蒙特卡罗无信息变量消除方法用于近红外光谱预测果品硬度和表面色泽的研究 被引量：27

1

作者 郝勇 孙旭东 +2 位作者 潘圆媛 高荣杰 刘燕德 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2011年第5期1225-1229,共5页

近红外光谱(NIRS)分析方法用于梨的硬度和表面色泽的无损快速定量分析,提高了分析方法的预测精度,消除无信息建模变量对模型稳定性的影响。分别采用蒙特卡罗无信息变量消除(Monte Carlo unin-formative variables elimination,MC-UVE)... 近红外光谱(NIRS)分析方法用于梨的硬度和表面色泽的无损快速定量分析,提高了分析方法的预测精度,消除无信息建模变量对模型稳定性的影响。分别采用蒙特卡罗无信息变量消除(Monte Carlo unin-formative variables elimination,MC-UVE)和基于小波变换(wavelet transform,WT)的蒙特卡罗无信息变量消除(WT-MC-UVE)方法对梨的硬度和表面色泽的建模变量进行筛选。结果表明,对于硬度模型,采用WT-MC-UVE方法,210个变量可以得到和原始光谱(1 451个变量)近似的预测结果;对于表面色泽的预测模型,采用WT-MC-UVE方法后,建模变量减少为220,模型的预测均方根误差从1.06减小为0.90,预测相关系数从0.975提高为0.981。因此,WT-MC-UVE方法可以有效地选择建模变量,既能提高模型的稳定性,又能提高多元校正的预测精度。 展开更多

关键词 近红外光谱 硬度 表面色泽 蒙特卡罗 无信息变量消除

在线阅读 下载PDF 职称材料

基于无信息变量消除法和连续投影算法的可见-近红外光谱技术白虾种分类方法研究 被引量：50

2

作者 吴迪 吴洪喜 +2 位作者 蔡景波 黄振华 何勇 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2009年第6期423-427,共5页

应用无信息变量消除法结合连续投影算法对可见-近红外光谱区进行有效波长的选择,选择后的波长作为输入变量建立最小二乘-支持向量机模型,对白虾属中三种典型种,脊尾白虾、秀丽白虾和东方白虾进行鉴别分类.实验采用Kennard-Stone算法选取... 应用无信息变量消除法结合连续投影算法对可见-近红外光谱区进行有效波长的选择,选择后的波长作为输入变量建立最小二乘-支持向量机模型,对白虾属中三种典型种,脊尾白虾、秀丽白虾和东方白虾进行鉴别分类.实验采用Kennard-Stone算法选取150个样本作为建模集,50个样本作为预测集,通过UVE-SPA优选了数值分别为392、431、517、551、595、627、676、734、760、861、943和1018 nm的12个波长为LS-SVM的输入变量,建立了白虾种分类模型.该模型对50个预测集样本检验的准确率达到了92.00%.结果表明,采用可见-近红外光谱对白虾种进行鉴别是可行的,UVE-SPA能够有效地进行波长选择,使LS-SVM模型获得最优的分类结果. 展开更多

关键词 可见-近红外光谱 无信息变量消除 连续投影算法 最小二乘-支持向量机

在线阅读 下载PDF 职称材料

基于蒙特卡罗特征投影法的小麦蛋白质近红外光谱测量变量选择 被引量：13

3

作者 宦克为 刘小溪 +3 位作者 郑峰 蔡小龙 于素平 石晓光 《农业工程学报》 EI CAS CSCD 北大核心 2013年第4期266-271,共6页

为了实现小麦蛋白质的无损检测,简化便携式小麦蛋白质检测设备的预测模型,提高模型预测精度,该文针对小麦采集波长范围为950～1690nm的近红外漫透反射光谱,结合蒙特卡罗采样(MCS,monte carlosampling)技术与特征投影图(LPG,latent proje... 为了实现小麦蛋白质的无损检测,简化便携式小麦蛋白质检测设备的预测模型,提高模型预测精度,该文针对小麦采集波长范围为950～1690nm的近红外漫透反射光谱,结合蒙特卡罗采样(MCS,monte carlosampling)技术与特征投影图(LPG,latent projective graph)方法对波长变量进行选择。根据模型集群分析(MPA,model population analysis)思想,采用MCS技术建立样本子空间,利用主成分分析(PCA,principal componentanalysis)得到LPG,假定LPG中共线性光谱变量对建模作用相同,选出少数波长变量建立子预测模型,选出预测均方根误差(RMSEP,root-mean-square error of prediction)较小的子模型,统计分析其变量的出现频次,选取频次最高的波长变量作为影响变量(IVs,influential variables)。研究结果表明,利用IVs建模可以将RMSEP值由0.5245减小到0.2548,采用蒙特卡罗采样技术的特征投影图方法(MC-LPG,monte carlo-latent projective graph)进行变量选择,对于提高模型预测精度是可行的。 展开更多

