浙江省科技厅重点资助项目(2006C21044)
- 作品数：4 被引量：51H指数：4
- 相关作者：方利民林敏更多>>
- 相关机构：中国计量学院更多>>
- 发文基金：浙江省科技厅重点资助项目国家自然科学基金更多>>
- 相关领域：理学自动化与计算机技术石油与天然气工程医药卫生更多>>
- 基于独立分量和神经网络的近红外多组分分析方法被引量：28
- 2008年
- 采用小波变换对光谱数据进行压缩,用独立分量分析(ICA)方法提取近红外光谱数据矩阵的独立成分和相应的混合矩阵,再用BP神经网络对混合矩阵和实测浓度矩阵进行建模,提出了基于独立分量分析-神经网络回归(ICA-NNR)的近红外分析建模方法。进一步研究了独立分量数和网络中间隐层的神经元数对模型性能的影响,经优化后的ICA-NNR模型在相关系数与均方根误差两个指标上均优于直接用光谱矩阵作为输入所建立的模型。本方法用于玉米中水分、淀粉、蛋白质3种主要成分含量的同时测定,检验样品集的化学检测值与近红外预测值的相关系数分别达到:淀粉r=0.971,蛋白质r=0.976,水分r=0.975。
- 方利民林敏
- 关键词：独立分量分析神经网络小波变换近红外光谱
- 基于FastICA和神经网络的红酒主要品质参数红外检测被引量：7
- 2009年
- 为实现红酒中酒精含量、pH值以及残糖量的快速检测,对44个红酒样品的红外光谱数据进行了分析。使用快速独立分量分析(FastICA)算法对光谱数据矩阵进行分解,得到独立成分和相应的混合系数矩阵,再利用误差反向传播算法(back-propagation,BP)构造了三层的神经网络结构,建立了ICA-NNR模型。利用此模型对红酒样品的酒精含量、pH值以及残糖量进行预测,根据预测相关系数(r)和预测标准偏差(RMSEP)来评价预测模型的性能,结果表明该模型对红酒酒精含量、pH值以及残糖量测定的相关系数r分别为0.953,0.983和0.994,RMSEP分别为0.161,0.017,0.181。此外,预测样品集中的22个样品ICA-NNR模型预测值与参考值相比,酒精含量、pH值以及残糖量的最大相对偏差均小于4%。这为进一步开发红酒成分红外在线分析仪奠定了基础。
- 方利民林敏
- 关键词：红酒快速独立分量分析神经网络酒精含量
- ICA方法与NIR技术用于药片中活性成分含量的测定被引量：5
- 2008年
- 用独立分量分析(ICA)方法提取药片近红外光谱数据矩阵的独立成分和相应的混合矩阵,再用BP神经网络对混合矩阵和药片中活性成分的浓度矩阵进行建模,提出了新的药片活性成分含量测定的基于独立分量分析-神经网络回归(ICA-NNR)的近红外光谱分析方法.通过分析独立分量数和网络中间隐层的神经元数对模型性能的影响,分别建立三类药片定量分析的最优模型.该方法用于实测的三类药片中活性成分含量的测定,测试样品集的化学检测值与近红外预测值的相关系数分别达到0.962,0.980及0.979.结果表明,基于ICA-NNR的近红外光谱分析方法对制药业的药片进行定量分析是可行的.
- 方利民林敏
- 关键词：独立分量分析近红外光谱药片
- 柴油近红外光谱的独立分量分析方法被引量：13
- 2008年
- 将新兴的多变量分析工具——独立分量分析(ICA)应用到石化行业中,分析柴油的十六烷值和密度、组分中芳烃含量与其近红外光谱之间的关系。ICA方法用于提取柴油近红外光谱数据矩阵的独立成分和相应的混合矩阵,再用BP神经网络对混合矩阵和十六烷值、芳烃含量以及密度进行回归分析,提出了新的柴油组分含量测定和特性分析的基于独立分量分析-神经网络回归(ICA-NNR)的近红外光谱分析方法。通过分析独立分量数和网络中间隐层的神经元数对模型性能的影响,分别建立柴油组分含量测定模型和密度特性的关联模型。结果表明,该方法用于实测的柴油样品近红外光谱数据的处理,测试样品集的标准方法测定值与所建模型预测值的相关性及相对误差均优于现行常用的PLS、PCR等方法。基于ICA-NNR的近红外光谱分析方法对石化行业中油品的组分及物理特性分析具有很好的可行性。
- 方利民林敏
- 关键词：独立分量分析人工神经网络近红外光谱柴油
