摘要： 為探索區(qū)塊鏈技術(shù)對供應(yīng)鏈金融的影響機制,從網(wǎng)絡(luò)嵌入性視角出發(fā),收集了279份數(shù)據(jù)樣本。建立“數(shù)字信用共治—網(wǎng)絡(luò)嵌入性—供應(yīng)鏈金融績效”的基本理論模型,運用偏最小二乘法驗證結(jié)構(gòu)方程模型,并進一步用模糊集定性比較分析分別以融資周期、融資額度、融資可獲得性及融資成本4個融資績效維度作為結(jié)果變量進行組態(tài)分析,得到6個融資績效影響因素等效構(gòu)型。研究結(jié)果表明:區(qū)塊鏈技術(shù)無法通過提高企業(yè)中心度降低融資成本;不能通過提高企業(yè)關(guān)系持久度提高企業(yè)融資額度,也不能通過提高企業(yè)間合作頻率縮短企業(yè)融資周期。除此之外,從網(wǎng)絡(luò)嵌入性角度將各融資績效維度提升機制歸納為:市場環(huán)境引導(dǎo)機制、核心優(yōu)勢主導(dǎo)機制、企業(yè)交流引領(lǐng)機制、內(nèi)外兼修維持機制。最后根據(jù)各融資績效維度影響機制,從網(wǎng)絡(luò)嵌入性的角度打開區(qū)塊鏈技術(shù)提升供應(yīng)鏈金融績效的“黑箱”,并為中小企業(yè)提高融資績效提供可實施建議。

摘要： 以含巰基葡聚糖凝膠的吸附柱手控注射萃取,結(jié)合偏最小二乘方法(PLS)開展萃取富集-可見光譜多元校正分析,建立Pb(II)、Cd(II)和Cu(II)金屬離子多組分識別數(shù)學(xué)模型;優(yōu)化注射吸附柱萃取參數(shù),研究不同組分的光譜相關(guān)性、識別模型主成分?jǐn)?shù)和預(yù)測準(zhǔn)確性.在最佳條件下,Pb(II)、Cd(II)和Cu(II)離子可以被同時測定,最低理論檢出限分別可達(dá)0.6、0.2和0.2 ng·mL^(-1);Pb、Cd和Cu的PLS分析與原子吸收光譜法比較,測定偏差為-8.2%~1.8%,-2.0%~-12.9%和-1.5%~8.4%;水樣中Pb、Cd和Cu組分均能得到良好的檢測,檢測回收率為82.5%~112.5%,結(jié)果良好.

摘要： 利用光纖光譜技術(shù)對50個駿棗進行浸泡梯度的水分分析,通過選用偏最小二乘法(PLS)建立駿棗浸泡梯度水分定量模型。光譜數(shù)據(jù)預(yù)處理方法分別為光程恒定(Con)、多元散射校正(MSC)、標(biāo)準(zhǔn)正態(tài)變換(SNV)、S-G平滑。在駿棗浸泡20~60min內(nèi),含水率檢測精度較低,無法精準(zhǔn)預(yù)測駿棗的品質(zhì)信息;在駿棗浸泡120min時含水率檢測精度最高,相關(guān)系數(shù)(R)為0.99462、校正標(biāo)準(zhǔn)偏差(RMSEC)為0.169、預(yù)測標(biāo)準(zhǔn)偏差(RMSEP)為1.67。通過試驗結(jié)果可以看出可見光光譜技術(shù)對駿棗浸泡梯度水分定量模型的預(yù)測是可行的。