关键词 近红外光谱 无损检测 模型 变量选择 蒙特卡罗采样 特征投影图

在线阅读 下载PDF 职称材料

鸡蛋蛋白pH可见/近红外光谱在线检测信息变量提取研究 被引量：10

4

作者 刘燕德 彭彦颖 孙旭东 《江西农业大学学报》 CAS CSCD 北大核心 2010年第5期1075-1080,共6页

利用可见/近红外光谱在线检测鸡蛋品质中的蛋白pH,采用漫反射方式进行光谱采集。采用反向区间偏最小二乘法(BiPLS)和蒙特卡罗无信息变量消除法(MC-UVE)分别优化鸡蛋蛋白pH可见/近红外光谱的信息区间组合及筛选有效建模变量数。经过最优... 利用可见/近红外光谱在线检测鸡蛋品质中的蛋白pH,采用漫反射方式进行光谱采集。采用反向区间偏最小二乘法(BiPLS)和蒙特卡罗无信息变量消除法(MC-UVE)分别优化鸡蛋蛋白pH可见/近红外光谱的信息区间组合及筛选有效建模变量数。经过最优预处理方法一阶导数对光谱进行预处理校正后,BiPLS方法筛选的区间分隔最优数为25,对应信息区间为598.33～617.55nm、636.63～655.58nm、783.25～800.72nm和852.24～885.82nm。利用MC-UVE方法筛选出来的最佳建模变量数为250个,BiPLS模型的Rp为0.827和RMSEP值为0.094;MC-UVE-PLS模型的Rp为0.833和RMSEP值为0.086。结果表明利用蒙特卡罗无信息变量消除方法可以有效选择建模变量,既克服了复杂样品各信息区间对PLS建模贡献率不一样的问题,又能提高模型的稳定性和多元校正的预测精度。 展开更多

关键词 可见/近红外光谱 在线检测 蒙特卡罗无信息变量消除法 蛋白pH

在线阅读 下载PDF 职称材料

基于变量选择的蚕茧茧层量可见-近红外光谱无损检测 被引量：25

5

作者 黄凌霞 吴迪 +4 位作者 金航峰 赵丽华 何勇 金佩华 楼程富 《农业工程学报》 EI CAS CSCD 北大核心 2010年第2期231-236,共6页

以蚕茧茧层量为研究对象,研究了基于可见-近红外光谱技术的蚕茧茧层量无损检测方法。采用最小二乘支持向量机(least square-support vector machine,LS-SVM)建立可见-近红外光谱模型。采用无信息变量消除算法(uninformative variable el... 以蚕茧茧层量为研究对象,研究了基于可见-近红外光谱技术的蚕茧茧层量无损检测方法。采用最小二乘支持向量机(least square-support vector machine,LS-SVM)建立可见-近红外光谱模型。采用无信息变量消除算法(uninformative variable elimination,UVE)与连续投影算法(successive projections algorithm,SPA)相结合选取光谱有效波长。结果表明,基于UVE-SPA法进行变量选择,最终将原始光谱的600个光谱变量减少到了8个(673,937,963,982,989,992,995和1008nm)。基于此8个变量建立的LS-SVM模型得到了预测集的确定系数(Rp2)为0.5354,误差均方根(RMSEP)为0.0373的预测结果。表明可见-近红外光谱可以用于对蚕茧的茧层量进行无损检测,同时UVE-SPA是一种有效的光谱变量选择方法。 展开更多

关键词 近红外光谱 无损检测 模型分析 蚕茧 茧层量 无信息变量消除算法(UVE) 连续投影算法(SPA)

在线阅读 下载PDF 职称材料

变量筛选方法结合局部线性嵌入理论用于近红外光谱定量模型优化 被引量：1

6

作者 郝勇 孙旭东 杨强 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2012年第12期3208-3212,共5页

变量筛选策略结合局部线性嵌入(local linear embedding,LLE)理论用于近红外光谱(near infrared spectroscopy,NIRS)定量模型优化。蒙特卡罗无信息变量消除方法(monte carlo uninformation variable elimination,MCUVE)和连续投影算法(s... 变量筛选策略结合局部线性嵌入(local linear embedding,LLE)理论用于近红外光谱(near infrared spectroscopy,NIRS)定量模型优化。蒙特卡罗无信息变量消除方法(monte carlo uninformation variable elimination,MCUVE)和连续投影算法(successive projections algorithm,SPA)以及两者结合的变量筛选策略用于NIRS冗余变量的剔除;偏最小二乘回归(partial least squares regression,PLSR)和LLE-PLSR用于复杂样品光谱定量模型的构建。结果表明:MCUVE方法既能有效的提取信息变量,同时可以提高模型的预测精度;LLE-PLSR可以得到比PLSR方法更加准确的定量分析模型;MCUVE结合LLE-PLSR是一种有效的光谱定量分析方法。 展开更多

