基于ICSO-SVM和三维荧光光谱的山梨酸钾浓度检测

山梨酸钾是日常生活中一种典型的食品防腐剂。过量食用防腐剂山梨酸钾,会严重危害人身体健康。以橙汁作为背景溶液,配制山梨酸钾含量在0.007 0～0.100 0 g·L~(-1)之间的山梨酸钾橙汁溶液样本共22组。应用FS920荧光光谱仪对防腐剂山梨酸钾的水溶液以及橙汁溶液的荧光特性进行了研究。由于山梨酸钾和橙汁的荧光特性相互干扰,山梨酸钾橙汁溶液的浓度与荧光强度不再满足线性关系,所以物质浓度的预测比较复杂。通过构建改进鸡群算法优化支持向量机(ICSO-SVM)的模型对荧光光谱数据进行处理。模型选取18个样本作为训练集, 4个样本作为预测集。提取各样本在最佳激发波长λ_(ex)=375 nm下,发射波长在450～520 nm范围内的荧光强度值作为输入,以山梨酸钾橙汁溶液的浓度值作为输出。首先对改进鸡群算法(ICSO)的各个参数进行初始化,然后经过训练输出支持向量机(SVM)的惩罚因子C和核参数g的最佳值,再将得到的最佳值输入SVM模型,得到4组预测浓度值分别为0.011 5, 0.026 0, 0.077 0和0.092 0 g·L~(-1)。ICSO-SVM模型的均方误差为1.02×10~(-5) g·L~(-1),平均回收率为101.88%。相同条件下与鸡群算法优化支持向量机(CSO-SVM)、遗传算法优化支持向量机(GA-SVM)和粒子群算法优化支持向量机(PSO-SVM)进行对比。结果表明ICSO-SVM模型的预测精度高于CSO-SVM, GA-SVM和PSO-SVM,而且改进鸡群算法在训练过程中更容易找到全局最优值,迭代速度更快。该研究为物质浓度预测提供了一种新方法。     

种荧光光谱法和PSO-BP神经网络相结合的山梨酸钾浓度测定的新方法

研究了山梨酸钾在水溶液和橙汁中的荧光特性,结果表明在两种溶液中山梨酸钾的荧光特性虽然有很大的区别,但是它们的荧光特征峰都存在于λ_ex/λ_em=375/490 nm。从二维荧光光谱可以看出,橙汁中山梨酸钾的浓度和相对荧光强度关系错综复杂,两者不再满足线性关系。为了准确测定橙汁中山梨酸钾的浓度,提出了一种微粒群(PSO)算法优化的误差逆向传播(BP)神经网络的新方法。两组预测浓度的相对误差分别为1.83%和1.53%,预测结果表明该方法具有可行性。在浓度范围为0.1~2.0 g·L-1内,PSO-BP神经网络能够完成橙汁中梨酸钾浓度的准确测定。     

荧光光谱结合支持向量机测定食用色素纯度

采用一种由原点矩法改造所得的特征压缩算法对荧光光谱数据进行预处理,将处理后的数据与加权最小二乘支持向量机(WLS-SVM)算法结合,建立鲁棒回归模型,用以预测实际食用色素粉末的纯度。以亮蓝和胭脂红这2种色素为例论述该方法对实际食用色素粉末纯度的预测效果。首先,利用FLS920荧光光谱仪测量获得两种色素的标准样本和实际样本在最佳激发波长下的荧光发射光谱数据,利用由原点矩法改造所得的特征压缩算法对获取的荧光光谱数据进行压缩和变换,一方面缩短了算法的运算时间,另一方面也提高了模型的预测精度。将预处理后的荧光光谱数据输入加权最小二乘支持向量机中建立浓度预测模型,该模型对亮蓝、胭脂红实际样本溶液给出的预测光谱与它们的实测光谱吻合程度好,半高峰宽区间内的平均决定系数分别为0.662和0.931。所有亮蓝、胭脂红溶液的预测浓度和标称浓度之间具有良好的线性关系,相关系数分别为0.997和0.992。由此通过多项式拟合得到的亮蓝、胭脂红粉末的预测纯度分别为61.0%和72.3%。     

