亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于Voigt峰的未知成分光譜擬合算法及其在甲醇汽油定量分析中的應(yīng)用

        2014-10-24 21:05:54李津蓉戴連奎武曉莉等
        分析化學(xué) 2014年10期
        關(guān)鍵詞:訓(xùn)練樣本線性光譜

        李津蓉+戴連奎+武曉莉等

        摘要:提出了一種基于Voigt函數(shù)的未知成分拉曼光譜擬合算法,利用Voigt峰函數(shù)的疊加形式對(duì)樣本中未知成分所產(chǎn)生的背景光譜進(jìn)行擬合。在扣除背景光譜影響后,利用被測成分的光譜貢獻(xiàn)權(quán)值與成分濃度之間建立線性關(guān)系模型。實(shí)驗(yàn)在3種成分不同的基礎(chǔ)汽油中加入不同體積比例(2.5%~80.0%)的甲醇溶液,利用本方法對(duì)成分未知的基礎(chǔ)汽油所產(chǎn)生的背景光譜進(jìn)行擬合,扣除擬合光譜后,剩余光譜即可視為甲醇的光譜貢獻(xiàn)?;?個(gè)訓(xùn)練樣本建立了甲醇光譜貢獻(xiàn)權(quán)值與濃度之間的線性定量分析模型,模型的預(yù)測均方誤差(RMSEP)為1.86%,復(fù)相關(guān)系數(shù)(R2)達(dá)到0.987。結(jié)果表明,此方法可有效解決混合物中光譜重疊問題,具有訓(xùn)練樣本少、外推性強(qiáng)的優(yōu)點(diǎn)。

        1引言

        拉曼光譜定量分析的理論基礎(chǔ)是在確定的測量條件下,譜峰強(qiáng)度與成分濃度之間具有線性關(guān)系。但在實(shí)際應(yīng)用中,光譜的非線性變化及被測樣本中未知成分所產(chǎn)生的干擾信號(hào)等因素均會(huì)導(dǎo)致線性定量分析模型的失效。針對(duì)于這種情況,目前常用的定量分析建模方法可分為兩類:其一,是基于訓(xùn)練樣本數(shù)據(jù)的統(tǒng)計(jì)特性建立回歸模型,如偏最小二乘(Partial least squares, PLS)[1,2]、最小二乘支持向量機(jī)(Least squares SVM, LSSVM)[3,4]和人工神經(jīng)網(wǎng)絡(luò)(Artificial neural network, ANN)[5]等,這類方法在樣本數(shù)量充足且覆蓋范圍大的情況下,具有建模簡便、預(yù)測準(zhǔn)確等優(yōu)點(diǎn),但這類算法的缺點(diǎn)是訓(xùn)練樣本需求量大,且回歸模型的“外推性”較差;其二,是設(shè)法混合物中各種成分的光譜廓形進(jìn)行擬合估計(jì),利用估計(jì)結(jié)果直接建立光譜強(qiáng)度與成分濃度的線性回歸模型。目前針對(duì)于未知成分光譜估計(jì)的算法主要是自建模曲線分解算法(Self modeling curve resolution, SMCR)[6,7]。這類算法是基于不同源信號(hào)之間的統(tǒng)計(jì)獨(dú)立性、稀疏性、時(shí)空無關(guān)性和光滑性等特性實(shí)現(xiàn)混合信號(hào)的分解。但這類算法通常以信號(hào)的線性組合為理論依據(jù),且無法保證分解結(jié)果的物理意義和唯一性,因此直接用于光譜信號(hào)的分解尚有較大困難。