关键词 近红外光谱 蒙特卡罗无信息变量消除 连续投影算法 局部线性嵌入

在线阅读 下载PDF 职称材料

基于MC-UVE的土壤碱解氮和速效钾近红外光谱检测 被引量：11

7

作者 刘雪梅 柳建设 《农业机械学报》 EI CAS CSCD 北大核心 2013年第3期88-91,136,共5页

应用可见/短波近红外光谱分析测量土壤碱解氮和速效钾含量。为了提高该分析方法的预测精度,消除无信息建模变量对模型稳定性的影响,原始光谱平滑后采用蒙特卡罗无信息变量消除方法(MC-UVE)对土壤碱解氮和速效钾的建模变量进行筛选,应用... 应用可见/短波近红外光谱分析测量土壤碱解氮和速效钾含量。为了提高该分析方法的预测精度,消除无信息建模变量对模型稳定性的影响,原始光谱平滑后采用蒙特卡罗无信息变量消除方法(MC-UVE)对土壤碱解氮和速效钾的建模变量进行筛选,应用偏最小二乘方法(PLS)建立校正模型。对于碱解氮模型,采用MC-UVE PLS方法,建模变量减少为210,相关系数和预测均方差分别为0.84和17.1 mg/kg。对于速效钾的预测模型,采用MC-UVE方法后,建模变量减少为150,模型的预测相关系数为0.76,预测均方根误差为15.4 mg/kg。 展开更多

关键词 土壤 碱解氮 速效钾 近红外光谱蒙特卡罗无信息变量消除

在线阅读 下载PDF 职称材料

基于蒙特卡罗无信息变量消除的烟气指标预测 被引量：2

8

作者 门月 丁香乾 刘孝良 《现代电子技术》 2012年第24期82-84,共3页

使用近红外光谱(NIRS)分析方法对烟叶的CO、烟碱、焦油含量进行无损快速定量分析,可以提高分析方法的预测精度,消除无信息建模变量对模型稳定性的影响。在此以烟叶为研究对象,利用蒙特卡罗无信息变量消除方法(MC-UVE)对烟叶的近红外光... 使用近红外光谱(NIRS)分析方法对烟叶的CO、烟碱、焦油含量进行无损快速定量分析,可以提高分析方法的预测精度,消除无信息建模变量对模型稳定性的影响。在此以烟叶为研究对象,利用蒙特卡罗无信息变量消除方法(MC-UVE)对烟叶的近红外光谱进行了波段点的筛选,并利用筛选出的波段建立PLS校正模型。结果表明利用蒙特卡罗无信息变量消除方法可以有效选择建模变量,既克服了复杂样品各信息区间对PLS建模贡献率不一样的问题,又能提高模型的稳定性和多元校正的预测精度。 展开更多

关键词 近红外光谱 蒙特卡罗无信息变量消除 变量筛选 偏最小二乘法

在线阅读 下载PDF 职称材料

近红外光谱法分析油页岩含油率中波长选择方法的研究 被引量：7

9

作者 赵振英 林君 +1 位作者 张福东 李军 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2014年第11期2948-2952,共5页

波长选择是光谱建模分析的重要步骤。研究了近红外光谱法分析油页岩含油率过程中的波长选择方法,用以剔除光谱数据中的冗余信息和干扰信息,提高分析模型的建模效率和预测能力。分别采用相关系数法(CC)、移动窗口偏最小二乘法(MWPLS)和... 波长选择是光谱建模分析的重要步骤。研究了近红外光谱法分析油页岩含油率过程中的波长选择方法,用以剔除光谱数据中的冗余信息和干扰信息,提高分析模型的建模效率和预测能力。分别采用相关系数法(CC)、移动窗口偏最小二乘法(MWPLS)和无信息变量消除法(UVE)对油页岩近红外漫反射光谱数据的波长区间进行了选择,研究了不同阈值、窗口宽度和噪声矩阵对上述方法的影响,建立了所选择波长处的反射率数据和样品含油率标准值间的偏最小二乘(PLS)分析模型,比较了上述方法的选择效果。结果表明:与使用全谱数据建模相比,采用上述方法筛选过的光谱数据均能提高模型的建模效率和预测能力,其中经UVE法筛选后的光谱数据仅占全谱数据总数的22.8%,模型的RMSECV却降低了9.3%,RMSEP降低了4.5%。 展开更多

