国家教育部博士点基金(20112216110006)
- 作品数：11 被引量：64H指数：5
- 相关作者：石晓光宦克为郑峰刘小溪刘丽莹更多>>
- 相关机构：长春理工大学吉林省科学技术信息研究所北京东方孚德技术发展中心更多>>
- 发文基金：国家教育部博士点基金公益性行业(气象)科研专项吉林省自然科学基金更多>>
- 相关领域：理学电子电信电气工程更多>>
- 基于连续小波变换参数选择的小麦近红外光谱模型优化方法研究被引量：5
- 2014年
- 为了提高模型预测精度,结合连续小波变换(CWT)的最优参数选择,优化小麦蛋白质光谱模型。对原始光谱进行CWT,利用主成分分析(PCA)选出5种小波db1、sym2、sym5、sym7、coif1;在不同尺度参数下利用偏最小二乘法(PLS)建模,确定尺度参数为15;在此基础上,利用CWT结合多元散射校正(MSC)及支持向量机(SVM)建模确定最优小波db1;在最优参数下用CWT结合无信息变量消除算法(UVE)和连续投影算法(SPA)及SVM建立预测模型,预测均方根误差为0.3930,优于CWT-UVEPLS-SVM的0.4558和CWT-SPA-SVM的0.4415,研究结果表明,CWT参数选择可有效优化近红外光谱模型。
- 宦克为刘小溪王欣于素平石晓光
- 关键词：近红外光谱连续小波变换连续投影算法支持向量机
- 基于中温黑体的近红外光纤光谱仪辐射定标的方法研究被引量：3
- 2015年
- 中温黑体是红外谱段常用的高精度辐射标尺设备,而近红外是处于其有效辐射范围边缘的谱段,所以该谱段的定标研究相对较少。研究了基于中温黑体的近红外光纤光谱仪辐射定标方法,主旨是探讨定标精度如何受定标模型的结构参数选择的影响,进而为近红外光谱辐射计量溯源提供技术参考。采用50~1 050℃的可调中温黑体对近红外光纤光谱仪（950~1 700nm）进行辐射定标。针对定标的关键环节重点讨论了两个内容,首先是辐射传输模型的几何因子匹配问题,比较分析了传统的双圆盘辐射传输模型和光纤直接耦合模型。对于光纤光谱仪的辐射定标来讲,采用光纤直接耦合形式的辐射传输模型,结构上更简单,耦合效率更高。其次重点分析了辐射定标中模型的结构参数对定标精度的影响,其影响的原因是定标数据本身属性中的尺度结构特征,即通常所说的非线性问题。因此对于定标精度要求较高时,需要采用非线性定标模型进行校正,并尽可能保证测试点采样的尺度均衡,这是小样本数据解释非线性结构关系时无法回避的样本选择问题。数据分析结果表明,定标方程的不同结构参数的选择策略对定标精度有显著影响,校正方程的样本残差标准差带变化范围为±0.1%~±1%。
- 郑峰刘丽莹刘小溪李野石晓光张国玉宦克为
- 关键词：近红外辐射传输模型
- 基于特征投影图的小麦近红外光谱变量选择方法研究被引量：3
- 2012年
- 为了简化模型,提高模型预测精度,利用特征投影图(LPG)进行变量选择。对原始光谱进行连续小波变换(CWT),利用主成分分析(PCA)得到LPG,假定LPG中共线性光谱变量对建模作用相同,选出少数特征光谱变量建立预测模型,所得模型预测均方根误差(RMSEP)为0.345 4,优于其他建模方法,研究结果表明,LPG变量选择可有效简化近红外光谱模型,提高模型预测精度。
- 宦克为郑峰刘小溪蔡小龙蔡红星王睿石晓光
- 关键词：近红外光谱支持向量机
- 基于自加权变量组合集群分析法的近红外光谱变量选择方法研究被引量：11
- 2018年
- 变量选择技术是光谱建模的重要环节。本研究提出了一种新的变量选择方法——自加权变量组合集群分析法(AWVCPA),首先通过二进制矩阵采样法(BMS)对变量空间进行采样;其次通过对变量出现频率(Fre)和偏最小二乘回归系数(Reg)两种信息向量(IVs)做加权处理,得到了每个光谱变量的贡献值,进而考虑到了Fre和Reg两类IVs对于光谱建模的影响;最后通过指数衰减函数(EDF)删除贡献小的波长点,进而实现特征变量选取。以啤酒和玉米两组近红外光谱数据为例,基于偏最小二乘法(PLS)建立啤酒中酵母浓度预测模型和玉米中油浓度预测模型,对比其它变量选择方法。研究表明,在相同条件下,基于AWVCPA变量选择方法建立的预测模型都取得了最优的预测精度,对啤酒中酵母浓度的预测,相比全光谱PLS模型,RMSEP由0.5348下降到0.1457,预测精度提高了72.7%;对玉米含油量的预测,相比全光谱PLS模型,预测均方根误差(RMSEP)由0.0702下降到了0.0248,预测精度提高了64.7%。
- 赵环宦克为石晓光郑峰刘丽莹刘微赵春英
- 关键词：近红外光谱化学计量学
- 粳米近红外光谱模型中基于拉依达准则的异常值剔除方法
- 异常样本的剔出是近红外光谱检测技术中核心的问题之一,以粳米样本为例,介绍一种基于残差高斯拟合和拉依达准则相结合的异常值判别处理方法。残差高斯拟合的意义在于指出拉依达准则方法有效的前提是残差服从正态分布。当残差分布很好地符...