        摘要:提出了一種基于Voigt函數(shù)的未知成分拉曼光譜擬合算法,利用Voigt峰函數(shù)的疊加形式對(duì)樣本中未知成分所產(chǎn)生的背景光譜進(jìn)行擬合。在扣除背景光譜影響后,利用被測成分的光譜貢獻(xiàn)權(quán)值與成分濃度之間建立線性關(guān)系模型。實(shí)驗(yàn)在3種成分不同的基礎(chǔ)汽油中加入不同體積比例(2.5%~80.0%)的甲醇溶液,利用本方法對(duì)成分未知的基礎(chǔ)汽油所產(chǎn)生的背景光譜進(jìn)行擬合,扣除擬合光譜后,剩余光譜即可視為甲醇的光譜貢獻(xiàn)?;?個(gè)訓(xùn)練樣本建立了甲醇光譜貢獻(xiàn)權(quán)值與濃度之間的線性定量分析模型,模型的預(yù)測均方誤差(RMSEP)為1.86%,復(fù)相關(guān)系數(shù)(R2)達(dá)到0.987。結(jié)果表明,此方法可有效解決混合物中光譜重疊問題,具有訓(xùn)練樣本少、外推性強(qiáng)的優(yōu)點(diǎn)。

        1引言

        拉曼光譜定量分析的理論基礎(chǔ)是在確定的測量條件下,譜峰強(qiáng)度與成分濃度之間具有線性關(guān)系。但在實(shí)際應(yīng)用中,光譜的非線性變化及被測樣本中未知成分所產(chǎn)生的干擾信號(hào)等因素均會(huì)導(dǎo)致線性定量分析模型的失效。針對(duì)于這種情況,目前常用的定量分析建模方法可分為兩類:其一,是基于訓(xùn)練樣本數(shù)據(jù)的統(tǒng)計(jì)特性建立回歸模型,如偏最小二乘(Partial least squares, PLS)[1,2]、最小二乘支持向量機(jī)(Least squares SVM, LSSVM)[3,4]和人工神經(jīng)網(wǎng)絡(luò)(Artificial neural network, ANN)[5]等,這類方法在樣本數(shù)量充足且覆蓋范圍大的情況下,具有建模簡便、預(yù)測準(zhǔn)確等優(yōu)點(diǎn),但這類算法的缺點(diǎn)是訓(xùn)練樣本需求量大,且回歸模型的“外推性”較差;其二,是設(shè)法混合物中各種成分的光譜廓形進(jìn)行擬合估計(jì),利用估計(jì)結(jié)果直接建立光譜強(qiáng)度與成分濃度的線性回歸模型。目前針對(duì)于未知成分光譜估計(jì)的算法主要是自建模曲線分解算法(Self modeling curve resolution, SMCR)[6,7]。這類算法是基于不同源信號(hào)之間的統(tǒng)計(jì)獨(dú)立性、稀疏性、時(shí)空無關(guān)性和光滑性等特性實(shí)現(xiàn)混合信號(hào)的分解。但這類算法通常以信號(hào)的線性組合為理論依據(jù),且無法保證分解結(jié)果的物理意義和唯一性,因此直接用于光譜信號(hào)的分解尚有較大困難。

        摘要:提出了一種基于Voigt函數(shù)的未知成分拉曼光譜擬合算法,利用Voigt峰函數(shù)的疊加形式對(duì)樣本中未知成分所產(chǎn)生的背景光譜進(jìn)行擬合。在扣除背景光譜影響后,利用被測成分的光譜貢獻(xiàn)權(quán)值與成分濃度之間建立線性關(guān)系模型。實(shí)驗(yàn)在3種成分不同的基礎(chǔ)汽油中加入不同體積比例(2.5%~80.0%)的甲醇溶液,利用本方法對(duì)成分未知的基礎(chǔ)汽油所產(chǎn)生的背景光譜進(jìn)行擬合,扣除擬合光譜后,剩余光譜即可視為甲醇的光譜貢獻(xiàn)?;?個(gè)訓(xùn)練樣本建立了甲醇光譜貢獻(xiàn)權(quán)值與濃度之間的線性定量分析模型,模型的預(yù)測均方誤差(RMSEP)為1.86%,復(fù)相關(guān)系數(shù)(R2)達(dá)到0.987。結(jié)果表明,此方法可有效解決混合物中光譜重疊問題,具有訓(xùn)練樣本少、外推性強(qiáng)的優(yōu)點(diǎn)。