关键词 油页岩 近红外光谱法 波长选择 相关系数法 移动窗口偏最小二乘法 无信息变量消除法

在线阅读 下载PDF 职称材料

基于近红外光谱结合波长优选检测单颗葡萄的SSC含量 被引量：10

10

作者 郭成 马月 +1 位作者 梁梦醒 颜辉 《食品与机械》 CSCD 北大核心 2016年第9期39-43,共5页

采用无损检测测定单颗葡萄中可溶性固形物(SSC)含量,获得个体和群体信息,以期指导田间管理、葡萄储存条件设置及满足消费者对葡萄口味的不同需求。采用手持式NIR光谱仪在950~1 650nm波长范围采集葡萄的近红外光谱,采用偏最小二乘(PLS)... 采用无损检测测定单颗葡萄中可溶性固形物(SSC)含量,获得个体和群体信息,以期指导田间管理、葡萄储存条件设置及满足消费者对葡萄口味的不同需求。采用手持式NIR光谱仪在950~1 650nm波长范围采集葡萄的近红外光谱,采用偏最小二乘(PLS)回归建立葡萄SSC预测模型。为了减少冗余无信息变量,增加模型的预测精度和稳定性,采用无信息变量消除法(UVE)、随机蛙算法(RF)筛选出与葡萄SSC含量相关的重要波长变量。结果表明:RF筛选建立的SSC预测模型优于全光谱PLS和UVE筛选建立的模型。RF-PLS模型的校正集、交叉验证及预测集的R2c、R2cv和R^2p分别为0.960 5,0.933 4,0.930 4,校正均方根误差(RMSEC),交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.638 2,0.829 9,0.868 8。表明通过波长优选后的,基于便携式近红外光谱在预测单颗葡萄SSC含量的应用上完全可行,有较高的预测精度。 展开更多

关键词 葡萄 可溶性固形物 近红外光谱 随机蛙算法 无信息变量消除法

在线阅读 下载PDF 职称材料

近红外光谱分析中的高斯过程回归方法 被引量：4

11

作者 冯爱明 方利民 林敏 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2011年第6期1514-1517,共4页

将高斯过程算法引入化学计量学领域,用于挖掘近红外光谱与被测物组分之间的复杂关系。为增加模型的稳健性,首先采用了蒙特卡罗交叉验证方法以去除异常样本,而后多元散射校正、平滑、导数等方法被用于模型的预处理。近红外光谱在经过无... 将高斯过程算法引入化学计量学领域,用于挖掘近红外光谱与被测物组分之间的复杂关系。为增加模型的稳健性,首先采用了蒙特卡罗交叉验证方法以去除异常样本,而后多元散射校正、平滑、导数等方法被用于模型的预处理。近红外光谱在经过无信息变量去除算法处理后,在保留有用信息的基础上大大缩减了波长点数,以这些特征波长点作为输入建立的分析模型更具有解释能力和稳健性。为验证算法的有效性,使用了一组公开的数据集,它包含了80个玉米样品的近红外光谱以及油、淀粉、蛋白质的含量值。GP回归算法被用于分析这三种组分的含量,所得模型的评价指标分别采用校正、校正集交叉验证均方根误差、预测均方根误差以及各自的相关系数。结果显示,模型的校正相关系数r达到0.99以上,预测时的相关系数r也在0.96以上,验证了该算法的有效性。 展开更多

关键词 高斯过程 近红外光谱 蒙特卡罗交叉验证 无信息变量去除 定量分析

在线阅读 下载PDF 职称材料

基于近红外光谱的润滑油中含水量T-S模糊辨识 被引量：12

12

作者 陈彬 刘阁 《光子学报》 EI CAS CSCD 北大核心 2014年第2期164-168,共5页

油中含水量近红外光谱具有复杂性、非线性和难以用明确数学模型表达的特点.利用无信息变量消除法提取有效波长,采用模糊C均值聚类算法得出输入空间的划分和聚类中心,结合递推最小二乘法辨识后件参量,建立了润滑油的近红外光谱与含水量的... 油中含水量近红外光谱具有复杂性、非线性和难以用明确数学模型表达的特点.利用无信息变量消除法提取有效波长,采用模糊C均值聚类算法得出输入空间的划分和聚类中心,结合递推最小二乘法辨识后件参量,建立了润滑油的近红外光谱与含水量的Takagi-Sugeno模糊模型.将该辨识算法与偏振最小二乘法模型进行比较,并对实测数据进行了验证.结果显示:经无信息变量消除法提取34个特征波长建立的Takagi-Sugeno模型能够精确地反映出润滑油光谱数据与含水量的关系,其对验证集样本进行预测的相关系数和均方根误差分别为0.964 6和1.531 2×10-4,获得了满意的预测准确度.实验结果验证了应用光谱技术检测油中含水量的可行性,同时也为油中其他污染物的在线监测提供了新方法. 展开更多

关键词 近红外光谱 油中含水量 无信息变量消除法 T—S模型

在线阅读 下载PDF 职称材料

基于近红外光谱的SG-MSC-MC-UVE-PLS算法在全血血红蛋白浓度检测中的应用 被引量：8

13

作者 孙代青 谢丽蓉 +2 位作者 周延 郭煜涛 车少敏 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2021年第9期2754-2758,共5页

