近紅外光譜分析是一種快速簡便的綠色分析技術(shù)。采用漫反射、透反射等方式直接快速測量固體樣品,同時在方法學(xué)上提出了挑戰(zhàn)。因為需要克服由于光散射造成的光譜基線漂移和傾斜等干擾。多元散射校正(MSC)、標(biāo)準(zhǔn)正態(tài)變量變換(SNV)和Savitzky-Golay平滑(SG)是重要的光譜校正方法。可用于校正由于散射、溫度波動等對光譜造成的干擾,還可用于在不同儀器之間的模型傳遞。MSC方法假設(shè)每個樣品光譜與定標(biāo)樣品平均光譜滿足線性關(guān)系。但譜段較寬時,整體線性化的假設(shè)難以成立。分段多元散射校正(PMSC)方法提出可移動p+1+q模式的局部校正窗口,實現(xiàn)光譜的分段線性校正。并通過幾個實例,取得了明顯優(yōu)于MSC方法的預(yù)測效果。然而,受限于當(dāng)時計算機(jī)的運算速度,PMSC方法沒有實現(xiàn)全局的優(yōu)選。另一方面,不同波段的光譜校正參數(shù)通常是不同的,由于算法的復(fù)雜性,波段選擇和光譜校正交互式同時優(yōu)化的算法還未見報道。本研究進(jìn)行兩方面的方法推廣:(1)構(gòu)建基于偏最小二乘(PLS)模型的PMSC方法的優(yōu)化平臺,實現(xiàn)對校正窗口模式的全局優(yōu)選;(2)分別基于SG、SNV、MSC和PMSC四種光譜校正方法,結(jié)合移動窗口PLS(MW-PLS),提出MW-SG-PLS、MW-SNV-PLS、MW-MSC-PLS、MW-PMSC-PLS四種集成方法,實現(xiàn)光譜校正和波段選擇的交互式同時優(yōu)化。以土壤有機(jī)質(zhì)的近紅外分析為例,驗證了提出的幾種方法。主要成果如下:(1)PMSC-PLS方法:(1)建立PMSC-PLS模型全局優(yōu)化算法平臺,實現(xiàn)對校正窗口的全局篩選。最優(yōu)模型的檢驗預(yù)測均方根誤差和檢驗預(yù)測相關(guān)系數(shù)(RMSEP_V,R_(P,V))分別為0.184 g·kg~(-1)和0.975,其預(yù)測效果明顯優(yōu)于MSC-PLS模型;(2)研究發(fā)現(xiàn),PMSC-PLS模型的校正窗口分為三類:過度校正,適度校正和不足校正。本例中,窗口寬度過小(m61)的為過度校正;窗口寬度過大(m800)的為不足校正;適當(dāng)?shù)男Ｕ翱趯挾葹?1~800。(2)交互式優(yōu)化方法:采用整體初篩參數(shù)優(yōu)化策略,四種集成方法均實現(xiàn)了交互式優(yōu)化運算:(1)最優(yōu)MW-SG-PLS模型的RMSEP_V和R_(P,V)分別為0.187 g·kg~(-1)和0.969,明顯優(yōu)于SG-PLS和MW-PLS模型;(2)最優(yōu)MW-SNV-PLS模型的RMSEP_V和R_(P,V)分別為0.186 g·kg~(-1)和0.970,明顯優(yōu)于SNV-PLS和MW-PLS模型;(3)最優(yōu)MW-MSC-PLS模型的RMSEP_V和R_(P,V)分別為0.188 g·kg~(-1)和0.970,明顯優(yōu)于MSC-PLS和MW-PLS模型;(4)最優(yōu)MW-PMSC-PLS(對稱校正窗口)模型的RMSEP_V和R_(P,V)分別為0.177 g·kg~(-1)和0.971,明顯優(yōu)于對稱校正窗口情形PMSC-PLS和MW-PLS模型。因此,光譜校正和波段選擇的交互式優(yōu)化,優(yōu)于單獨的光譜校正,也優(yōu)于單獨的波段選擇。(3)上述方法中,同時進(jìn)行了校正窗口優(yōu)化以及波段選擇的MW-PMSC-PLS模型的預(yù)測性能最優(yōu)。本研究實現(xiàn)了校正窗口可變MSC方法的全局優(yōu)化,也實現(xiàn)了光譜校正與波段選擇交互式優(yōu)化。這些方法拓展了近紅外光譜的應(yīng)用途徑,可為復(fù)雜體系的近紅外光譜分析提供重要的參考。
【學(xué)位單位】：暨南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：S151.9;O657.3
【部分圖文】：

