近紅外光譜定量建模技術研究.pdf

1、隨著時代的進步和科技的日新月異，特別是近紅外光譜儀器的制造技術的提高，近紅外光譜(NIRS)分析技術得到迅速發(fā)展。在石油、煙草、水質、醫(yī)藥等行業(yè)的產品質量監(jiān)控過程中，近紅外光譜分析技術的應用大大縮短了檢測時間，提高了工作效率。然而，與傳統(tǒng)的化學分析方法相比，利用近紅外光譜分析技術建立定量模型的方法還存在一定的誤差，預測準確率亟待提高。
　　在近紅外光譜定量建模分析過程中，影響分析結果準確性的因素有很多，例如近紅外光譜儀器類型、測試

2、樣品形態(tài)、掃描環(huán)境、波長選擇范圍、建模算法的選擇、校正樣本選擇及奇異樣本的干擾等因素。其中，建模算法的優(yōu)劣直接決定了分析結果是否準確，而校正集樣品的組成及其基礎數(shù)據(jù)測量的準確性決定了校正模型的適用性和準確性。因此，在近紅外光譜定量建模技術中，建模算法的選擇、校正集中奇異樣本的剔除成為當今學者研究的熱點問題。
　　為了進一步提高質量檢測的準確率，解決上述發(fā)現(xiàn)的熱點問題，本文首先從近紅外光譜數(shù)據(jù)的特征入手，圍繞校正集中奇異樣本的識別方

3、法和定量建模算法兩個方面的關鍵技術進行深入研究。本文的主要研究內容如下:
　　1)描述了本文的研究背景及意義，并從奇異樣本識別算法和定量建模算法兩個方面分析了近紅外光譜定量建模技術的研究現(xiàn)狀，為后文指明了研究方向。
　　2)介紹了近紅外光譜分析的理化基礎和一般流程，闡述了常用的近紅外奇異樣本識別方法和定量建模算法及模型評價方法，為后文的對近紅外奇異樣本識別方法和定量建模算法兩個方面的優(yōu)化研究提供了基礎參考。
　　3)針

4、對校正集中的多奇異樣本識別準確率低的問題，分析了校正集中常用的近紅外奇異樣本識別方法的不足。為了提高多奇異樣本識別準確率，在杠桿值方法的基礎上改進了杠桿值的計算策略，在一定程度上減少了對數(shù)據(jù)重心的依賴，拉開了奇異樣本與正常樣本的距離。另外，為了避免人工根據(jù)經驗設定閾值的不合理性，結合改進的杠桿值，引入統(tǒng)計學領域中跳躍度的概念，提出了基于自動閾值判別的杠桿值改進算法。通過理論分析和實驗對比法（與馬氏距離、杠桿值-光譜殘差法進行定量建模對比

5、）驗證了改進后的算法的有效性，為后續(xù)章節(jié)的定量建模提供了校正集數(shù)據(jù)質量的保障。
　　4)針對近紅外定量建模中光譜的變量屬性與物質濃度（含量）之間的非線性問題，偏最小二乘法(PLS)和人工神經網絡（ANN）方法都不能得到滿意結果。本文借鑒前人的研究成果，對PLS進行了優(yōu)化，增加ANN建立的殘差模型部分，提出了偏最小二乘殘差神經網絡（PLS-RNN）建模算法。重點使用PLS-RNN對存在非線性問題的近紅外光譜進行定量建模研究，并分別通