为提高全血血红蛋白浓度预测模型的预测精度,基于近红外光谱分析,首先对原始全血透射光谱数据分别进行均值中心化、标准化、标准正态变量变换(SNV)、多元散射校正(MSC)以及Savitzky-Golay(SG)卷积平滑结合MSC的预处理操作,最终选择预处... 为提高全血血红蛋白浓度预测模型的预测精度,基于近红外光谱分析,首先对原始全血透射光谱数据分别进行均值中心化、标准化、标准正态变量变换(SNV)、多元散射校正(MSC)以及Savitzky-Golay(SG)卷积平滑结合MSC的预处理操作,最终选择预处理效果最好的SG-MSC方法作为数据预处理方法,其最大相关系数达到0.9441。对SG平滑的平滑窗口宽度进行讨论,找出平滑效果最好的窗口宽度为27。数据预处理消除了全血吸收光谱的基线失真,提高了全血吸收光谱数据的信噪比。将190个样本(190个血红蛋白浓度对应的透射光谱数据)分为具有相近血红蛋白浓度分布的校正集和测试集,其中校正集为143个样本(对应血红蛋白浓度分布为10.6~17.3 g·dL^(-1)),测试集为47个样本(对应血红蛋白浓度分布为10.3~17.3 g·dL^(-1)),确保建立模型的适用性。对校正集数据预处理后利用蒙特卡洛无信息变量消除(MC-UVE)方法对其进行波长变量选择,剔除含信息量少的波长点,提高含信息量多的波长占比。设置蒙特卡洛迭代次数为1000,最终从全血吸收光谱的700个波长变量中筛选出191个波长变量用于建立全血血红蛋白浓度偏最小二乘(PLS)回归模型。对比分析原始全血透射光谱全谱PLS模型、原始全血吸收光谱全谱PLS模型、预处理全血吸收光谱全谱PLS模型、SG-MSC-MC-UVE-PLS模型以及已有二阶导数PLS模型的模型效果,表明基于SG-MSC-MC-UVE-PLS算法的全血血红蛋白浓度预测模型效果较其他模型效果更优,预测相关系数由0.6763提高到0.9791,预测集均方根误差由0.8981减小到0.2203,最大绝对误差由2.4261减小到0.4112。同时,利用MC-UVE方法进行波长变量选择,在保证预测精度的前提下,筛选出建模的波长个数更少,有利于提高模型计算效率。研究结果表明,SG-MSC-MC-UVE-PLS方法能够提高全血吸收光谱信号的信噪比,简化模型结构,提高模型的预测精度和计算效率,对推动血红蛋白浓度检测技术的发展具有进步意义。 展开更多

关键词 近红外光谱 全血血红蛋白浓度预测 光谱信号预处理 无信息变量消除

在线阅读 下载PDF 职称材料

优化基于近红外光谱的联合间隔偏最小二乘法建模检测芝麻油掺伪含量 被引量：8

14

作者 陈洪亮 曾山 王斌 《中国油脂》 CAS CSCD 北大核心 2020年第2期86-90,共5页

应用近红外光谱(NIR)分析技术建立测定芝麻油中大豆油含量的定量分析模型。基于32个含量梯度共384个掺伪芝麻油样品的近红外光谱,首先采用标准正态变量变换(SNV)对光谱进行预处理,再采用无信息变量消除法(UVE)初步筛选波长变量,然后结... 应用近红外光谱(NIR)分析技术建立测定芝麻油中大豆油含量的定量分析模型。基于32个含量梯度共384个掺伪芝麻油样品的近红外光谱,首先采用标准正态变量变换(SNV)对光谱进行预处理,再采用无信息变量消除法(UVE)初步筛选波长变量,然后结合联合间隔偏最小二乘法(SiPLS)和带极值扰动的简化粒子群优化算法(tsPSO)建立芝麻油中大豆油掺伪含量预测模型,经特征波段选取后建立的模型变量减少,波长变量由451个减少到219个,训练集和测试集相关系数分别为0.9998和0.9919,均方根误差分别为4.39E-2和3.99E-2。结果表明,该方法能够作为芝麻油中大豆油掺伪含量的快速检测方法。此外,该方法也可应用到芝麻油中掺入其他低价值油的掺伪含量检测中。 展开更多

关键词 近红外光谱 无信息变量消除法 联合间隔偏最小二乘法 带极值扰动的简化粒子群优化算法

在线阅读 下载PDF 职称材料

饲料中粗脂肪和粗纤维含量的近红外光谱快速分析 被引量：11

15

作者 郝勇 吴文辉 商庆园 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2020年第1期215-220,共6页