了校正窗口相關(guān)性分析策略，分析光譜校正的重要參數(shù)（校正窗口的影響，為校正窗口的優(yōu)選設(shè)置合理的方案。方便說明，本研究從土壤有機(jī)質(zhì)數(shù)據(jù)集中選取某一樣品光譜以及定值作為分析示例（數(shù)據(jù)集參見本研究 3.2 節(jié)），相應(yīng)的光譜波長掃 nm，2 nm 波長間隔，共計 1050 個波長點。到展示效果，本研究設(shè)置了五個有一定相隔間距的校3,63,93,1049}。對于每一參數(shù) m ，計算該樣品光譜和平均光譜的移采用不同顏色區(qū)分不同校正窗口的計算結(jié)果，如圖 2.1 所示。由于窗口來計算前后邊緣 (m -1)2個波長點的相關(guān)系數(shù)，具體分別使用長點構(gòu)成的校正窗口，因為前后邊緣的 ( m -1)2+1個波長點相關(guān)系了相同的校正窗口，所以邊緣 ( m -1)2+1個待校正點相關(guān)系數(shù)也分

暨南大學(xué)碩士學(xué)位論文.1 可知，當(dāng)校正窗口較小時（即 m=3 和 m=33），在 430、1368、 及相鄰波長處的相關(guān)系數(shù)較低，m=3 尤為明顯，在多處還出現(xiàn)窗口較大時（即 m=63、m=93 和 m=1049），在各個波長點的相樣品光譜和參考光譜相關(guān)性高。步觀察 PMSC 方法中校正窗口大小的影響，深入分析以 430、8 nm 五處出現(xiàn)低相關(guān)性的波長點為中心的校正窗口，計算不同,5, ,1049}）的樣品光譜和參考光譜的相關(guān)系數(shù)。參數(shù) m 達(dá)到一包括樣品光譜的邊界波長點，進(jìn)一步增大參數(shù) m 已經(jīng)不能滿條件，聯(lián)系 PMSC 對邊緣特殊校正點的處理方式，引入非對數(shù)作為補(bǔ)充。以不同的顏色區(qū)分顯示 430、1368、1762、1836相關(guān)系數(shù)結(jié)果，如圖 2.2 所示。

24圖 2.3 MW-SG-PLS 算法流程圖(1) 從參數(shù)設(shè)置中獲取有效的參數(shù)組合（I, N, m, p, d, LV）。其中，MW 參數(shù)組 ,N)、SG 校正參數(shù)（m, p, d）和潛變量個數(shù)（ LV ）均為有效參數(shù)，此外，參數(shù)N 需要滿足方法集成條件： m ≤ N；
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 閻立誠,王蔭庭,楊金秀,李郁,馬光,陳念貽;KNO_3-NaNO_2系熔鹽溶液的激光Raman光譜研究[J];金屬學(xué)報;1988年01期

2 劉培君;張琳;范春清;;利用光譜數(shù)據(jù)估算塔里木河流域主要地物在陸地衛(wèi)星象片上的灰度級[J];干旱區(qū)研究;1988年03期

3 陳蓉;王帥;;研究光譜數(shù)據(jù)挖掘中的特征提取方法[J];通訊世界;2015年17期

4 趙廣宇;趙鵬飛;高斌;盧昱欣;;模糊識別理論在光譜數(shù)據(jù)中的應(yīng)用[J];長春理工大學(xué)學(xué)報(自然科學(xué)版);2016年04期

