推荐厂家
暂无
暂无
[b][size=18px][font=宋体]1[/font][font=宋体]、背景介绍[/font][/size][/b][font=宋体] 随着微机电技术的发展,近几年,便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]被广泛应用于食品、饮料、医药、煤炭等各个领域,相较于传统的大型傅里叶变换光谱分析系统,其具有结构简单、成本低廉、携带方便、结果实时可见等优势,目前已成为光谱领域的热门产品。但是便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]易受光源、检测器、使用方法、环境条件等影响,使得采集的光谱数据稳定性差,精度低,进而造成预测结果不稳定、预测准确率低等问题。[/font][font=宋体] 为了解决上述问题,提升便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析结果的稳定性及准确性,目前行业内[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]数据建模优化工作,主要集中于数据源筛选、预处理算法优化、模型筛选算法优化等基于PLS算法的单模型建模优化工作,此类建模算法主要适用于高精度的傅里叶[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]。对于自身硬件分辨率较低的便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url],适用性较差。因此本帖在基于PLS算法建模的基础上,提出多模型加权预测的方法,以特定准则选取相对稳定、准确率较高的若干个光谱模型,结合模型自身系数进行加权预测的方式来提升便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]整体性能,进而提升便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]的预测稳定性及准确率。[/font][b][size=18px][font=宋体]2[/font][font=宋体]、方法解析[/font][/size][font=宋体]2.1[/font][font=宋体]样本集合划分[/font][/b][font=宋体] 使用便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]采集400个待测样品,采用Kennard Stone(K-S)算法对样本进行划分,将样本划分为训练集(200个)、验证集(100个)、盲测集(100个)、避免人为划分样本的主观性。[/font][b][font=宋体]2.2[/font][font=宋体]光谱预处理[/font][/b][font=宋体] 便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]采用常规的单一预处理方式效果不佳,本贴采用双预处理嵌套的方式对样品进行处理,其中第一级、第二级预处理均可设置不同的预处理参数,通过不同预处理方式,预处理参数的设置可以获取多种预处理结果。[/font][align=center][img=双预处理嵌套,690,325]https://ng1.17img.cn/bbsfiles/images/2023/09/202309042103332831_7122_5075516_3.png!w690x325.jpg[/img][/align][b][font=宋体]2.3[/font][font=宋体]光谱建模[/font][/b][font=宋体] [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]定量分析建模方法包括多元线性回归([/font][font='Times New Roman',serif]MLR[/font][font=宋体])、主成分回归([/font][font='Times New Roman',serif][url=https://insevent.instrument.com.cn/t/jp][color=#3333ff]PCR[/color][/url][/font][font=宋体])、偏最小二乘回归([/font][font='Times New Roman',serif]PLS[/font][font=宋体])、人工神经网络([/font][font='Times New Roman',serif]ANN[/font][font=宋体])和支持向量机([/font][font='Times New Roman',serif]SVM[/font][font=宋体])等。其中,[/font][font='Times New Roman',serif]PLS[/font][font=宋体]算法应用最为广泛,选用[/font][font='Times New Roman',serif]PLS[/font][font=宋体]算法进行建模。通过多种预处理结果、不同[/font][font='Times New Roman',serif]PLS[/font][font=宋体]主成分数选择组合建立多个光谱定量分析模型,若设定一级预处理为[/font][font='Times New Roman',serif]M[/font][font=宋体]种,二级预处理为[/font][font='Times New Roman',serif]N[/font][font=宋体]种,[/font][font='Times New Roman',serif]PLS[/font][font=宋体]主成分数选择为[/font][font='Times New Roman',serif]T[/font][font=宋体]种,则通过不同排列组合可以建立合计[/font][font='Times New Roman',serif]M*N*T[/font][font=宋体]个光谱定量分析模型。[/font][align=center][img=多种建模方式,690,198]https://ng1.17img.cn/bbsfiles/images/2023/09/202309042104079253_7276_5075516_3.png!w690x198.jpg[/img][/align][b][font=宋体]2.4[/font][font=宋体]光谱模型选择[/font][/b][font=宋体] 基础模型一:在上述建立的大量光谱定量分析模型中,选择光谱模型最通用的两大表征系数,即模型相关系数([/font][font='Times New Roman',serif]R2[/font][font=宋体]值)以及均方根误差([/font][font='Times New Roman',serif]RMSECV[/font][font=宋体]值)进行基础模型筛选,选择模型相关系数最大的模型为基础模型[/font][font='Times New Roman',serif]A[/font][font=宋体],模型均方根误差最小的模型为基础模型[/font][font='Times New Roman',serif]B。