采用近红外光谱(NIRS)结合偏最小二乘(PLS)方法,实现对饲料中粗脂肪和粗纤维的快速定量分析。采用Norris-Williams平滑求导(NW)和多元散射校正(MSC)方法对光谱进行预处理;蒙特卡罗无信息变量消除法(MCUVE)、变量组合集群分析法(VCPA)和... 采用近红外光谱(NIRS)结合偏最小二乘(PLS)方法,实现对饲料中粗脂肪和粗纤维的快速定量分析。采用Norris-Williams平滑求导(NW)和多元散射校正(MSC)方法对光谱进行预处理;蒙特卡罗无信息变量消除法(MCUVE)、变量组合集群分析法(VCPA)和区间变量迭代空间收缩法(iVISSA)用于光谱变量选择和优化;PLS用于光谱校正模型的建立,采用校正集相关系数(R_c)、交互验证均方根误差(RMSECV)、预测集相关系数(R_p)和预测集均方根误差(RMSEP)评价模型。光谱预处理中经MSC处理后的光谱模型优于其他预处理方法,其RMSECV和RMSEP值都减小,R_c和R_p值都增大。脂肪定量分析中,原始光谱模型的RMSECV和R_c为0.21和0.87, RMSEP和R_p为0.20和0.88,变量数(V_n)为1 501;经MCUVE方法选择变量后建立的定量模型,其RMSECV和R_c为0.17和0.92, RMSEP和R_p为0.19和0.89,V_n为400个;经VCPA选择变量建立PLS定量模型,其RMSECV和R_c为0.21和0.87, RMSEP和R_p为0.25和0.81,V_n为12;经iVISSA选择变量后的模型,其RMSECV和R_c为0.21和0.86, RMSEP和R_p为0.20和0.87,V_n为20。粗纤维定量分析中,原始模型的RMSECV和R_c为0.28和0.91, RMSEP和R_p为0.25和0.95,V_n为1 501;经MCUVE选择后的模型,其RMSECV和R_c为0.23和0.95, RMSEP和R_p为0.23和0.94,V_n为740;经VCPA选择变量后的模型,其RMSECV和R_c为0.27和0.91, RMSEP和R_p为0.30和0.91,V_n为11;经iVISSA选择后变量的模型,其RMSECV和R_c为0.29和0.90, RMSEP和R_p为0.27和0.93,V_n为20。结果表明, MSC方法可以有效提高光谱质量,消除光谱平移误差;MCUVE变量选择方法可以简化模型提高模型精度和稳定性,建立最优模型。在粗脂肪的定量分析模型中, MSC处理后的光谱经过MCUVE选择后剩余400个变量,R_c和R_p相较于全谱模型提高了0.05和0.01, RMSECV和RMSEP分别降低到了0.17和0.19;经VCPA和iVISSA选择变量的模型其结果与全谱模型相似,但其变量分别只有12和20个。在粗纤维模型中,经MCUVE选择后740个变量用于建立PLS模型,其R_c和R_p为0.95和0.94, RMSECV和RMSEP分别为0.23和0.23;VCPA和iVISSA分别运用11和12个变量建立回归模型,但结果都比MCUVE模型差。利用饲料近红外光谱建立MSC-MCUVE-PLS模型可以有效对饲料粗脂肪和粗纤维进行定量分析。 展开更多

关键词 近红外光谱 饲料 蒙特卡罗无信息变量消除法 变量组合集群分析法 区间变量迭代空间收缩法

在线阅读 下载PDF 职称材料

不同品种苹果糖度近红外光谱在线检测通用模型研究 被引量：16

16

作者 刘燕德 徐海 +3 位作者 孙旭东 姜小刚 饶宇 张雨 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2020年第3期922-928,共7页

由于果实内部细胞结构、组成成分和光学传输特性的不同,品种差异会对近红外建模分析果实内部品质时产生较大的影响,以致原有模型无法高精度地预测果实品质参数。探讨开发不同品种近红外通用模型用于在线检测苹果内部品质的可行性。采用... 由于果实内部细胞结构、组成成分和光学传输特性的不同,品种差异会对近红外建模分析果实内部品质时产生较大的影响,以致原有模型无法高精度地预测果实品质参数。探讨开发不同品种近红外通用模型用于在线检测苹果内部品质的可行性。采用水果动态在线分选设备,设置运行参数为:积分时间100 ms,运动速度5 s^-1,采集包括冰糖心,红富士及水晶富士三个品种苹果的近红外漫透射光谱。分析了三个品种近红外漫透射光谱的响应特征,其光谱曲线走势基本一致,在650, 709和810 nm附近存在突出吸收峰,而在670, 750与830 nm附近存在波谷,其差异主要表现为光谱吸收强度的差异。采用多元散射校正, Savitzky-Golay卷积平滑及归一化处理方法,减少了不同品种引起的光谱信息差异。混合三个品种各校正集样本,采用偏最小二乘回归算法建立了不同品种糖度的通用模型,并利用无信息变量消除法(UVE)对建模变量进行筛选,最终得到的有效变量个数为155。所建立的UVE-PLS模型对验证集的决定系数,均方根误差以及残留预测偏差分别为0.80, 0.61%与2.21。在UVE筛选变量的基础上,采用连续投影算法再对建模变量进行选择,最终选出的变量个数为22。采用多元线性回归(MLR)方法建立了简化后的通用模型,对验证集的决定系数与均方根误差分别为0.78与0.64%。测试集用于评估最佳的不同品种糖度通用模型的实际性能,模型对每个品种测试集的潜变量数,决定系数与均方根误差分别为6~10, 0.77~0.79与0.45~0.75%。结果表明水果动态在线分选设备对不同品种苹果内部品质检测的潜力。通过建立通用模型,扩大了单一品种模型的预测范围,提高了模型在不同品种间的预测稳健性。并且采用合适的变量选择方法能够减少模型变量个数,降低模型复杂程度,并最终提高模型速率。开发不同品种水果内部品质通用模型在波长有限的近红外光谱设备中具有良好的潜在应用。 展开更多

