近紅外光譜新型建模方法與應用基礎研究.pdf

1、現代工業(yè)生產過程中對產品質量的控制要求日益嚴格，而實現產品質量控制的前提是能夠獲得關于產品質量的反饋信息，因此對產品質量的檢測是產品質量控制系統(tǒng)中一個尤為重要的環(huán)節(jié)。近紅外光譜分析技術是一種具有快速、無損、可實時在線分析等突出優(yōu)點的檢測技術，能夠用于實現產品質量的定性/定量檢測，目前已廣泛應用于眾多領域之中。但近紅外光譜存在信號強度弱、譜帶寬且相互重疊等缺點，無法直接從光譜信號中解析出關于物質的定性/定量信息，因而近紅外光譜分析技術只能

2、作為一種間接分析技術，其應用必須依賴于有效的定性/定量分析模型，所以建模方法是近紅外光譜分析技術的核心內容，也是近10年來近紅外光譜分析技術領域內的研究重點和熱點。雖然目前有關于近紅外光譜建模方法的理論體系相對于早期有了長足的發(fā)展，但該領域仍處于發(fā)展階段，為了進一步提高近紅外光譜分析技術的精度以及豐富近紅外光譜建模方法理論體系，不斷探索和開發(fā)新的建模方法仍然很有必要。此外，關于近紅外光譜分析技術的應用研究也是近紅外光譜分析技術領域內的重

3、要內容，已引起了眾多學者的高度重視。
　　基于上述背景，本論文的主要內容是關于近紅外光譜分析技術新型建模方法的開發(fā)與探索以及近紅外光譜分析技術的應用研究，主要貢獻和創(chuàng)新點如下:
　　(1)開展了近紅外光譜分析技術定性分析研究，針對目前市場上經常出現的假冒品牌洗衣粉和聚丙烯酰胺類型混淆以及摻假現象，考察了近紅外光譜分析技術結合模式識別方法在洗衣粉品牌鑒別和聚丙烯酰胺類型鑒別這兩個具體應用中的可行性，還對近紅外光譜分析技術用于鑒

4、別摻假聚丙烯酰胺進行了初步研究，最終實驗結果表明近紅外光譜分析技術結合模式識別方法能夠用于洗衣粉品牌的快速鑒別，也能夠用于鑒別不同類型的聚丙烯酰胺以及鑒別摻假的聚丙烯酰胺。
　　(2)近紅外光譜定量分析中樣本間差異過大時會導致樣本光譜與檢測目標之間存在嚴重的非線性，這時常用的偏最小二乘(Partial Least Square，PLS)模型的預測精度會變差。針對這個問題本文提出三種新型局部PLS建模方法:第一種是基于凈信號分析的局

5、部PLS算法，獲得樣本光譜的凈信號，并以樣本凈信號間的歐式距離作為相似判據，選擇局部校正子集建立局部PLS模型;第二種是基于譜回歸方法的局部PLS建模算法，利用譜回歸方法對樣本光譜進行壓縮，并以壓縮后的樣本光譜間的歐式距離作為相似判據;第三種是首次將光譜信息散度引入到局部建模算法中作為一種新的相似判據。將這三種方法應用于一組近紅外光譜數據集，實驗結果表明這三種算法優(yōu)于全局建模方法和兩種傳統(tǒng)的局部建模方法。
　　(3)在現有的疊加偏

6、最小二乘回歸(Stacked Partial Least Square，SPLS)算法基礎上，提出一種基于變量投影重要性(Variable Importance in theProjection，VIP)的改進疊加偏最小二乘算法(Improved SPLS based on VIP，VIP-SPLS)，該算法首先根據PLS模型求出所有波長的VIP值，然后將波長按VIP值從大到小的順序進行排序并把排序后的光譜等分成多個光譜間隔，在每個間隔

7、上建立一個PLS子模型，通過交叉驗證獲得各子模型的權重，最后以加權平均的方式將所有子模型疊加在一起得到疊加模型。將該算法應用于兩組近紅外光譜數據集，實驗結果表明VIP-SPLS模型性能優(yōu)于常規(guī)的PLS模型和SPLS模型。
　　(4)為了提高應用于近紅外光譜定量分析的極限學習機(Extreme LearningMachine，ELM)的預測精度，提出了一種改進的ELM算法(Improved ELM，iELM)。常規(guī)的ELM模型中先通

8、過隱含層將作為輸入的近紅外光譜波長映射為隱含層輸出矩陣H，再利用Moore-Penrose廣義逆算法求取H與檢測目標間的回歸模型，因為近紅外光譜數據的維數比較高，建立ELM模型時需要大量的隱節(jié)點，導致H維數高且存在高度共線性，此時Moore-Penrose廣義逆算法求取H與檢測目標間的回歸模型時可能會存在病態(tài)問題而影響ELM模型性能。在iELM模型中，則用本文中新提出的VIP-SPLS算法取代傳統(tǒng)的Moore-Penrose廣義逆算法，

9、建立H與檢測目標間的回歸模型。最后用一組近紅外光譜數據集考察iELM算法的可行性，結果表明iELM模型預測精度顯著優(yōu)于PLS模型和ELM模型。
　　(5)模型轉移是近紅外光譜定量分析中為了保持已建模型的通用性時采用的一種技術手段，主要是通過光譜校正的方式，消除不同儀器間光譜的差異，從而使一臺儀器上（稱為主儀器）建立的模型能夠適用于其他儀器（從儀器）所測光譜而不必為新儀器建立新的定量分析模型。已有的方法在進行模型轉移時可能會受到光譜

10、數據中存在的冗余信息的影響，從而影響對從儀器所測光譜的預測精度。為了解決這個潛在的問題，這里將新提出的VIP-SPLS算法與兩種常規(guī)的模型轉移方法相結合。由于VIP-SPLS算法能夠克服冗余信息的影響且具有模型融合的優(yōu)點，實驗結果表明當其與已有的模型轉移方法相結合時，能夠進一步改善已有方法的模型轉移效果，從而提高經轉換后的主儀器模型對從儀器所測光譜的預測精度。
　　(6)將本文中提出的幾種新型建模方法應用于近紅外光譜檢測汽油辛烷值