本文链接：https://www.wllwen.com/kejilunwen/huaxue/3405841.html
教材专著