关键词 在线检测 近红外光谱 通用模型 偏最小二乘法 无信息变量消除 苹果 糖度

在线阅读 下载PDF 职称材料

木材抗拉强度的近红外光谱MC-UVE-IVSO建模方法 被引量：2

17

作者 蒋大鹏 高礼彬 +1 位作者 陈金浩 张怡卓 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第8期2488-2493,共6页

木材抗拉强度是评价木材力学性质的重要指标。针对近红外光谱建模中样本数据量小、波长信息冗余所导致预测模型精度低的问题,提出一种基于模型集群分析MC-UVE-IVSO波长优选的木材抗拉强度建模方法。以桦木为例,选取150个桦木样本作为实... 木材抗拉强度是评价木材力学性质的重要指标。针对近红外光谱建模中样本数据量小、波长信息冗余所导致预测模型精度低的问题,提出一种基于模型集群分析MC-UVE-IVSO波长优选的木材抗拉强度建模方法。以桦木为例,选取150个桦木样本作为实验对象,首先使用900~1700 nm波段的近红外光谱仪采集试件光谱数据,并采用力学试验机获得相应的抗拉强度真值;然后对采集的光谱数据运用多元散射校正(MSC)、一阶求导和卷积平滑(SG)相结合的方法进行预处理,完成光谱平滑滤波;分别采用变量组合集群分析算法(VCPA)、蒙特卡罗无信息变量消除法(MC-UVE)、迭代变量子集优化算法(IVSO)及MC-UVE-IVSO组合优化算法进行波长筛选,并对比优选波长结果;最后在优选近红外波长基础上,建立桦木抗拉强度的偏最小二乘预测模型(PLS)。实验结果表明:基于MC-UVE-IVSO算法优选波长的PLS模型,光谱变量数由512减小到98,优选波长占总波长的19%,其预测决定系数R^(2)为0.94,预测均方根误差RMSEP为7.50,性能偏差比RPD为3.16,相比于全波段、MC-UVE、VCPA、MC-UVE-VCPA与IVSO相应的R^(2)(0.92、0.93、0.82、0.87、0.93)、RMSEP(17.91、11.7、14.91、12.12、8.47)和RPD(2.81、2.91、2.25、2.28、2.78)均有不同程度提升;通过统计特征波长所建立的预测模型箱形图,进一步证明了MC-UVE-IVSO算法在处理多变量波长的稳定性。实验结果表明,MC-UVE方法可以消除与建模不相关的多数变量,而IVSO算法能有效搜索出最优变量子集,基于MC-UVE-IVSO的光谱优选算法提升了木材抗拉强度预测模型的准确性和稳定性,为木材近红外光谱的无损、快速与精准检测提供了一定的理论基础。 展开更多

关键词 木材抗拉强度 近红外光谱 集群分析 蒙特卡罗无信息变量消除 迭代变量子集优化

在线阅读 下载PDF 职称材料

不同颜色冬枣可溶性固形物可见-近红外光谱分析模型构建 被引量：1

18

作者 郝勇 杜娇君 +1 位作者 张书敏 王起明 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2021年第11期3385-3391,共7页