摘要： 用探頭式近紅外光譜儀(NIR)在線測量工業(yè)硝基苯的純度,選擇甲苯為模型雜質(zhì),基于實驗設(shè)計,配制純度99%~100%的硝基苯樣品,使用氣相色譜法離線標(biāo)定樣品純度數(shù)據(jù),使用偏最小二乘法(PLS)研究了基于NIR的硝基苯樣品的純度預(yù)測模型。為克服近紅外光譜中的合頻、倍頻以及基線漂移等干擾信息,研究了五種數(shù)據(jù)預(yù)處理方法對純度預(yù)測模型準(zhǔn)確性的影響。選擇標(biāo)準(zhǔn)正態(tài)變量校正預(yù)處理方法(SNV),其中R^(2)_(Cal)為0.9974,R^(2)_(CV)為0.9968,R^(2)_(Pre)為0.9955,校正均方根誤差(RMSEC)為0.0002,交叉驗證均方根誤差(RMSEVCV)為0.0002,預(yù)測均方根誤差(RMSEP)為0.0002,相對偏差在0.05%以內(nèi)。實現(xiàn)了對含甲苯雜質(zhì)的硝基苯樣品純度的準(zhǔn)確在線測量和質(zhì)量控制,相比以往的氣相色譜離線檢測法,有效提高了檢測速度,避免了制樣對測量準(zhǔn)確性的影響,能幫助實現(xiàn)工業(yè)硝基苯輸送過程連續(xù)化,具有重要的工業(yè)應(yīng)用潛力。

摘要： 飼料是畜牧生產(chǎn)的物質(zhì)基礎(chǔ),飼草原料和飼料產(chǎn)品營養(yǎng)價值的檢測與評估是飼料生產(chǎn)中的重要環(huán)節(jié),面對飼草資源中粗蛋白含量低和大量依靠進口飼料的局面,大豆作為優(yōu)質(zhì)的高蛋白豆科飼草是畜牧業(yè)生產(chǎn)利用的重要資源。不同青飼大豆及其不同刈割期的飼用品質(zhì)參數(shù)可以評價青飼大豆的飼用性能,但目前主要以化學(xué)方法進行檢測,過程繁瑣,試驗周期長、易造成人為操作誤差,且青飼大豆主要飼用品質(zhì)指標(biāo)的光譜快速檢測尚屬空白,亟待開發(fā)和利用。鑒于近紅外光譜快速分析技術(shù)在檢測領(lǐng)域及飼料分析中的廣泛應(yīng)用,利用近紅外光譜分析技術(shù)在950~1650 nm范圍內(nèi)收集不同大豆品種不同刈割時期的全株樣品光譜,對樣品的主要飼用品質(zhì)參數(shù)粗蛋白(CP)含量、中性洗滌纖維(NDF)含量和酸性洗滌纖維(ADF)含量三個指標(biāo)按國家標(biāo)準(zhǔn)或行業(yè)標(biāo)準(zhǔn)的化學(xué)方法進行檢測,得到的150份樣品的品質(zhì)數(shù)據(jù)按3∶2分為校準(zhǔn)集和驗證集。通過一階求導(dǎo)(NW^(1st))、二階求導(dǎo)(NW^(2nd))、標(biāo)準(zhǔn)正態(tài)變量變換方法(SNV)、去趨勢算法(DE-trending)4種不同光譜預(yù)處理方法中的一種或多種處理的組合,結(jié)合偏最小二乘(PLS)回歸算法建立了青飼大豆三個主要品質(zhì)參數(shù)CP,NDF和ADF含量的預(yù)測模型。通過比較回歸模型中的校準(zhǔn)集和驗證集中決定系數(shù)(R^(2))和均方根誤差(RMSE)得出,NW^(1st)+DE-trending+SNV+PLS處理后所建立的模型效果最好,青飼大豆CP含量模型中的校準(zhǔn)集的R^(2)_(C)和驗證集的R^(2)_(P)分別為0.96和0.95,NDF含量模型中的R^(2)_(C)和R^(2)_(P)分別為0.90和0.89,ADF含量模型中的R^(2)_(C)和R^(2)_(P)分別為0.94和0.93。通過驗證集對預(yù)測模型的檢驗分析進一步證實了該模型的準(zhǔn)確性和穩(wěn)定性,形成了一種便于青飼大豆品質(zhì)檢測的近紅外光譜(NIRS)快速分析法。隨著青飼大豆品質(zhì)參數(shù)數(shù)據(jù)量的增加,將不斷完善青飼大豆品質(zhì)檢測模型,該方法不但擴大了近紅外光譜儀對飼草資源品質(zhì)的檢測類別與范圍,而且準(zhǔn)確高效,有利于高蛋白優(yōu)質(zhì)飼草資源的開發(fā)和有效利用。