[/font][font=宋体] 基础模型二:在基础模型一中引入验证集,通过训练集建立的多个光谱模型对验证集进行预测,将预测值与验证集标定值进行计算,获取偏差值,选择偏差值最小的光谱模型为基础模型[/font][font='Times New Roman',serif]C。[/font][align=center][img=基础模型C,690,264]https://ng1.17img.cn/bbsfiles/images/2023/09/202309042104332526_3725_5075516_3.png!w690x264.jpg[/img][/align][font=宋体] 基础模型三:在基础模型二中引入准确率,在近红外快检的实际应用中,对于预测偏差值在一定阈值范围内的样本定义为准确预测样本,若超出阈值则为预测错误样本,选择准确率最高的光谱模型为基础模型[/font][font='Times New Roman',serif]D。[/font][align=center][img=基础模型D,690,235]https://ng1.17img.cn/bbsfiles/images/2023/09/202309042104460652_3475_5075516_3.png!w690x235.jpg[/img][/align][b][font=宋体]2.5[/font][font=宋体]权重系数计算[/font][/b][font=宋体] 光谱模型不同,对盲测样本的预测能力不同,结合光谱模型的模型相关系数([/font][font='Times New Roman',serif]R2[/font][font=宋体]值)或者均方根误差([/font][font='Times New Roman',serif]RMSECV[/font][font=宋体]值)计算各个模型的预测权重,以模型相关系数为例:[/font][align=center][font='Times New Roman',serif]Ti=Ri/(R1+R2+R3+R4)[/font][/align][font=宋体] 其中,[/font][font='Times New Roman',serif]R1[/font][font=宋体]为基础模型[/font][font='Times New Roman',serif]A[/font][font=宋体]的模型相关系数,[/font][font='Times New Roman',serif]R2[/font][font=宋体]为基础模型[/font][font='Times New Roman',serif]B[/font][font=宋体]的模型相关系数,依此类推。[/font][font='Times New Roman',serif]Ti[/font][font=宋体]为各个基础模型对应权重系数。[/font][b][font=宋体]2.6[/font][font=宋体]多模型加权预测[/font][/b][font=宋体] 分别采用光谱基础模型[/font][font='Times New Roman',serif]A[/font][font=宋体]、[/font][font='Times New Roman',serif]B[/font][font=宋体]、[/font][font='Times New Roman',serif]C[/font][font=宋体]、[/font][font='Times New Roman',serif]D[/font][font=宋体]对盲测集[/font][font='Times New Roman',serif]100[/font][font=宋体]个样本进行预测,以盲测集单个样本为例,四个光谱模型对应获取四个预测值[/font][font='Times New Roman',serif]a[/font][font=宋体]、[/font][font='Times New Roman',serif]b[/font][font=宋体]、[/font][font='Times New Roman',serif]c[/font][font=宋体]、[/font][font='Times New Roman',serif]d [/font][font=宋体],结合权重系数计算最终单一预测值[/font][font='Times New Roman',serif]S[/font][font=宋体]:[/font][align=center][font=宋体][/font][/align][align=center][font='Times New Roman',serif]S=a*T1+b*T2+c*T3+d*T4[img=多模型加权预测,690,212]https://ng1.17img.cn/bbsfiles/images/2023/09/202309042106560595_5692_5075516_3.png!w690x212.jpg[/img][/font][/align][b][size=18px][font=宋体]3[/font][font=宋体]、实际应用[/font][/size][font=宋体]3.1[/font][font=宋体]硬件信息[/font][/b][font=宋体] 硬件设备为四川长虹研发的[/font][font='Times New Roman',serif]PV800-III[/font][font=宋体]便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url],光谱仪波段范围为[/font][font='Times New Roman',serif]1350nm-2150nm[/font][font=宋体],采样间隔为[/font][font='Times New Roman',serif]6nm[/font][font=宋体],尺寸为[/font][font='Times New Roman',serif]Φ100mm×76.8mm[/font][font=宋体],重量约[/font][font='Times New Roman',serif]750g。[/font][b][font=宋体]3.2[/font][font=宋体]样本采集:[/font][/b][font=宋体] 采集[/font][font='Times New Roman',serif]400[/font][font=宋体]个酒醅样品,其中酒醅水分、淀粉、酸度等理化指标均由车间经验丰富化验员按常规化学方法测定所得。