期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于内标法和CARS变量优选的倍硫磷含量LIBS检测
被引量:
4
1
作者
刘津
孙通
甘兰萍
《发光学报》
EI
CAS
CSCD
北大核心
2018年第5期737-744,共8页
利用共线双脉冲激光诱导击穿光谱(LIBS)技术对溶液中的倍硫磷含量进行定量检测研究。采用石墨对倍硫磷溶液进行富集,利用双通道高精度光谱仪获取样品的LIBS光谱。以碳元素谱线(CⅠ247.856 nm)为内标对210~260 nm波段谱线进行校正,然后...
利用共线双脉冲激光诱导击穿光谱(LIBS)技术对溶液中的倍硫磷含量进行定量检测研究。采用石墨对倍硫磷溶液进行富集,利用双通道高精度光谱仪获取样品的LIBS光谱。以碳元素谱线(CⅠ247.856 nm)为内标对210~260 nm波段谱线进行校正,然后利用竞争性自适应重加权算法(CARS)筛选与倍硫磷相关的重要波长变量,最后应用最小二乘支持向量机(LSSVM)建立倍硫磷含量的定标模型,并与基本定标法及内标法建立的单变量定标模型进行比较。研究结果表明,共线双脉冲LIBS技术可以用于溶液中的倍硫磷含量检测。基本定标法建立的最优定标模型的拟合度R2为0.935 04,预测集样品的平均预测相对误差(PRE)为41.50%;内标法建立的最优单变量定标模型的拟合度R2为0.993 61,预测集样品的平均PRE为14.91%;内标-CARS-LSSVM定标模型的拟合度R2为0.998 6,预测集样品的平均PRE为8.06%。对比上述3类定标模型,内标-CARS-LSSVM定标模型性能最优,内标法建立的定标模型次之,而基本定标法建立的定标模型最差。由此可知,CARS方法可以有效筛选倍硫磷相关的重要变量,内标法结合CARS及LSSVM方法可以改善定标模型性能,提高预测精度。
展开更多
关键词
激光诱导击穿光谱
内标法
竞争性自适应重加权算法
最小二乘支持向量机
倍硫磷
在线阅读
下载PDF
职称材料
激光诱导击穿光谱结合CARS变量选择方法定量检测倍硫磷含量
被引量:
1
2
作者
刘津
甘兰萍
+1 位作者
孙通
刘木华
《分析测试学报》
CAS
CSCD
北大核心
2017年第9期1099-1103,共5页
利用双脉冲激光诱导击穿光谱(LIBS)技术对溶液中的倍硫磷含量进行定量检测。采用二通道高精度光谱仪采集不同浓度倍硫磷样品在206.28~481.77 nm波段的LIBS光谱,并对光谱进行多元散射校正(MSC)、标准正态变量变换(SNV)及3点平滑预处理,...
利用双脉冲激光诱导击穿光谱(LIBS)技术对溶液中的倍硫磷含量进行定量检测。采用二通道高精度光谱仪采集不同浓度倍硫磷样品在206.28~481.77 nm波段的LIBS光谱,并对光谱进行多元散射校正(MSC)、标准正态变量变换(SNV)及3点平滑预处理,根据偏最小二乘(PLS)建模确定最优的预处理方法。在此基础上,利用竞争性自适应重加权算法(CARS)筛选与倍硫磷相关的重要变量,然后应用PLS回归建立溶液中倍硫磷含量的定量分析模型,并与单变量定量分析模型及未变量选择的PLS定量分析模型进行比较。结果表明,相比单变量定量分析模型及原始光谱PLS定量分析模型,CARS-PLS定量分析模型的性能更优,其模型的校正集和预测集的决定系数及平均相对误差分别为0.969 4、15.537%和0.995 9、5.016%。此外,与原始光谱PLS模型相比,CARS-PLS模型仅使用其中1.9%的波长变量,但预测集平均误差却由9.829%下降为5.016%。由此可见,LIBS技术检测溶液中的倍硫磷含量具有一定的可行性,且CARS方法能简化定量分析模型,提高模型的预测精度。
展开更多
关键词
激光诱导击穿光谱技术(LIBS)
偏最小二乘法(PLS)
竞争性自适应重加权算法(CARS)
倍硫磷
在线阅读
下载PDF
职称材料
题名
基于内标法和CARS变量优选的倍硫磷含量LIBS检测
被引量:
4
1
作者
刘津
孙通
甘兰萍
机构
江西农业大学工学院江西省高校生物光电技术及应用重点实验室
江西省
果蔬采后处理关键
技术及
质量安全协同创新中心
出处
《发光学报》
EI
CAS
CSCD
北大核心
2018年第5期737-744,共8页
基金
国家自然科学基金(31401278)
江西省自然科学基金(20151BAB204025)资助项目~~
文摘