- 郑峰王睿宦克为刘丽莹石晓光
- 关键词：近红外光谱粳米偏最小二乘
- 文献传递
- 近红外光谱定量分析模型的样本影响研究被引量：4
- 2016年
- 作为二次分析方法,近红外光谱分析的重现性和可靠性非常依赖于建模过程。以近红外光谱小麦蛋白质定量分析模型为例,研究了多变量定标建模过程中异常样本问题,旨在讨论复杂样本建模中的样本对模型的影响和作用。以PLSR算法建模中校正方差与验证方差的解释百分比曲线的背离特性作为异常样本存在的判据,当两个百分比曲线显著偏离时,则认为样本集中存在异常样本,并对建模产生了显著影响。异常样本的识别和处理,以及影响分析是本文主要的创新性工作,采用了基于样本删除的子模型遍历统计方法,能够渐次识别并提取出异常样本。在剔除异常样本后的模型预测结果中,以模型的预测残差标准差作为参考距离对异常样本进行了离群程度分级,可分为显著离群样本,相对离群样本以及潜在离群样本,数据集中显著离群样本约占7.8%,相对离群样本约占15.6%。异常样本对模型的影响表现在对正常样本的预测残差上,使预测值偏离理想拟合直线,分散性增加。剔除异常样本或以样本权重建模可有效抑制异常样本的影响,使模型的解释性更偏向于多数样本数据,降低模型的经验风险误差。
- 郑峰刘丽莹刘小溪李野石晓光张国玉宦克为
- 关键词：近红外光谱灰色系统
- 10倍中波红外连续变焦光学系统设计被引量：3
- 2014年
- 针对制冷型320 pixel×240pixel凝视焦平面阵列探测器，设计了一款10倍中波红外连续变焦光学系统。系统采用机械正组补偿变焦结构，通过二次成像设计实现系统10096的冷光阑效率，利用硅和锗两种普通红外光学材料，通过引入合理的非球面和衍射面，借助ZEMAX光学设计软件对系统进行优化设计和像差平衡，实现了20-200mm的中波红外连续变焦系统的优化设计。设计结果表明：系统仅采用7片镜片，实现了变倍比为10、F数为2、工作波段为3．7～4．8um的中波红外连续变焦系统的优化设计，系统的调制传递函数在空间频率16lp／mm处大于0．4，点斑均方根半径均小于16um，接近衍射极限，满足系统成像要求，且系统的变焦曲线平滑，符合变焦要求。
- 闫晶刘英孙权宦克为石晓光
- 关键词：光学设计连续变焦中波红外
- 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：11
- 2013年
- 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。
- 宦克为刘小溪郑峰蔡小龙于素平石晓光
- 关键词：近红外光谱无损检测
- 基于变量组合集群分析法的小麦蛋白质近红外光谱变量选择方法研究被引量：7
- 2016年
- 为了解决小麦蛋白质的近红外光谱信息复杂、共线性严重及全光谱建模的预测能力不足等问题,采用一种新的变量选择方法——变量组合集群分析法(VCPA)对小麦蛋白质的近红外光谱进行特征波长选取。首先利用二进制矩阵采样策略(BMS)和指数衰减函数(EDF)删除无信息变量,优选小麦中蛋白质近红外特征波长,然后结合偏最小二乘法(PLS)建立预测模型。与其他变量选择方法相比,VCPA所选用的波长点最少,模型的预测能力最强,VCPA算法所采用的BMS变量采样策略弥补了蒙特卡洛采样方法的不足。研究结果表明,VCPA算法可以有效选择小麦蛋白质近红外光谱特征波长,提高预测模型的可靠性和适用性。
- 赵环宦克为郑峰石晓光
- 关键词：小麦近红外光谱
- 基于蒙特卡洛变量组合集群分析法的小麦蛋白质近红外光谱变量选择被引量：5
- 2017年
- 小麦是我国重要的粮食之一,提高对小麦蛋白质含量预测的精准性对保证小麦质量具有重要的意义。采用不同地区的小麦共93个样本近红外光谱与化学值作为建模数据。首先利用小波包(WTP)对光谱信号进行降噪处理,消除外界噪音信号对光谱的影响。其次利用蒙特卡洛变量组合集群分析法(MC-VCPA)进行变量选择,最后利用偏最小二乘法(PLS)建立小麦蛋白质预测模型,并对预测集样本进行预测。对比其他的建模方法,MC-VCPA所选择的10个特征变量代替了全光谱256个变量,预测均方根误差(RMSEP)值由0.4974降低到0.3295,提高了33%,优于其他建模方法。结果表明,基于MC-VCPA的近红外光谱分析方法对小麦蛋白质含量进行定量分析是可行的。
- 宋雨宸宦克为韩雪艳石晓光赵环
- 关键词：小麦蛋白质近红外光谱
