重庆市自然科学基金(2008BB1091)
- 作品数：2 被引量：19H指数：1
- 相关作者：祝诗平黄华更多>>
- 相关机构：西南大学更多>>
- 发文基金：重庆市自然科学基金国家自然科学基金更多>>
- 相关领域：理学机械工程交通运输工程更多>>
- 基于便携式近红外光谱仪的柴油硫质量分数检测
- 2023年
- 柴油中的硫是机动车排放造成大气污染的主要成分之一,目前各国政府制定了限定柴油硫质量分数的措施,因此研究对柴油中硫质量分数的快速检测方法具有重要意义.应用便携式近红外光谱仪采集不同硫质量分数柴油的光谱,共采集261份柴油的近红外光谱数据,利用Kennard-Stone(K-S)算法以3∶1比例将样本划分为校正集和预测集.对原始光谱在全谱区间采用去中心化、归一化、多元散射校正和15点2次平滑等多种预处理.实验结果表明,去中心化预处理方法对建立柴油硫质量分数的偏最小二乘回归(PLSR)模型效果最优,其决定系数(R2)为0.894和预测均方根误差(RMSEP)为89.17,相对分析误差(RPD)为3.089.比较了蒙特卡罗无信息变量消除(MCUVE)和竞争性自适应加权抽样(CARS)两种波长选择算法,最终使用CARS算法提取得到35个特征波长点进行高斯过程回归(GPR)建模的结果最佳,其R2为0.967,预测均方根误差为45.378,相对分析误差为5.616.结果表明,利用便携式近红外光谱技术建立柴油硫质量分数定量预测模型,实现对柴油中硫质量分数快速和无损的近红外定量检测具有可行性.
- 郑权祝诗平齐宝华唐鑫黄华
- 关键词：近红外光谱波长选择
- 基于PCA与GA的近红外光谱建模样品选择方法被引量：19
- 2008年
- 针对在利用遗传算法进行样品选择(SSGA)时,使用原光谱矩阵运算时间非常长的问题,提出了一种使用主成分得分矩阵代替原光谱矩阵进行选样的新算法(PCA-SSGA)。讨论了PCA-SSGA算法的主成分分解,染色体编码与解码,目标函数与适应度函数确定,选择算子、交叉算子、变异算子等。在VisualC++环境中开发了PCA-SSGA软件系统。通过对131份小麦籽粒样品针对其干基蛋白含量进行PCA-SSGA运算,经过39200代进化,最终找出最佳样品组合:样品数目由131减少为70,通过偏最小二乘留一法交叉验证(PLS-LOO-CV),决定系数(R2)由0.9477增加为0.9841,交叉验证预测均方差(RMSPCV)由0.3938减少为0.1934。从运算时间上看,PCA-SSGA进化一代时间是SSGA的1/2193,整个样品优选过程时间大大缩短,效率得以显著提高。试验结果表明:PCA-SSGA可以方便灵活地调整遗传算法的参数、自动地选择样品,这对优化农产品近红外光谱模型、进一步提高预测精度提供了很好的技术支持。
- 祝诗平
- 关键词：近红外光谱分析遗传算法主成分分析
