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
共找到6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：
有指导的正交投影技术结合斜率/截距校正法实现小试水分近红外定量模型向中试传递 被引量：2
1
作者 杨培 陈瑾 +2 位作者 吴春颖 詹雪艳 臧恒昌 《分析测试学报》 CAS CSCD 北大核心 2019年第9期1044-1050,共7页
针对小试制剂过程建立的近红外定量模型难以直接应用于中试或大生产过程中的问题,该文以小试和中试条件下多批次药用糊精流化床制粒过程为载体,在线采集其近红外光谱数据并测定水分含量,建立小试过程水分近红外定量模型,提出并应用有指... 针对小试制剂过程建立的近红外定量模型难以直接应用于中试或大生产过程中的问题,该文以小试和中试条件下多批次药用糊精流化床制粒过程为载体,在线采集其近红外光谱数据并测定水分含量,建立小试过程水分近红外定量模型,提出并应用有指导的正交投影技术结合斜率/截距校正的模型传递方法跨尺度预测中试样本,使中试两个测试集A和B的水分相对预测误差分别由51.04%和26.64%降至4.90%和3.99%,显著提高了模型预测的准确度。将该结果与无指导的正交投影技术结合斜率/截距校正法以及模型更新相比较,该方法能更加有效地去除待测样本光谱中的干扰信息,适用范围广,为小试建立的模型放大应用到中试甚至大生产过程提供了新方案。 展开更多
关键词 近红外定量模型 流化床制粒 跨尺度模型传递 有指导的正交信号校正法 斜率/截距校正法
下载PDF
基于粒子群优化算法优化反向传播神经网络构建冷藏草鱼新鲜度的近红外光谱预测模型 被引量：3
2
作者 张沁宇 胡志刚 +4 位作者 徐子健 王子豪 蒋亚军 付丹丹 陈艳 《食品安全质量检测学报》 CAS 北大核心 2023年第22期200-209,共10页
目的 基于机器学习算法构建冷藏草鱼新鲜度的近红外光谱预测模型。方法 采集连续冷藏6d的草鱼片的新鲜度指标,并进行方差分析。选择受冷藏天数影响最大的指标—总挥发性盐基氮(total volatile basic nitrogen,TVB-N)进行定量预测。运用... 目的 基于机器学习算法构建冷藏草鱼新鲜度的近红外光谱预测模型。方法 采集连续冷藏6d的草鱼片的新鲜度指标,并进行方差分析。选择受冷藏天数影响最大的指标—总挥发性盐基氮(total volatile basic nitrogen,TVB-N)进行定量预测。运用x-y距离结合的样本划分(samplesetpartitioningbasedonjointx-y distance,SPXY)方法进行数据集的划分,并采用正交信号校正法(orthogonalsignalcorrection,OSC)、Savitzky-Golay(SG)、一阶导数及其组合算法进行光谱预处理。再运用竞争性自适应重加权采样(competitive adaptivereweightedsampling,CARS)、连续投影算法(successiveprojectionsalgorithm,SPA)、主成分分析(principal component analysis, PCA)对光谱变量进行选择和降维。最后结合偏最小二乘回归(partial least squares regression,PLSR)、反向传播(backpropagation,BP)神经网络和粒子群优化算法(particleswarmoptimization,PSO)优化BP神经网络(PSO-BP),建立草鱼(Ctenopharyngodonidella)片新鲜度定量预测模型。结果 各线性和非线性模型均得到了良好的预测效果,预测集相关系数均超过了0.95。PLSR表现较为稳定, BP神经网络虽提高了校正集预测性能,但是预测集性能不如PLSR。PSO-BP既保证了校正集预测性能,也提高了预测集性能。基于OSC+D1预处理和CARS变量选择后的PSO-BP模型性能最优(R2P=0.987,预测集的均方根误差为0.108,相对分析误差为7.778)。结论 基于PSO-BP算法和近红外光谱的定量预测模型可以很好地预测冷藏鱼肉的新鲜度指标。 展开更多
关键词 近红外光谱 冷藏 草鱼 新鲜度 总挥发性盐基氮 粒子群优化算法 反向传播神经网络 正交信号校正法
原文传递
基于OSC/PLS的茶叶中EGCG含量的近红外光谱法测定 被引量：11
3
作者 赵杰文 郭志明 陈全胜 《食品与生物技术学报》 CAS CSCD 北大核心 2008年第4期12-15,共4页