摘要： 青花菜礦質(zhì)元素含量豐富,傳統(tǒng)的青花菜礦質(zhì)養(yǎng)分評價方法步驟繁瑣、耗時費力。通過電感耦合等離子體原子發(fā)射光譜法(Inductively Coupled Plasma Optical Emission Spectrometer,ICP-OES)測定青花菜中鉀(K)、硫(S)、磷(P)、鈣(Ca)、鐵(Fe)、鎂(Mg)等礦質(zhì)元素含量,同時使用近紅外光譜儀掃描樣品,獲取樣品光譜文件,擬建立青花菜礦質(zhì)元素的近紅外光譜快速測定的方法。對化學(xué)分析結(jié)果與光譜文件在偏最小二乘法(partial least square,PLS)分析的基礎(chǔ)上,通過Savitzky-Golay卷積平滑處理,采用不同的散射處理方式[多元散射校正(multiplicative scatter correction,MSC)和標(biāo)準(zhǔn)正態(tài)變量變換(standard normal variate transformation,SNV)],以及不同導(dǎo)數(shù)處理方式[一階導(dǎo)數(shù)(first derivative,FD)和二階導(dǎo)數(shù)(second derivative,SD)]對光譜進行預(yù)處理,從而獲得定標(biāo)方程。結(jié)果表明:(1)K、Mg、Ca經(jīng)過MSC+FD處理的結(jié)果最好,校正相關(guān)系數(shù)(coefficient of determination in calibration,RSQ)分別為0.884、0.944、0.651,驗證決定系數(shù)(coefficient of determination in valibration,R^(2))分別為0.893、0.928、0.604,相對分析誤差(residual predictive deviation,RPD)分別為2.491、2.710、1.344;(2)P經(jīng)過SNV+FD處理的效果最好,RSQ、R^(2)和RPD分別為0.733、0.703和1.117;(3)S、Fe經(jīng)過MSC+SD處理的結(jié)果最好,RSQ分別為0.523、0.581,R^(2)分別為0.537和0.416,RPD分別為1.133、1.100。建立的K和Mg的近紅外光譜快速檢測模型,可以用于實際應(yīng)用;P可以近似定量預(yù)測,但還需要通過增加樣品種類提高模型的準(zhǔn)確度與穩(wěn)定度;Ca、S和Fe的近紅外模型可以通過建立高濃度和低濃度2個模型來提高模型預(yù)測度。

摘要： 為了開發(fā)一種縮短滅菌乳中乳果糖含量檢測時間的方法,以提升乳制品質(zhì)量控制效率,本文利用中紅外光譜技術(shù)結(jié)合偏最小二乘法(PLS)定量分析樣品中的乳果糖含量,實現(xiàn)了微量乳果糖的快速簡便的定量檢測,與農(nóng)業(yè)行業(yè)標(biāo)準(zhǔn)方法《NY/T 939-2016巴氏殺菌乳和UHT滅菌乳中復(fù)原乳的鑒定》相比,本文開發(fā)出的乳果糖定量檢測方法結(jié)果出具時間由2天縮短至15 min,其重復(fù)性較好、精密度和準(zhǔn)確性較高,符合檢測要求,具有較好的應(yīng)用前景。

摘要： 【目的】了解小粒種咖啡(Coffea arabica)農(nóng)藝性狀對單株產(chǎn)量的影響,為小粒種咖啡優(yōu)良品種選育提供科學(xué)依據(jù)?！痉椒ā炕谌瘥惪Х葒曳N質(zhì)資源圃1999—2020年期間的觀測數(shù)據(jù),采用相關(guān)性系數(shù)、灰色關(guān)聯(lián)分析及變量投影重要性準(zhǔn)則3種方法,以及運用偏最小二乘法(PLS)建立線性回歸方程,對小粒種咖啡主要農(nóng)藝性狀與單株產(chǎn)量關(guān)聯(lián)進行分析?！窘Y(jié)果】小粒種咖啡各農(nóng)藝性狀與單株產(chǎn)量間存在著極顯著的正相關(guān)關(guān)系(P<0.01)?；叶汝P(guān)聯(lián)分析表明,各農(nóng)藝性狀與單株產(chǎn)量有較強的關(guān)聯(lián)度,關(guān)聯(lián)度變化范圍在0.750~0.769。變量投影重要性分析表明,各農(nóng)藝性狀對單株產(chǎn)量均有較好的解釋能力,其中分枝對數(shù)和莖粗對單株產(chǎn)量的解釋能力最大,變量投影重要性準(zhǔn)則(VIP值)分別為1.290和1.140。株高、莖粗、分枝對數(shù)、冠幅、最長一分枝長和最長一分枝節(jié)數(shù)6個主要農(nóng)藝性狀與單株產(chǎn)量建立的PLS線性回歸方程擬合度最優(yōu)。通徑分析結(jié)果表明,各農(nóng)藝性狀對單株產(chǎn)量間接作用的總效應(yīng)(1.472)大于直接作用(0.471)。最長一分枝長通過其他農(nóng)藝性狀對單株產(chǎn)量的間接作用總和最大,為0.333。其他農(nóng)藝性狀通過最長一分枝長對單株產(chǎn)量的間接作用總效應(yīng)最大,為0.576。另外,其他農(nóng)藝性狀通過分枝對數(shù)對單株產(chǎn)量的間接作用總效應(yīng)也較大,為0.562?！窘Y(jié)論】6個主要農(nóng)藝性狀對咖啡單株產(chǎn)量有顯著影響,在品種選育過程中是主要的觀測對象。所建立的偏最小二乘法(PLS)線性回歸方程,可作為單株產(chǎn)量預(yù)測的輔助手段。

