近红外定性分析模型的稳健性与适应性分析-论文.pdf

近红外定性分析模型的稳健性与适应性分析-论文.pdf

ID:53745584

大小:331.30 KB

页数:6页

时间:2020-04-22

近红外定性分析模型的稳健性与适应性分析-论文.pdf_第1页
近红外定性分析模型的稳健性与适应性分析-论文.pdf_第2页
近红外定性分析模型的稳健性与适应性分析-论文.pdf_第3页
近红外定性分析模型的稳健性与适应性分析-论文.pdf_第4页
近红外定性分析模型的稳健性与适应性分析-论文.pdf_第5页
资源描述:

《近红外定性分析模型的稳健性与适应性分析-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第34卷,第6期光谱学与光谱分析Vo1.34,No.6,pp1506—15112014年6月SpectroscopyandSpectralAnalysisJune,2014近红外定性分析模型的稳健性与适应性分析曹吾L,李卫军,王平。,张丽萍1.中国科学院半导体研究所,高速电路与神经网络实验窒,北京1000832.中国石油大学(华东),信息与控制工程学院,山东青岛266580摘要研究了近红外定性分析中模型的稳健性与适应性问题。讨论了单独建模延长建模周期对模型性能的影响,结果显示这种方法可以显著提高模型的稳健性,同时对模型的台间适应性也有所提升,但提升作用

2、有限;研究了不同仪器联合建模的方法对模型性能的影响,该方法不仅可以显著提高模型的适应性,而且可以有效提高模型的稳健性。对比单独建模,可以缩短建模时间,减少模型建立的工作量;延长模型的适用期限,提高建模效率。结果表明,对模型适应性的测试,单独建模其正确识别率较低,不能满足应用的要求,而多台仪器联合建模可以达到9o以上,提升效果明显;对模型稳健性的测试,联合建模也能得到相比单独建模更好的模型识别效果,具有很好的应用价值。关键词近红外光谱;定性分析;模型期限;模型传递;建模周期;联合建模中图分类号:G202,$123。$513文献标识码:ADOI:10.39

3、64/j.issn.1000—0593(2014)06—1506—06应性,而且缩短了建模周期,减小了近红外光谱定性分析模引言型建立的工作强度,延长了模型的适用期限,具有很强的适用价值。近红外光谱是基于物质对近红外谱区电磁波吸收的一种光谱技术,近红外光谱分析技术具有简便、快捷、低成本、1实验部分无污染以及不破坏样品等优点L1。],因此被广泛应用于多个行业。近红外定性分析,即通过比较未知样品和建模样品或1.1数据与方法标准样品的光谱来确定未知样品的归属4]。实验仪器采用杭州聚光科技公司(FPI)的SupNIR-2700在近红外定性分析中,所建模型性能的优

4、劣决定了最终系列的近红外光谱仪,仪器参数如下:仪器适用的样品状态定性识别的效果。模型性能可以从模型稳健性和适应性两方为颗粒或粉末状等固体,光源为卤钨灯,波长范围为1000面来进行评价。模型稳健性,即模型识别效果随时间推移的18OOnm,有效光程为0.2~5iTlrn,波长准确性为0.2nm,变化趋势,可以反映出模型的适用期限。模型适应性(仪器测定形式是非接触漫反射。实验使用两台仪器,根据出厂日台间适应性),即模型对不同仪器数据集的识别能力,可通期先后分别标定为仪器A、仪器B。实验所用样品为7个玉过模型传递方法解决此类问题。对于模型传递,常用的算法米品种

5、,均为籽粒样品,分别为:屯玉2102,屯玉2104,屯有两类,一类是有标算法,包括专利算法[5和PDS算法_L6’73玉2105,屯玉2106,屯玉2107,屯玉2109,屯玉2110。样品等,这类算法需要一定数量的样品组成标样集;另一类是无在非测量阶段进行了冷藏保鲜处理,测量阶段对样品所处实标算法,这类算法不需要任何标准样品。验环境的温度和湿度进行检测,尽量保持恒定。实验过程中针对聚光科技提供的近红外光谱仪,研究了单独建模延均为整杯样品测量,在一个测量时间点,对于同一份样本,长建模周期对模型稳健性与适应性的影响,同时研究了采用分别在仪器A和仪器B上测

6、一次,得到对应两条光谱,每个联合建模的方法对模型性能与建模周期的影响。研究结果表品种在A仪器上测1O条,对应在B仪器上测1O条,7个品明,单独建模延长建模周期能够显著提高模型的稳健性,而种共140条光谱。在研究联合建模方法过程中,分不同时间采用联合建模的方法,不仅能够同时提高模型的稳健性和适(时间跨度90天)重复采集了l1次实验数据,分别为:时间收稿日期:2013—08—14,修订日期:2013—12—11基金项目:国家自然科学基金项目(90920013)资助作者简介:曹吾,1989年生,中国石油大学(华东)信息与控制工程学院硕士研究生e-mail:c

7、aowtl@semi.ac.cn*通讯联系人e-mail:wjli@semi.ae.crl第6期光谱学与光谱分析1507间隔5天的数据(4次,2013—3—12,3-17,3-22,3-27)、时间中,寻求模型对特定品种的光谱特征数据的最佳覆盖,所以间隔6天的数据(3次,2013—4-4,4-10,4-16)和时间间隔12采用K-S法挑选构网(建模)样本点,仿生模式识别方法天的数据(4次,2013—5—3,5-15,5-27,6-8)。将所有数据按(BPR)_1u进行建模。(本文实验数据处理都是基于上述方一j∞ls照采集时间先后顺序编号为1~1l,按照

8、仪器的不同分别编法)。∞∞∞加0∞的号为A1~A11以及B1~B11,同时将同一时间在仪器A和

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。