基于拉曼光谱和最小二乘支持向量机的橄榄油掺伪检测方法研究

为实现橄榄油中掺伪油类型的识别和掺伪量预测,对掺入葵花籽油、大豆油、玉米油的橄榄油共117个样品进行拉曼光谱检测,并用基于多重迭代优化的最小二乘支持向量机模型对掺入油的类型进行识别,综合识别率为97%。同时分别采用最小二乘支持向量机、人工神经网络模型、偏最小二乘回归建立橄榄油中葵花籽油、大豆油、玉米油含量的拉曼光谱定标模型,结果显示最小二乘支持向量机具有最优的预测效果,其预测均方根误差(RMSEP)在0.007 4～0.014 2之间。拉曼光谱结合最小二乘支持向量机可为橄榄油掺伪检测提供一种精确、快速、简便、无损的方法。     

基于荧光光谱技术和GA-BP神经网络的对羟基苯甲酸甲酯钠含量的测定

对羟基苯甲酸甲酯钠是一种使用广泛的防腐剂,食用过量将会危害身体健康,因此各国对对羟基苯甲酸甲酯钠的用量有严格规定。采用FS920荧光光谱仪分析了对羟基苯甲酸甲酯钠在水和橙汁溶液中的荧光光谱特性,发现水溶液的荧光特征峰位于λ_ex/λ_em=380/510 nm,橙汁溶液两个荧光特征峰,分别位于λ_ex/λ_em=440/530 nm和470/530 nm,最佳激发波长为440 nm。从实验结果可以看出两者的特征峰发生了明显的变化。经分析得出,对羟基苯甲酸甲酯钠橙汁溶液与对羟基苯甲酸甲酯钠水溶液相比,荧光特征峰发生变化是由橙汁的荧光特性干扰引起的。为了准确测定鲜橙汁中对羟基苯甲酸甲酯钠含量,根据对羟基苯甲酸甲酯钠橙汁溶液在激发波长λ_ex=440 nm时的相对荧光强度和对羟基苯甲酸甲酯钠含量的关系,基于GA-BP神经网络构建了橙汁中对羟基苯甲酸甲酯钠含量检测数学模型,当网络训练过程中误差精度达到10-3时,网络输出与期望的相关系数为0.996,预测样本的平均回收率为99.52%,平均相对标准偏差为0.86%,预测结果较为理想。结果证明,当浓度范围为0.02~1.0 g·L-1时,荧光光谱技术和GA-BP神经网络相结合的方法能够准确地测定鲜橙汁中对羟基苯甲酸甲酯钠的含量,此方法具有新颖简便性,同时有望应用于一般饮品中对羟基苯甲酸酯类钠盐含量的快速测定。     

近红外光谱法快速测定工作场所莠去津浓度的研究

莠去津是一种广泛使用的除草剂,我国是其原药的主要生产国家。为加强工作场所莠去津暴露浓度的检测力度,保障职业接触工人身体健康,研究开发工作场所莠去津浓度的现场快速检测方法具有重要现实意义。利用自行组装的便携式近红外光谱仪,采集了实验室配置的浓度为10～1 000 mg·L-1的莠去津溶液样本光谱,并比较了多元散射校正、变量标准化、一阶导数方法、二阶导数方法及其组合等光谱预处理方法,竞争自适应重加权采样变量选择法和遗传算法等变量选择方法,偏最小二乘算法和支持向量机等回归方法对近红外光谱模型分析精度的影响。研究发现一阶导数是最佳光谱预处理方法;遗传算法优选的光谱变量表现优于竞争自适应重加权采样变量选择法;支持向量机模型表现优于偏最小二乘模型。基于遗传算法选择的16个光谱变量建立的支持向量机模型分析精度最高,其定标决定系数、验证决定系数、定标均方差、预测均方差和相对分析误差(成分浓度的标准偏差与预测均方差的比值)分别为1,0.99,17.54 mg·L-1,25.42 mg·L-1和11.43,有望应用于工作场所莠去津浓度的实际检测中。该研究探讨了近红外光谱法检测工作场所莠去津浓度的可行性,相关结果对于未来类似工作的开展具有重要参考价值。     