利用共线双脉冲激光诱导击穿光谱(LIBS)技术对溶液中的倍硫磷含量进行定量检测研究。采用石墨对倍硫磷溶液进行富集,利用双通道高精度光谱仪获取样品的LIBS光谱。以碳元素谱线(CⅠ247.856 nm)为内标对210~260 nm波段谱线进行校正,然后利用竞争性自适应重加权算法(CARS)筛选与倍硫磷相关的重要波长变量,最后应用最小二乘支持向量机(LSSVM)建立倍硫磷含量的定标模型,并与基本定标法及内标法建立的单变量定标模型进行比较。研究结果表明,共线双脉冲LIBS技术可以用于溶液中的倍硫磷含量检测。基本定标法建立的最优定标模型的拟合度R2为0.935 04,预测集样品的平均预测相对误差(PRE)为41.50%;内标法建立的最优单变量定标模型的拟合度R2为0.993 61,预测集样品的平均PRE为14.91%;内标-CARS-LSSVM定标模型的拟合度R2为0.998 6,预测集样品的平均PRE为8.06%。对比上述3类定标模型,内标-CARS-LSSVM定标模型性能最优,内标法建立的定标模型次之,而基本定标法建立的定标模型最差。由此可知,CARS方法可以有效筛选倍硫磷相关的重要变量,内标法结合CARS及LSSVM方法可以改善定标模型性能,提高预测精度。
关键词
激光诱导击穿光谱
内标法
竞争性自适应重加权算法
最小二乘支持向量机
倍硫磷
Keywords
laser induced breakdown spectroscopy
internal standard method
competitive adaptive reweighted sampling
least squares support vector machines
fenthion
分类号
O657.3 [理学—分析化学]
在线阅读
下载PDF
职称材料
题名
激光诱导击穿光谱结合CARS变量选择方法定量检测倍硫磷含量
被引量:
1
2
作者
刘津
甘兰萍
孙通
刘木华
机构
江西农业大学工学院江西省高校生物光电技术及应用重点实验室
江西省
果蔬采后处理关键
技术及
质量安全协同创新中心
出处
《分析测试学报》
CAS
CSCD
北大核心
2017年第9期1099-1103,共5页
基金
国家自然科学基金项目(31401278)
江西省自然科学基金项目(20151BAB204025)
文摘
利用双脉冲激光诱导击穿光谱(LIBS)技术对溶液中的倍硫磷含量进行定量检测。采用二通道高精度光谱仪采集不同浓度倍硫磷样品在206.28~481.77 nm波段的LIBS光谱,并对光谱进行多元散射校正(MSC)、标准正态变量变换(SNV)及3点平滑预处理,根据偏最小二乘(PLS)建模确定最优的预处理方法。在此基础上,利用竞争性自适应重加权算法(CARS)筛选与倍硫磷相关的重要变量,然后应用PLS回归建立溶液中倍硫磷含量的定量分析模型,并与单变量定量分析模型及未变量选择的PLS定量分析模型进行比较。结果表明,相比单变量定量分析模型及原始光谱PLS定量分析模型,CARS-PLS定量分析模型的性能更优,其模型的校正集和预测集的决定系数及平均相对误差分别为0.969 4、15.537%和0.995 9、5.016%。此外,与原始光谱PLS模型相比,CARS-PLS模型仅使用其中1.9%的波长变量,但预测集平均误差却由9.829%下降为5.016%。由此可见,LIBS技术检测溶液中的倍硫磷含量具有一定的可行性,且CARS方法能简化定量分析模型,提高模型的预测精度。
关键词
激光诱导击穿光谱技术(LIBS)
偏最小二乘法(PLS)
竞争性自适应重加权算法(CARS)
倍硫磷
Keywords
laser induced breakdown spectroscopy
partial least square
competitive adaptive re-weighted sampling
fenthion
分类号
O433.4 [机械工程—光学工程]
TB9 [机械工程—测试计量技术及仪器]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于内标法和CARS变量优选的倍硫磷含量LIBS检测
刘津
孙通
甘兰萍
《发光学报》
EI
CAS
CSCD
北大核心
2018
4
在线阅读
下载PDF
职称材料
2
激光诱导击穿光谱结合CARS变量选择方法定量检测倍硫磷含量
刘津
甘兰萍
孙通
刘木华
《分析测试学报》
CAS
CSCD
北大核心
2017
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部