近红外光谱定量建模技术研究

发布时间：2017-08-08 03:01

  本文关键词：近红外光谱定量建模技术研究

  更多相关文章： 近红外光谱 奇异样本识别 定量建模 杠杆值 偏最小二乘法

【摘要】：随着时代的进步和科技的日新月异,特别是近红外光谱仪器的制造技术的提高,近红外光谱(NIRS)分析技术得到迅速发展。在石油、烟草、水质、医药等行业的产品质量监控过程中,近红外光谱分析技术的应用大大缩短了检测时间,提高了工作效率。然而,与传统的化学分析方法相比,利用近红外光谱分析技术建立定量模型的方法还存在一定的误差,预测准确率亟待提高。在近红外光谱定量建模分析过程中,影响分析结果准确性的因素有很多,例如近红外光谱仪器类型、测试样品形态、扫描环境、波长选择范围、建模算法的选择、校正样本选择及奇异样本的干扰等因素。其中,建模算法的优劣直接决定了分析结果是否准确,而校正集样品的组成及其基础数据测量的准确性决定了校正模型的适用性和准确性。因此,在近红外光谱定量建模技术中,建模算法的选择、校正集中奇异样本的剔除成为当今学者研究的热点问题。为了进一步提高质量检测的准确率,解决上述发现的热点问题,本文首先从近红外光谱数据的特征入手,围绕校正集中奇异样本的识别方法和定量建模算法两个方面的关键技术进行深入研究。本文的主要研究内容如下：1)描述了本文的研究背景及意义,并从奇异样本识别算法和定量建模算法两个方面分析了近红外光谱定量建模技术的研究现状,为后文指明了研究方向。2)介绍了近红外光谱分析的理化基础和一般流程,阐述了常用的近红外奇异样本识别方法和定量建模算法及模型评价方法,为后文的对近红外奇异样本识别方法和定量建模算法两个方面的优化研究提供了基础参考。3)针对校正集中的多奇异样本识别准确率低的问题,分析了校正集中常用的近红外奇异样本识别方法的不足。为了提高多奇异样本识别准确率,在杠杆值方法的基础上改进了杠杆值的计算策略,在一定程度上减少了对数据重心的依赖,拉开了奇异样本与正常样本的距离。另外,为了避免人工根据经验设定阈值的不合理性,结合改进的杠杆值,引入统计学领域中跳跃度的概念,提出了基于自动阈值判别的杠杆值改进算法。通过理论分析和实验对比法(与马氏距离、杠杆值-光谱残差法进行定量建模对比)验证了改进后的算法的有效性,为后续章节的定量建模提供了校正集数据质量的保障。4)针对近红外定量建模中光谱的变量属性与物质浓度(含量)之间的非线性问题,偏最小二乘法(PLS)和人工神经网络(ANN)方法都不能得到满意结果。本文借鉴前人的研究成果,对PLS进行了优化,增加ANN建立的残差模型部分,提出了偏最小二乘残差神经网络(PLS-RNN)建模算法。重点使用PLS-RNN对存在非线性问题的近红外光谱进行定量建模研究,并分别通过理论和实验对比了PLS-RNN和PLS、PCA-ANN的建模效果。结果表明,PLS-RNN在解决非线性问题时一定程度上优于PLS和PCA-ANN,但对于参数设计问题还需进一步的研究。5)总结了本文的创新性,并针对本文的不足之处,为今后的研究方向和研究重点做了展望。
【关键词】：近红外光谱 奇异样本识别 定量建模 杠杆值 偏最小二乘法
【学位授予单位】：中国海洋大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O657.33
【目录】：

• 摘要5-7
• abstract7-12
• 1 引言12-20
• 1.1 研究背景和意义12-13
• 1.2 国内外研究现状13-16
• 1.2.1 近红外奇异样本识别方法研究现状13-15
• 1.2.2 近红外光谱定量建模方法研究现状15-16
• 1.3 主要研究内容16-18
• 1.4 论文组织结构18-20
• 2 近红外光谱定量分析技术20-30
• 2.1 光谱的理化基础和数据特征20-22
• 2.2 光谱定量分析的流程22
• 2.3 近红外奇异样本识别方法22-25
• 2.4 光谱定量建模算法简介25-26
• 2.5 定量校正模型评价方法26-28
• 2.6 本章小结28-30
• 3 近红外奇异样本识别方法的改进30-44
• 3.1 问题的提出30-31
• 3.1.1 奇异样本的成因及对模型的影响30-31
• 3.1.2 多奇异样本识别问题31
• 3.2 基于自动阈值判别的杠杆值改进算法设计31-35
• 3.2.1 杠杆值法的改进32-33
• 3.2.2 自动阈值划分法的提出33-34
• 3.2.3 算法设计步骤34-35
• 3.3 理论上的算法对比分析35-36
• 3.4 实验验证与分析36-42
• 3.4.1 实验数据36-38
• 3.4.2 实验设计38
• 3.4.3 算法执行结果及分析38-42
• 3.5 本章小结42-44
• 4 偏最小二乘残差神经网络(PLS-RNN)定量建模算法研究44-64
• 4.1 非线性问题的提出44-45
• 4.2 偏最小二乘残差神经网络(PLS-RNN)建模算法45-56
• 4.2.1 PLS-RNN算法设计思想45-47
• 4.2.2 PLS-RNN中PLS模型设计原理与步骤47-51
• 4.2.3 PLS-RNN中RNN模型设计原理与步骤51-56
• 4.3 理论上的算法对比分析56-57
• 4.4 实验验证与分析57-63
• 4.4.1 实验数据57-59
• 4.4.2 实验设计59-60
• 4.4.3 算法执行结果及分析60-63
• 4.5 本章小结63-64
• 5 总结与展望64-66
• 5.1 总结64
• 5.2 展望64-66
• 参考文献66-70
• 致谢70-71
• 个人简历71
• 攻读硕士学位期间发表的论文71

【相似文献】

中国重要会议论文全文数据库 前2条

1 郭红星;钟俊杰;余胜生;张爱华;;自适应混合高斯背景建模算法的GPU并行优化[A];第八届和谐人机环境联合学术会议（HHME2012)论文集NCMT[C];2012年

2 尹良泽;万国伟;王爱平;李思昆;;基于像素映射的空间雕刻图像建模算法[A];中国计算机图形学进展2008--第七届中国计算机图形学大会论文集[C];2008年

中国硕士学位论文全文数据库 前6条

1 汪东旭;面向实时智能监控的背景建模算法研究与系统设计[D];浙江大学;2016年

2 吴兆娜;近红外光谱定量建模技术研究[D];中国海洋大学;2015年

3 谢美宏;多元线性集群建模算法、实现及其在定量构效关系中的应用研究[D];兰州大学;2014年

4 方秀丽;基于运动船舶视频的背景建模算法研究[D];武汉理工大学;2013年

5 张罡雷;星空背景建模算法及其在星敏感器上的应用[D];燕山大学;2007年

6 田楠;背景建模算法研究[D];兰州大学;2012年

，

本文编号：637884