SPA-LS-SVM检测土壤有机质和速效钾研究

应用可见/短波近红外光谱分析测量土壤有机质和速效钾含量。光谱预处理包括平滑,标准归一化,多元散射校正和平滑结合一阶导数,以消除系统噪声和外部干扰,分别应用偏最小二乘和最小二乘支持向量机方法建立校正模型,模型的输入为基于连续投影算法得到的特征波长。比较显示基于连续投影算法得到的特征波长为输入的最小二乘支持向量机优于偏最小二乘法建模。模型评价指标由相关系数和预测均方误差表示。有机质的相关系数和预测均方误差分别0.860 2和2.98,速效钾为0.730 5和15.78。表明基于连续投影算法可见/短波近红外光谱利用最小二乘支持向量机建模,可以作为一个精确的土壤有机质和速效钾的测定方法。     

对比分析多种化学计量学方法在激光诱导击穿光谱土壤元素定量分析中的应用

为提高激光诱导击穿光谱技术对土壤元素检测的精度,建立了相关向量机土壤元素定量分析模型,并将该模型与已有的支持向量机模型和最小二乘支持向量机模型进行对比分析。以土壤元素Ni的4条特征谱线作为分析线,对其进行全谱归一化处理后,利用训练样品集建立相关向量机、支持向量机和最小二乘支持向量机模型。测试样品集的测试结果表明:在模型预测精度方面,支持向量机模型比另两种模型方法差;在稳定性方面,最小二乘支持向量机模型比另两种模型差。在实际应用中,相关向量机模型在稳定性及预测精度上的优势使其比另两个模型更适合用于激光诱导击穿光谱技术的定量分析中。     

基于粒子群优化的最小二乘支持向量机在混合气体定量分析中的应用

针对混合气体建模过程中最小二乘支持向量机参数难以确定及红外光谱数据计算量过大的问题,提出一种粒子群优化的最小二乘支持向量机方法,用于建立基于主成分分析特征提取的红外光谱多组分气体定量分析模型。首先对主吸收峰区域的550个红外光谱数据利用主成分分析技术进行了特征提取,将降维得到的7个特征值作为模型的输入变量从而有效地降低了计算量。混合气体主要由浓度范围分别是0.1%～1%的甲烷、乙烷及0.1%～1.5%的丙烷三种组分气体组成。采用最小二乘支持向量机技术分别建立了各组分气体的定量分析模型,利用粒子群优化算法对最小二乘支持向量机算法中的参数进行了优化选取,取代了传统的遍历优化方法,然后利用取得的最优参数重建定量分析模型。实验结果表明,采用此方法离线建模所用时间比采用遍历优化方法节省40倍以上,预测结果误差水平相当,满足实测要求。粒子群优化算法在全局优化及收敛速度方面具有较大优势。粒子群优化算法与最小二乘支持向量机技术相结合用于混合气体定量分析是切实可行的,具有一定的实际意义和应用价值。     

基于最小二乘支持向量机算法的三维荧光光谱技术在中国白酒分类中的应用

为了对白酒的鉴别分类方法进行创新研究,文章对近百种白酒的荧光光谱进行了测定,并合成其三维荧光光谱图。经对比研究和反复仿真实验发现,通过所提取的白酒三维荧光光谱的3个特定参数,可以实现对白酒种类的准确分类。分类的准确率可达87%以上。为了证明所选参数对白酒分类的有效性,把最小二乘支持向量机应用到白酒的鉴别分类中,并通过计算机模拟进行验证。同时还应用经典支持向量机、概率神经网络对所提取的相同数据进行分类和仿真,并将其仿真结果与使用最小二乘支持向量机仿真的结果进行比较。结果发现,使用最小二乘支持向量机可以取得更为准确的分类结果。