冬枣品质受其品种和生长环境等因素的影响,引起采后化转红指数不同,导致果实的颜色差异较大,从而影响其可溶性固形物(SSC)检测模型的分析精度。采用可见-近红外(Vis-NIR)光谱结合Norris-Williams平滑(NWS)、连续小波导数(CWD)、多元散... 冬枣品质受其品种和生长环境等因素的影响,引起采后化转红指数不同,导致果实的颜色差异较大,从而影响其可溶性固形物(SSC)检测模型的分析精度。采用可见-近红外(Vis-NIR)光谱结合Norris-Williams平滑(NWS)、连续小波导数(CWD)、多元散射校正(MSC)、标准正态变量变换(SNV)和NWS-MSC五种光谱预处理方法构建不同颜色(红绿相间MJ,绿色GJ和红色RJ)冬枣SSC的偏最小二乘(PLS)定量分析模型,分别采用MJ, GJ, RJ, MJ-GJ和MJ-GJ-RJ五个样品集合建立冬枣SSC的定量分析模型,并采用由MJ-GJ-RJ三种颜色冬枣样品组成的测试集进行模型的评价;以不同建模样品集(校正集)的校正相关系数(Rc)和交互验证均方根误差(RMSECV)作为构建最优模型的评价指标;测试集的预测相关系数(Rp)和预测均方根误差(RMSEP)用于模型预测精度的评价。研究结果表明:分别采用MJ, GJ和RJ的独立样品集进行建模时,模型仅对具有相同颜色的冬枣样品的SSC实现了较好的预测;分别在MJ样品中加入GJ和GJ-RJ样品进行MJ-GJ和MJ-GJ-RJ两个混合样品集的定量模型的构建时,MJ-GJ模型对MJ和GJ样品的SSC具有较好的预测效果,其RMSECV,Rc, RMSEP,Rp分别为1.108, 0.698, 0.980, 0.724和1.108, 0.698, 0.983, 0.822,而对RJ样品的预测误差较大,模型的RMSECV,Rc, RMSEP,Rp为1.108, 0.698, 1.928, 0.597;而MJ-GJ-RJ模型对三种颜色的冬枣SSC均有较好的预测结果:MJ-GJ-RJ模型对MJ样品的SSC模型的RMSECV,Rc, RMSEP,Rp为1.158, 0.796, 1.077, 0.668;对GJ样品的SSC模型的RMSECV,Rc, RMSEP,Rp为1.158, 0.796, 0.881, 0.861;对RJ样品的SSC模型的RMSECV,Rc, RMSEP,Rp为1.158, 0.796, 1.140, 0.841;采用蒙特卡罗无信息变量消除(MCUVE)方法进一步对MJ-GJ-RJ样品集光谱的特征变量进行优选后,模型的Rc和Rp分别由原来的0.796和0.864提高到0.884和0.922,模型的RMSECV和RMSEP分别由1.158和0.946减小到0.886和0.721,模型具有较好的分析精度。采用可见-近红外光谱对不同颜色冬枣的SSC进行分析时,当建模集样品与测试集样品颜色属性相似或选择性质相似的建模变量进行模型构建时,模型具有更好的通用性。 展开更多

关键词 可见-近红外光谱 偏最小二乘 冬枣 可溶性固形物 蒙特卡罗无信息变量消除

在线阅读 下载PDF 职称材料

成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测 被引量：9

19

作者 王铭海 郭文川 +1 位作者 谷静思 刘卉 《西北农林科技大学学报（自然科学版）》 CSCD 北大核心 2013年第12期113-119,共7页

【目的】研究成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测技术,为及时、准确地掌握成熟期梨果实的内部品质特性及田间管理、适时采收、合理储藏提供依据。【方法】基于近红外漫反射光谱检测技术分别建立了成熟期砀山酥梨可溶... 【目的】研究成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测技术,为及时、准确地掌握成熟期梨果实的内部品质特性及田间管理、适时采收、合理储藏提供依据。【方法】基于近红外漫反射光谱检测技术分别建立了成熟期砀山酥梨可溶性固形物含量的偏最小二乘(PLS)、广义回归神经网络(GRNN)和偏最小二乘支持向量机动态预测模型(LSSVM),并综合评价了无信息变量消除法(UVE)优选有效特征波数对于简化模型、提高预测性能的影响。【结果】UVE算法能够很好地提高建模效率、有效改善GRNN和LSSVM模型预测精度,而对PLS分析模型效果不明显。3种模型中,LSSVM模型比GRNN和PLS模型具有明显优势,其中UVE-LSSVM模型具有最佳预测精度和适用性,其校正相关系数(Rc)为0.988,校正均方根误差(RMSEC)为0.074,预测相关系数(Rp)为0.922,预测均方根误差(RMSEP)为0.162。【结论】基于近红外光谱技术的UVE-LSSVM模型可用于成熟期梨可溶性固形物含量的无损检测。 展开更多

关键词 近红外光谱 梨 成熟期 可溶性固形物含量 偏最小二乘支持向量机 无信息变量消除法

在线阅读 下载PDF 职称材料

无信息变量消除法在糙米直链淀粉波长选择中的应用 被引量：7

20

作者 张巧杰 熊鸣 祁鲲 《农机化研究》 北大核心 2010年第11期202-205,共4页

为挑选信息含量大、与样品组成或性质相关性较强的光谱区域参与建模,以提高校正模型的精度,采用无信息变量消除法对糙米直链淀粉的近红外光谱进行分析。无信息变量消除法是基于PLS回归系数b建立起来的一种光谱区间选择方法,考虑了噪声... 为挑选信息含量大、与样品组成或性质相关性较强的光谱区域参与建模,以提高校正模型的精度,采用无信息变量消除法对糙米直链淀粉的近红外光谱进行分析。无信息变量消除法是基于PLS回归系数b建立起来的一种光谱区间选择方法,考虑了噪声和浓度矩阵的影响。结果表明:进行波长选择后,波长点数由1102减小到726,交叉验证预测值与标准值的相关系数R由0.9212提高到0.9654,交叉验证标准差SECV由2.4142减小到1.3725,预测标准差SEP由2.4572减小到2.2001,预测能力得到明显提高。 展开更多

关键词 直链淀粉 近红外光谱 无信息变量消除法 波长选择

在线阅读 下载PDF 职称材料