基于紅外光譜SIMCA方法的研究及應(yīng)用.pdf

1、隨著電子科學(xué)技術(shù)的發(fā)展，光譜的獲取變得越來越容易，逐漸成為了分析技術(shù)的理想信息載體。光譜分析技術(shù)將光譜和模式識別方法結(jié)合起來，能夠用于物質(zhì)的定性和定量分析，適于實驗室常規(guī)分析、現(xiàn)場分析和在線分析，已廣泛應(yīng)用于石化、制藥、農(nóng)業(yè)、民生產(chǎn)品檢測等領(lǐng)域，有著巨大的發(fā)展?jié)摿凸饷鞯膽?yīng)用前景。雖然光譜模式識別方法的應(yīng)用成熟但也存在缺陷，本文針對光譜定性分析方法進行了研究及應(yīng)用。
　　SIMCA方法是光譜定性分析中應(yīng)用最廣泛，發(fā)展最成熟的方法。

2、它采用PCA模型參數(shù)和F檢驗構(gòu)造計算T2i/T2ucl和Si/Q統(tǒng)計量作為樣本分類的新屬性，并計算待測樣本到各類主成分空間的歐式距離作為判別類別的依據(jù)，是一種最常用和優(yōu)秀的光譜分類方法。但是，在Q對T2作圖平面上，以歐式距離確定的樣本分布范圍是一個圓，多數(shù)情況下并不一定能符合實際樣本分布規(guī)律。本文在分析SIMCA理論缺陷的基礎(chǔ)上，提出了一種新方法，即用馬氏距離代替歐氏距離作為判別依據(jù)來判斷樣本的類別。并設(shè)計了采用紅外光譜判別組分比例很接

3、近的摻假食用油樣本的實驗，以及用近紅外光譜判別相近皮毛樣本的實驗。用調(diào)和比5％-8％的食用油紅外光譜PCA模型，分別以馬氏距離和歐式距離計算出其樣本的分布范圍，結(jié)果表明馬氏距離的分類與識別能力更強。驗證集的判別結(jié)果表明新方法對化學(xué)組成差異微小的樣品分類精度明顯優(yōu)于SIMCA。
　　現(xiàn)今市場上出現(xiàn)優(yōu)質(zhì)食用油中摻雜廉價油來以次充好的現(xiàn)象，對社會造成了惡劣的影響。紅外光譜非常適合食用油的快速檢測和在線分析，可以為解決此現(xiàn)象供技術(shù)支持，因

4、為紅外光譜技術(shù)操作簡單、檢測快速、無環(huán)境污染、無樣本破壞。因此本文提出利用紅外光譜技術(shù)結(jié)合模式識別方法對食用油進行定性分析。但是食用油的組成成分相近，我們所常用的SIMCA方法在這方面的分類并不理想，于是提出一種改善的方法，在SIMCA建模的基礎(chǔ)上加入SVDD，用SVDD的方法來判斷數(shù)據(jù)的類別。SVDD有2個可調(diào)參數(shù)，可以隨數(shù)據(jù)的分布調(diào)節(jié)判別公式，使結(jié)果更具有說服力。由食用油和調(diào)和油實驗結(jié)果可知，SIMCA方法區(qū)分不出調(diào)和油和其他油，而