摘要： 目的:建立近紅外光譜法快速檢測銀杏離心液中萜類內(nèi)酯含量的方法。方法:利用近紅外光譜儀對銀杏離心液樣品進行掃描,對其光譜進行預(yù)處理和波段選擇,并結(jié)合偏最小二乘法(partial least squares, PLS)建立萜類內(nèi)酯含量快速無損檢測方法。結(jié)果:所建立的模型的決定系數(shù)R為0.9177,交叉驗證均方根差值為0.0335,對驗證集樣品進行預(yù)測并統(tǒng)計分析,預(yù)測值與真實值之間無顯著差異(P 0.05)。結(jié)論:所建立的模型準(zhǔn)確度高,適用于銀杏離心液中萜類內(nèi)酯含量的快速檢測。

摘要： 以酪氨酸和左旋多巴混合溶液中左旋多巴的紫外光譜數(shù)據(jù)為研究對象,首先用Kennard-Stone算法對樣品集進行分割;然后使用ν-SVR和ε-SVR算法對核進行建模,以建立不同的核。紫外光譜定量分析模型中左旋多巴含量的功能;最后,采用粒子群算法對參數(shù)進行了優(yōu)化,并與傳統(tǒng)的PLS算法進行了比較。實驗結(jié)果表明,由ν-SVR,ε-SVR和PLS建立的左旋多巴含量校正模型具有較高的準(zhǔn)確性,預(yù)測性能略有不同。在預(yù)測集實驗中,PLS,ν-SVR(RBF)和ε-SVR(RBF)算法的預(yù)測均方根誤差分別為1.755、0.826和0.68。實驗已經(jīng)證明了使用紫外光譜法快速測定左旋多巴含量的有效性以及基于徑向基函數(shù)的ε-SVR的建模優(yōu)勢。

摘要： 目的:采用偏最小二乘法(PLS)對不同品系小鼠的腎陽虛外感模型的進行建模分析,篩選出最合適的品系動物. 方法:分別選擇KM、ICR、C57BL/6和BALB/c雄性小鼠,采用腹腔注射苯甲酸雌二醇(8mg/kg),連續(xù)15d,復(fù)制腎陽虛模型;采用流感病毒雞胚尿囊液(血凝滴度1∶320)滴鼻感染,建立腎陽虛小鼠外感模型.采用SIMCA-P軟件處理小鼠的體重、肛溫、臟器指數(shù)、呼吸代謝等指標(biāo),應(yīng)用偏最小二乘法通過整體評價,綜合判斷不同品系小鼠模型差異. 結(jié)果:空白組得分設(shè)置為1,PLS分析處理結(jié)果表明,KM、ICR、C57BL/6和BALB/c組得分分別為0.830,0.759,0.782,0.584. 結(jié)論:采用PLS方法對不同品系小鼠復(fù)制腎陽虛外感模型綜合評價,能較好的反應(yīng)不同品系小鼠造模的差異,其中BALB/c品系小鼠更適合于腎陽虛外感模型的建立.

