復(fù)雜體系近紅外光譜定量分析建模新方法研究.pdf

1、近紅外光譜分析方法具有高效、快速、無(wú)污染、不破壞樣品且成本低等優(yōu)點(diǎn),在許多領(lǐng)域均有廣泛應(yīng)用。但是,近紅外光譜產(chǎn)生于分子振動(dòng)光譜的倍頻和合頻吸收,主要記錄含氫基團(tuán)(C-H,O-H,N-H,S-H)的吸收信息,吸收較弱且譜峰重疊嚴(yán)重。因此,必須借助化學(xué)計(jì)量學(xué)方法對(duì)近紅外光譜進(jìn)行定性定量分析。本論文從變量篩選和建模兩方面對(duì)近紅外光譜定量分析進(jìn)行研究,提出了基于特征投影圖(LPG)的變量篩選方法、利用多模塊偏最小二乘方法(MB-PLS)對(duì)近紅外

2、光譜進(jìn)行定量分析,并將小波變換(WT)用于多模塊分解。具體內(nèi)容如下:
　　 1.特征投影圖(LPG)是在化學(xué)因子分析(CFA)中用于研究數(shù)據(jù)性質(zhì)的方法?；贚PG中直線段代表選擇性區(qū)域的思想,將LPG用于近紅外光譜分析中的波長(zhǎng)選擇。首先假設(shè)校正光譜中直線段上的變量對(duì)模型的貢獻(xiàn)相同。根據(jù)此假設(shè),只選用LPG中拐點(diǎn)處的變量即可滿足建模要求。利用兩組煙草樣品對(duì)所提方法進(jìn)行測(cè)試,結(jié)果顯示只選用少于20個(gè)變量即可建立簡(jiǎn)單的模型并可得到滿意

3、的預(yù)測(cè)結(jié)果。因此,基于LPG建立近紅外光譜特征波長(zhǎng)的篩選方法不失為一種合理有效的變量篩選工具。
　　 2.改進(jìn)了多模塊偏最小二乘(MB-PLS)方法并用于定量分析谷物和煙草樣品的近紅外漫反射光譜。在該模型中,沿著波數(shù)方向?qū)⒐庾V平均劃分為若干子模塊,由于各組分在光譜的不同波段吸收強(qiáng)度不同,子模塊所包含的信息亦有所差異,因此在MB-PLS建模中各子模塊采用不同的因子數(shù)。與傳統(tǒng)的PLS相比,每個(gè)子模塊的相對(duì)重要性和貢獻(xiàn)可以通過高級(jí)權(quán)重

4、和使用不同的因子數(shù)加以調(diào)節(jié)。因此,MB-PLS的預(yù)測(cè)能力優(yōu)于普通PLS,尤其是處理具有大量變量和大量樣本的煙草數(shù)據(jù)。
　　 3.提出了一種結(jié)合小波變換(DWT)的加權(quán)MB-PLS方法用于近紅外光譜建模。在該方法中,首先利用DWT將光譜劃分為若干子模塊,再用高級(jí)權(quán)重和子模塊權(quán)重計(jì)算各模塊的相對(duì)重要性。其中,子模塊的相對(duì)重要性是由交叉驗(yàn)證中產(chǎn)生的預(yù)測(cè)誤差平方和(PRESS)計(jì)算所得。因此,該方法提供了一種合理劃分MB-PLS中子模塊