FT-NIR光谱半定性分析方法及其在土壤检测中的应用

发布时间：2022-02-12 22:43

　　近红外（NIR）光谱是一种快速分析技术,利用数学和统计计量方法建立定标模型来实现对未知样本的定性或定量分析。然而,由于NIR光谱信号重叠严重,没有明显的波峰能反应单一待测成分信息,利用常规的线性分析方法定量预测样本的含量,定标预测模型有可能被理想化,不利于在线检测的实际应用。本文利用统计学与多模型集成建模等方法,给定量分析模型添加容错机制,将傅里叶变换近红外（FT-NIR）定量分析转化为半定性判别分析。提出区间间隔搜索主成分分析逻辑回归（iPCA-LR）以及区间间隔搜索主成分分析支持向量机（iPCA-SVM）方法,结合先验定量预测值,通过设定不同的容错阈值范围,给样本赋予先验判别标记,将定量分析模式转换为半定性判别模式,建立FT-NIR半定性判别模型,对比讨论不同子波段数量的区间划分数据的潜变量转换模式,优选FT-NIR光谱特征子波段,并对每一个固定的阈值范围取值,选择最优准确率的子波段建立i PCA-LR模型和iPCA-SVM模型。建立土壤总氮和有机质的FT-NIR光谱半定性分析模型。土壤总氮的最优偏最小二乘i PCA-LR模型（PLS-iPCA-LR）:不同阈值范围最优模型的预测准... 

【文章来源】：桂林理工大学广西壮族自治区

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

PLS方法的流程图

桂林理工大学硕士学位论文11（M），如果光谱建模预测值落在参考化学值的阈值范围内，则认为半定性阈值先验判别准确（标记为M=1），否则认为先验判别不准确（标记为M=0）。至此自变量x利用ANN结合先验判别标记方法实现了半定性转换。图2.2ANN方法的流程图2.3半定性判别分析建模半定性判别分析建模方法的核心思想是采用区间间隔搜索模式寻找FT-NIR光谱信息子波段，利用PCA算法在待测子波段中提取潜变量信息，结合定性分析方法对既有的半定性先验判别标记进行建模预测。将整个光谱扫描区域划分为k个等宽子波段，每个子波段的数据包含波长点数量为=，p为全谱段波长点个数。在每一个子波段中对光谱数据提取潜变量，结合先验判别标记M建立定性分析模型，利用交叉检验模式完成建模训练和参数优化，进一步对测试集样本进行判别预测。半定性判别分析建模中主要用到了PCA提取主成分，结合潜变量回归技术，选择LR和SVM两种定性分析方法进行半定性判别。2.3.1主成分分析

桂林理工大学硕士学位论文13将标准化后的原始数据，分别代入到主成分表达式中，可以得到各主成分下每一个样本的主成分和新数据，具体形式如下：111221221212（6）根据主成分得分的数据，可以对问题进行后续分析与建模，常见的形式有主成分回归，变量子集合的选择，综合评价等。具体的PCA方法流程图由图2.3所示。图2.3PCA方法的流程图2.3.2逻辑回归逻辑回归（LR）是一种广义线性回归，采用二分类模式进行定性建模和预测。LR目的是通过数据特征学习出一个只有两个取值（0或1）的分类模型，例如：在我们的研究之中，预测值和实际值之间的可能的对应关系只有两个，即预测正确或者预测错误。对于以上类别我们通常称为正类和负类，在我们的研究之中，正类就是预测值通过和实际值的比较发现预测正确，负类就是预测值通过和实际值的比较发现预测错误。LR与多重线性回归分析的模型在形式上基本相同，其模型为+，其中w和b为待求参数。它们之间的区别主要是因变量的不同，多重线性回归直接令=+，其中+为因变量，而LR利用函数L将+对应成隐状态p，=L+，然后因变量的值根据p与1-p的大小来决定。在LR中，我们需要先定义一种概率函数P，而不是直接对y进行回归，令==11=12=2=此时，若是直接对P进行回归，所得的回归方程可能不满足这个条件。在现实生活中，一般有01。直接求P的表达式，是比较困难的一件事，于是，我们改为考虑1=1的概率=1的概率=0+，令：==11=12=2==11+（11，（（00即，P是一个Logistic型的函数。于是，我们将其变形得到：

【参考文献】：
期刊论文
[1]化学计量学在光谱解析分析中的应用研究[J]. 薛佳.  云南化工. 2020(01)
[2]近红外光谱结合化学计量学的常见中国蜂蜜掺杂糖浆鉴别[J]. 黄富荣,宋晗,郭鎏,杨心浩,李立群,赵红霞,杨懋勋.  光谱学与光谱分析. 2019(11)
[3]基于光谱波段优化的鸡肉冻干粉粗蛋白近红外定量预测模型研究[J]. 陶琳丽,杨秀娟,邓君明,曹胜雄,陈琛,钟兴文,孙照程,孔凡虎,华雪妃,章雨竹,张曦.  现代食品科技. 2019(08)
[4]近红外光谱在果蔬品质定性分析中的应用研究进展[J]. 向延菊,蒲云峰,王大伟.  食品工业. 2019(04)
[5]近红外光谱结合化学计量学技术快速测定面条中马铃薯全粉的含量[J]. 吕都,董楠,陈中爱,王辉,李俊,刘嘉.  现代食品科技. 2019(04)
[6]近红外光谱结合化学计量学在茶籽调和油品质检测中的应用研究进展[J]. 苏东林,张菊华,李高阳,朱向荣,刘伟,谢秋涛,单杨.  中国食品学报. 2018(07)
[7]近红外透射光谱结合判别分析方法在汽车制动液品牌与新旧鉴别中的应用研究[J]. 张瑜,谈黎虹,何勇.  光谱学与光谱分析. 2016(10)
[8]药品近红外光谱通用性定量模型评价参数的选择[J]. 冯艳春,张琪,胡昌勤.  光谱学与光谱分析. 2016(08)
[9]近红外光谱法用于多组分复杂体系定量分析的研究进展[J]. 葛懿擎,焦龙,张群正.  广东化工. 2013(23)
[10]基于近红外光谱特性分析的花生含水率检测[J]. 陈天华,雷春宁,李月.  食品科学技术学报. 2013(05)



本文编号：3622518