摘要： 使用X射線衍射儀(XRD)對活化后的順酐VPO催化劑進行物相表征,同時采用電感耦合等離子體發(fā)射光譜儀(ICP-OES)測定催化劑化學(xué)組成并得到催化劑的磷釩比,使用偏最小二乘法(PLS)將催化劑樣品的磷釩比與其XRD譜圖關(guān)聯(lián),建立了VPO催化劑樣品磷釩比PLS定量校正模型,該方法可以實現(xiàn)快速、準(zhǔn)確測定VPO催化劑磷釩比,為催化劑的研發(fā)和生產(chǎn)提供有力的數(shù)據(jù)支持.

摘要： 目的：研究連翹水提物HPLC指紋圖譜與保肝活性的相關(guān)性,初步揭示保肝的藥效物質(zhì)基礎(chǔ). 方法：以連翹水提物對CCl4致肝損傷模型大鼠血清中ALT、AST指標(biāo)的下降效果評價其保肝作用,同時建立多批連翹水提物的HPLC指紋圖譜,采用偏最小二乘回歸分析方法將HPLC指紋圖譜各共有峰的峰面積與保肝藥效數(shù)據(jù)結(jié)合,研究與保肝藥效的相關(guān)性. 結(jié)果：各批次水提物有21個共有峰,根據(jù)標(biāo)準(zhǔn)化回歸系數(shù)大小與正負(fù),結(jié)合VIP值表明,3、21(連翹脂素)、19(槲皮素)、5、6、18(連翹苷)和13號峰(松脂素-β-D-葡萄糖苷)對保肝藥效作用的貢獻(xiàn)較大,認(rèn)為它們是連翹發(fā)揮保肝作用的活性成分. 結(jié)論：通過連翹HPLC指紋圖譜與其保肝藥效偏最小二乘法分析可知,連翹作用與其所含的多種成分有關(guān),譜效關(guān)系研究能夠較為快捷地從復(fù)雜體系中篩選活性化合物.

摘要： 基于粗苯原料中有效組分不能快速檢測的現(xiàn)狀,利用化學(xué)計量學(xué)和偏最小二乘法原理,進行了粗苯中苯、甲苯、鄰二甲苯、間二甲苯、對二甲苯含量預(yù)測的研究.依據(jù)粗苯的紅外光譜和氣相色譜數(shù)據(jù),采用交互驗證方法,選取合適的維數(shù)、波段及圖譜處理方式,建立了數(shù)學(xué)模型.校正集中苯、甲苯、鄰二甲苯、間二甲苯、對二甲苯的相關(guān)系數(shù)分別為0.9502,0.9698,0.9529,0.9706和0.9705,預(yù)測均方根誤差分別為1.50,o.391,0.0607,0.086和0.0298.預(yù)測精度能滿足企業(yè)要求,檢測時間從0.5h降到了幾分鐘.

摘要： 針對用膜生物反應(yīng)器(MBR)處理污水中膜透水率難以測量的問題,提出了一種基于遞歸徑向基神經(jīng)網(wǎng)絡(luò)(RRBFNN)的軟測量方法.首先,基于污水處理過程中的實際運行數(shù)據(jù),應(yīng)用偏最小二乘法(PLS)篩選出和透水率相關(guān)的過程變量;其次,基于遞歸RBF神經(jīng)網(wǎng)絡(luò)建立透水率的軟測量模型,利用快速梯度下降算法對神經(jīng)網(wǎng)絡(luò)模型的參數(shù)進行調(diào)整,保證了模型的精度;最后,將設(shè)計的透水率軟測量模型應(yīng)用于實際污水處理過程中,使用污水處理廠實測數(shù)據(jù)對模型進行驗證.驗證結(jié)果表明,該軟測量模型能夠?qū)崿F(xiàn)透水率的準(zhǔn)確預(yù)測,具有較好的預(yù)測精度.