[/font][b][font=宋体]3.3[/font][font=宋体]分析对比[/font][/b][font=宋体] 结合酒醅常用的光谱预处理算法及[/font][font='Times New Roman',serif]PLS[/font][font=宋体]单模型建模算法对本应用中酒醅数据进行建模,通过多种预处理组合优化,有效剔除光谱数据中的大量无用信息,并结合[/font][font='Times New Roman',serif]PLS[/font][font=宋体]算法,将高维光谱数据进行有效降维,提升光谱数据的有效性及准确度。最后以[/font][font='Times New Roman',serif]RMSECV[/font][font=宋体]作为模型筛选指标,利用筛选的最优模型对[/font][font='Times New Roman',serif]100[/font][font=宋体]条未知样本进行模型外验证,图[/font][font='Times New Roman',serif]a~c[/font][font=宋体]依次给出了传统单模型水分、酸度、淀粉[/font][font='Times New Roman',serif]3[/font][font=宋体]个指标的模型外预测分布情况,图中横坐标为标定值,纵坐标为预测值,黄色区域为模型允许的误差范围(水分、淀粉允许误差为绝对偏差[/font][font='Times New Roman',serif]±1[/font][font=宋体],酸度允许误差范围为绝对偏差[/font][font='Times New Roman',serif]±0.3[/font][font=宋体]),采用基于多模型加权预测的近红外定量分析方法对上述酒醅光谱数据进行建模,利用筛选的多个光谱模型对相同的[/font][font='Times New Roman',serif]100[/font][font=宋体]条未知样本进行加权预测,图[/font][font='Times New Roman',serif]d~f[/font][font=宋体]依次依次给出了多模型加权预测方法水分、酸度、淀粉[/font][font='Times New Roman',serif]3[/font][font=宋体]个指标的模型外预测分布情况。[/font][img=酒醅定量分析,690,318]https://ng1.17img.cn/bbsfiles/images/2023/09/202309042105316390_239_5075516_3.png!w690x318.jpg[/img][font=宋体] 多模型加权预测方法相较于传统单模型预测方法,各指标准确率均有不同幅度提升,3个指标准确率平均提升约11%。各指标准确率均达到了企业车间应用要求。[/font][b][size=18px][font=宋体]4[/font][font=宋体]、结论[/font][/size][/b][font=宋体] 利用便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url],分别以传统单模型建模方法、多模型加权预测方法进行酿酒车间酒醅各成分光谱建模,并对[/font][font='Times New Roman',serif]100[/font][font=宋体]个未知样本进行模型外预测分析。结果表明,基于多模型加权预测的近红外定量分析方法,可以有效弥补便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]在采样精度、稳定性等方面的不足。相较于单模型建模预测结果,多模型加权预测方法将酒醅样本各成分预测准确率平均提升了约[/font][font='Times New Roman',serif]11%[/font][font=宋体],甚至可有效逼近大型傅里叶光谱仪设备预测效果,是一种可以在便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]快检领域推广应用的实用方法。[/font]
多尺度粒子图像测速系统那家最好
科学家首次用光子模拟时间旅行证实时间旅行可在量子尺度上实现http://www.wokeji.com/shouye/zbjqd/201406/W020140625080681152943.jpg 科技日报讯 (记者刘霞)如果一名时间旅行者回到过去,破坏其祖父母之间的结合,那么,他是否也就不会出生呢?这是经典的“祖父悖论”的核心问题所在,“祖父悖论”常被人拿来论证时间旅行不可能存在,但有些科学家则不这么认为。 据英国《每日邮报》网站6月24日(北京时间)报道,澳大利亚昆士兰大学的科学家首次使用两个光量子(光子)模拟了量子粒子在时间中的旅行并对其“一举一动”进行了研究,结果表明,至少在量子尺度上,时间旅行是可以实现的。研究发表在最新一期的《自然·通讯》杂志上。 科学家们使用光子(光的单个粒子)来模拟回到过去的量子粒子并对其行为进行了研究。在实验中,他们对一个进行时间旅行的光子可能产生的两种结果进行了考察。第一种结果是:“1号光子”会通过虫洞进入过去并同以前的自己相互作用。第二种结果是:“2号光子”会在正常的时空内行进,但会通过虫洞同一颗卡在时间旅行环—封闭类时曲线(CTC,是物质粒子于时空中的一种世界线,其为“封闭”,亦即会返回起始点)内的光子相互作用。模拟“2号光子”的行为使“1号光子”的行为也能被研究,结果表明,时间旅行在量子尺度上可以实现。 该研究的主要作者、数学和物理学院的博士生马丁·瑞巴尔说:“时间旅行问题是阐释恒星、星系等大尺度世界的基本运行原理的爱因斯坦广义相对论和描述原子、分子等微小尺度世界运行原理的量子力学这两大最成功但最不兼容理论的交界点。” 爱因斯坦的理论认为,或许可以通过一条时空通道,回到时间上更早的空间上的起始点,但这种可能性让物理学家和哲学家们困惑不已,因为这似乎会导致一些悖论,比如经典的“祖父悖论”。 昆士兰大学的蒂莫西·拉尔夫表示,1991年,有科学家预测,量子世界发生的时间旅行或许可以避免这些悖论。拉尔夫说:“量子粒子的属性含糊且不确定,这或许给了它们足够的摆动空间,来避免前后矛盾的时间旅行环境。” 科学家们表示,尽管同样的模拟是否能证明更大的粒子(比如原子)或一群粒子可以进行时间旅行还是个未知数,但最新研究有助于他们更好地理解广义相对论和量子力学理论之间的相互关联。 左图 在模拟实验中,一个被卡在封闭类时曲线的光子被发现能与在正常的时空内行进的光子相互作用。 总编辑圈点 爱因斯坦的相对论不否定时空穿越——质量造成两处时空弯曲,若交汇于一点,就生出一条“虫洞”,我们由之穿越到七千万年前的仙女座星云,不是不可能——但“虫洞”只是假想,前提是广义相对论完全正确。我们的世界有时间旅行者吗?有科学家编写了软件,在网络上搜寻“未来客”存在的迹象,至今尚未找到。几年前还有科学家用光子做实验,让它携带信息到过去改变自己,结果失败了。如此看来,诸多幻想似乎只能停留在小说里。但科学家不会放过穿越主题,它至少是个很好玩的思想游戏。来源:中国科技网-科技日报 2014年06月25日