采用正交信号校正法(OSC)对茶叶的近红外光谱进行预处理,并结合偏最小二乘法(PLS)建立表没食子儿茶素没食子酸酯(epigallocatechin gallate,EGCG)含量的预测模型。PLS校正模型采纳的最佳因子数会随着OSC因子的增加而逐渐减少以达到简化... 采用正交信号校正法(OSC)对茶叶的近红外光谱进行预处理,并结合偏最小二乘法(PLS)建立表没食子儿茶素没食子酸酯(epigallocatechin gallate,EGCG)含量的预测模型。PLS校正模型采纳的最佳因子数会随着OSC因子的增加而逐渐减少以达到简化模型的效果。试验以预测残差平方和(PRESS)来评价模型的整体性能,当滤除前6个OSC因子时为最佳,此时校正模型采纳的PLS因子数为5,校正时的相关系数r2和校正标准偏差SEC分别为0.955 90和0.38279,预测时的相关系数r2和预测标准偏差SEP分别为0.936 61和0.444 13。研究结果表明,应用近红外光谱法结合OSC/PLS可以快速准确地测定茶叶中EGCG的含量。 展开更多
关键词 近红外光谱 偏最小二乘法 正交信号校正法 茶叶 表没食子儿茶素没食子酸酯
下载PDF
基于VIP处理的O-PLS算法的无创血糖基础研究 被引量：1
4
作者 徐楠 邓琛 +3 位作者 江潇潇 杨旭 邓高旭 王一鸣 《测控技术》 2019年第3期108-111,共4页
为了解决目前无创血糖检测模型的精度不高,预测效果不好的问题,以葡萄糖水溶液为样本,利用近红外光谱透射法测量不同浓度葡萄糖的吸光度。采用偏最小二乘法(PLS)对葡萄糖溶液的光谱和浓度进行建模和预测,通过正交信号校正法(OSC)消除葡... 为了解决目前无创血糖检测模型的精度不高,预测效果不好的问题,以葡萄糖水溶液为样本,利用近红外光谱透射法测量不同浓度葡萄糖的吸光度。采用偏最小二乘法(PLS)对葡萄糖溶液的光谱和浓度进行建模和预测,通过正交信号校正法(OSC)消除葡萄糖溶液光谱和浓度的主成分中的正交成分,同时,采用了变量投影重要性指标(VIP)筛选出对葡萄糖溶液浓度解释能力强的波长变量。数据结果表明,经过处理后模型验证集的实际值和预测值的相关系数可以达到99. 77%,预测均方根误差(RMSEP)为0. 0048,通过OSC和VIP可以有效提高PLS模型的准确度和预测能力。 展开更多
关键词 近红外光谱 偏最小二乘法 正交信号校正法 变量投影重要性指标 葡萄糖溶液
下载PDF
基于数据驱动的台区线损评估方法 被引量：4
5
作者 吴科成 曲毅 +2 位作者 陈荃 陈义森 欧阳森 《电器与能效管理技术》 2021年第3期29-35,40,共8页
为克服传统评估方法无法挖掘台区线损潜在影响因素、可靠性不高的缺点,提出一种基于数据驱动的台区线损评估方法。获取台区线损的10个影响因素,将其分为固有属性及运行属性两大类评估指标;采用正交信号校正法(OSC)剔除影响因素与台区线... 为克服传统评估方法无法挖掘台区线损潜在影响因素、可靠性不高的缺点,提出一种基于数据驱动的台区线损评估方法。获取台区线损的10个影响因素,将其分为固有属性及运行属性两大类评估指标;采用正交信号校正法(OSC)剔除影响因素与台区线损的正交分量,作为灰色关联分析(GRA)的比较序列,并求取评估指标对台区线损的权重贡献。以10个A级供电台区作为算例,使用GRA、OSC-GRA、AHP-FA 3种算法对台区线损进行评估,结果表明基于OSC-GRA的台区评估方法在挖掘台区线损影响因素的潜在关系方面,以及进行排序评估方面具有最高的准确度。 展开更多
关键词 低压台区 正交信号校正法 灰色关联分析 线损评估
下载PDF
干燥过程中玉米水分质量分数均匀度的高光谱图像无损检测
6
作者 赵伟彦 黄敏 张慜 《食品与生物技术学报》 CAS CSCD 北大核心 2015年第7期717-723,共7页
水分含量均匀度是干燥过程一个重要指标,它是评价干燥食品质量和干燥工艺一个重要参数。作者以干燥过程中的玉米为研究对象,研究高光谱图像技术检测水分质量分数均匀度的方法。采用均值特征和标准差特征结合偏最小二乘法(PLS)建立预测模... 水分含量均匀度是干燥过程一个重要指标,它是评价干燥食品质量和干燥工艺一个重要参数。作者以干燥过程中的玉米为研究对象,研究高光谱图像技术检测水分质量分数均匀度的方法。采用均值特征和标准差特征结合偏最小二乘法(PLS)建立预测模型;并用正交信号校正法对均值特征和标准差进行预处理。结果表明:均值特征和标准差进行预处理后所建立的模型效果较好,预测相关系数为0.839,预测均方根误差为1.74%,潜在变量的数目为2个。研究表明:高光谱图像技术可用于水分质量分数均匀度的直接无损检测。 展开更多
关键词 粮食干燥 高光谱图像技术 均匀度 正交信号校正法
下载PDF
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
使用帮助 返回顶部