        1引言

        拉曼光譜定量分析的理論基礎(chǔ)是在確定的測量條件下,譜峰強(qiáng)度與成分濃度之間具有線性關(guān)系。但在實(shí)際應(yīng)用中,光譜的非線性變化及被測樣本中未知成分所產(chǎn)生的干擾信號(hào)等因素均會(huì)導(dǎo)致線性定量分析模型的失效。針對(duì)于這種情況,目前常用的定量分析建模方法可分為兩類:其一,是基于訓(xùn)練樣本數(shù)據(jù)的統(tǒng)計(jì)特性建立回歸模型,如偏最小二乘(Partial least squares, PLS)[1,2]、最小二乘支持向量機(jī)(Least squares SVM, LSSVM)[3,4]和人工神經(jīng)網(wǎng)絡(luò)(Artificial neural network, ANN)[5]等,這類方法在樣本數(shù)量充足且覆蓋范圍大的情況下,具有建模簡便、預(yù)測準(zhǔn)確等優(yōu)點(diǎn),但這類算法的缺點(diǎn)是訓(xùn)練樣本需求量大,且回歸模型的“外推性”較差;其二,是設(shè)法混合物中各種成分的光譜廓形進(jìn)行擬合估計(jì),利用估計(jì)結(jié)果直接建立光譜強(qiáng)度與成分濃度的線性回歸模型。目前針對(duì)于未知成分光譜估計(jì)的算法主要是自建模曲線分解算法(Self modeling curve resolution, SMCR)[6,7]。這類算法是基于不同源信號(hào)之間的統(tǒng)計(jì)獨(dú)立性、稀疏性、時(shí)空無關(guān)性和光滑性等特性實(shí)現(xiàn)混合信號(hào)的分解。但這類算法通常以信號(hào)的線性組合為理論依據(jù),且無法保證分解結(jié)果的物理意義和唯一性,因此直接用于光譜信號(hào)的分解尚有較大困難。

        猜你喜歡
        訓(xùn)練樣本線性光譜
        基于三維Saab變換的高光譜圖像壓縮方法
        漸近線性Klein-Gordon-Maxwell系統(tǒng)正解的存在性
        高光譜遙感成像技術(shù)的發(fā)展與展望
        線性回歸方程的求解與應(yīng)用
        人工智能
        二階線性微分方程的解法
        寬帶光譜成像系統(tǒng)最優(yōu)訓(xùn)練樣本選擇方法研究
        融合原始樣本和虛擬樣本的人臉識(shí)別算法
        基于稀疏重構(gòu)的機(jī)載雷達(dá)訓(xùn)練樣本挑選方法
        星載近紅外高光譜CO2遙感進(jìn)展
        国产一区资源在线播放| 狠狠狠色丁香婷婷综合激情| 国产精品伦人视频免费看| 男生自撸视频在线观看| 99久久无码一区人妻| 少妇高清精品毛片在线视频| 欧美人成在线播放网站免费| 中文亚洲第一av一区二区| 久久熟妇少妇亚洲精品| 欧美另类高清zo欧美| 亚洲日韩精品欧美一区二区三区不卡 | 精彩亚洲一区二区三区| 特级精品毛片免费观看| japanesehd中国产在线看 | 精品系列无码一区二区三区| 日韩中文字幕久久久老色批| 国产精品成人网站| chinesefreexxxx国产麻豆| 中文字幕一二区中文字幕| 精品国产精品三级在线专区| 日韩丰满少妇无码内射| 欧美成人久久久| 国产一区二区三区在线观看蜜桃| 欲香欲色天天天综合和网| 亚洲精品无码成人片久久不卡| 日韩久久av电影| 天堂丝袜美腿在线观看| 让少妇高潮无乱码高清在线观看| 在线观看免费人成视频| 成人性生交c片免费看| 亚洲精品无码久久久久y| 久久乐国产精品亚洲综合| 无码精品国产午夜| 亚洲毛片在线观看免费| 最近在线更新8中文字幕免费| 国产精品无码久久久一区蜜臀 | 国产免费av片在线观看| 人妻无码AⅤ不卡中文字幕| 国产一区资源在线播放| 色天使综合婷婷国产日韩av| 四虎精品免费永久在线|