5 李海萍,莊大方,熊利亞;沙化土地野外光譜數(shù)據(jù)采集的技術(shù)方法探討[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2003年04期

6 王展;王可;王偉超;;提高光譜匹配精度的散射噪聲消除方法研究[J];激光與光電子學(xué)進(jìn)展;年期

7 李鄉(xiāng)儒;;光譜數(shù)據(jù)挖掘中的特征提取方法[J];天文學(xué)進(jìn)展;2012年01期

8 張遠(yuǎn)飛;楊自安;張普斌;石菲菲;張建國;;高(多)光譜數(shù)據(jù)的背景-異常子空間模型研究[J];地球信息科學(xué)學(xué)報;2009年03期

9 李幸麗;杜培軍;張華鵬;;典型光譜數(shù)據(jù)庫的建立及其圖形界面分析[J];礦山測量;2006年03期

10 沈掌泉,王珂,王人潮;水稻光譜數(shù)據(jù)處理系統(tǒng)[J];浙江農(nóng)業(yè)大學(xué)學(xué)報;1998年01期

相關(guān)博士學(xué)位論文 前10條

1 王文玉;海量天文光譜數(shù)據(jù)中白矮主序雙星的發(fā)現(xiàn)研究[D];山東大學(xué);2015年

2 宗靖國;紅外成像光譜數(shù)據(jù)獲取及其在場景仿真中的應(yīng)用[D];西安電子科技大學(xué);2011年

3 俞斌峰;多任務(wù)學(xué)習(xí)及其在光譜數(shù)據(jù)分析中的應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2015年

4 夏建濤;基于機(jī)器學(xué)習(xí)的高維多光譜數(shù)據(jù)分類[D];西北工業(yè)大學(xué);2002年

5 雷萌;基于機(jī)器學(xué)習(xí)的煤質(zhì)近紅外光譜分析[D];中國礦業(yè)大學(xué);2013年

6 林耀海;壓縮編碼的計算光譜成像方法研究[D];西安電子科技大學(xué);2016年

7 薩米;一種新穎的基于稀疏表示的超光譜數(shù)據(jù)分類方法[D];清華大學(xué);2012年

8 張博;LAMOST光譜數(shù)據(jù)的二維處理關(guān)鍵技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2016年

9 李京忠;基于遙感的狼毒提取與空間格局動態(tài)研究[D];西北大學(xué);2017年

10 何玉林;基于核密度估計的光譜數(shù)據(jù)分類與回歸方法研究[D];河北大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 鐘杰;光譜校正方法研究及其在土壤檢測的應(yīng)用[D];暨南大學(xué);2018年

2 肖潔;基于幾何光譜一體化的植株葉綠素反演研究[D];武漢大學(xué);2018年

3 劉娜;巖石光譜、物性、主要化學(xué)成分間的特征響應(yīng)關(guān)系研究[D];吉林大學(xué);2018年

4 李新雙;光譜數(shù)據(jù)庫的設(shè)計及光譜匹配技術(shù)研究[D];武漢大學(xué);2005年

5 李勛蘭;柑橘光譜數(shù)據(jù)庫的建立及應(yīng)用研究[D];西南大學(xué);2015年

6 郝建亭;光譜數(shù)據(jù)處理及其在植被信息提取中的應(yīng)用[D];成都理工大學(xué);2008年

7 陸皖寧;水體遙感實測光譜數(shù)據(jù)后處理與軟件實現(xiàn)[D];南京師范大學(xué);2007年

8 劉彩芳;面向光譜數(shù)據(jù)應(yīng)用集成處理軟件研究[D];中國科學(xué)院研究生院(西安光學(xué)精密機(jī)械研究所);2012年

9 呂英杰;LIBS光譜數(shù)據(jù)分類算法及應(yīng)用研究[D];西北大學(xué);2014年

10 同新妮;基于LIBS技術(shù)的光譜數(shù)據(jù)預(yù)處理算法研究[D];西北大學(xué);2017年

本文編號：2836397