摘要： 土壤的光譜特性是由土壤本身的性質(zhì)決定的,它與土壤的理化性質(zhì)有明顯的相關(guān)關(guān)系.草原露天煤礦地區(qū),由于受到采礦活動的影響,土壤出現(xiàn)不同程度的退化,隨著礦區(qū)復(fù)墾工作的進行,區(qū)域土壤特征顯著.高光譜分析技術(shù)因其影響因素較野外更容易控制,易于機理研究.基于光譜特性的土壤有機質(zhì)無損估測是礦區(qū)土壤遙感監(jiān)測的一項基礎(chǔ)性工作,將為礦區(qū)環(huán)境精細(xì)監(jiān)測中土壤參數(shù)的快速獲取提供理論依據(jù),本文綜合分析了草原露天煤礦地區(qū)土壤的有機質(zhì)差異及地面光譜特征,揭示不同有機質(zhì)含量土壤的光譜特征差異,明確土壤有機質(zhì)的光譜特征,進而構(gòu)建不同波段及不同預(yù)處理土壤數(shù)據(jù)有機質(zhì)光譜偏最小二乘法估測模型,得出以下結(jié)論:有機質(zhì)含量大于100g/kg的土壤在可見光藍(lán)光波段光譜反射率不變,進入綠光波段后反射率開始上升,其余土壤均在藍(lán)光波段開始直接上升,對原始光譜進行去包絡(luò)線以及1/log(R)變換后,可見光波段不同有機質(zhì)含量的土壤光譜出現(xiàn)顯著性差異;在可見光波段,相對于原始光譜及其他變換方式,1/log(R)一階導(dǎo)數(shù)變換后的建模精度最高.在近紅外波段,則原始光譜的建模精度要由于進行導(dǎo)數(shù)及對數(shù)變換后的光譜建模精度,但是其建模精度互驗證系數(shù)與外部決定系數(shù),低于可將光波段的建模精度.中紅外波段1100-2500nm原始光譜建模結(jié)果,從建模精度及外部檢驗系數(shù),均高于可見光波段和近紅外波段,是有機質(zhì)估測能力最好的光譜區(qū)域.

摘要： 在對甘肅柳園南部玄武巖帶進行系統(tǒng)采樣、分析、測試的基礎(chǔ)上,利用偏最小二乘法(PLS)對巖石實測波譜數(shù)據(jù)和主量元素測試數(shù)據(jù)進行建模.通過反復(fù)對比試驗提出適用于數(shù)據(jù)集的光譜平滑、一階微分及標(biāo)準(zhǔn)正態(tài)變量變換相結(jié)合的光譜數(shù)據(jù)優(yōu)化方法.利用交叉檢驗的方法獲得最小均方根誤差下的最適主成分個數(shù).模型運算結(jié)果顯示PLS具有較好的穩(wěn)定性和精度,在利用遙感數(shù)據(jù)進行巖石氧化物成分反演方面有很好的應(yīng)用前景.

摘要： 以自育的食用向日葵材料為測試對象,用化學(xué)方法測定粗蛋白含量,對照近紅外漫反射光譜,通過偏最小二乘法分別建立了食用向日葵籽粒、籽仁和籽粒粉末粗蛋白含量的近紅外光譜模型.結(jié)果表明:籽仁模型和籽粒粉末模型預(yù)測未知樣品粗蛋白含量的精確度較高,可以用于向日葵粗蛋白含量的定量測定,而籽粒模型與其他2個模型相比,預(yù)測精確度相對較低,但由于其不破壞籽粒和種皮的優(yōu)點,可用于粗蛋白含量的初步評估和高蛋白向日葵材料的篩選.

摘要： 為了有效地定量檢測植物調(diào)和油中的單一植物油,建立了便攜式熒光植物調(diào)和油測試系統(tǒng)并對該系統(tǒng)所采用的測量調(diào)和油中單一植物油含量的算法進行研究.首先,設(shè)計了便攜式熒光植物調(diào)和油的系統(tǒng)硬件,以市場上常見的葵花油,大豆油,花生油配置了植物調(diào)和油.測量了各種不同比例調(diào)和油的熒光光譜及各單一植物油的含量,依據(jù)偏最小二乘回歸建立相應(yīng)的數(shù)學(xué)模型,作為標(biāo)準(zhǔn)數(shù)據(jù)庫.然后,將待測調(diào)和油光譜數(shù)據(jù)帶入建立好的偏最小二乘回歸模型進行計算,得出待測調(diào)和油中單一植物油的含量.實驗結(jié)果表明:依據(jù)建立的偏最小二乘回歸模型計算出的待測調(diào)和油中各植物油含量的準(zhǔn)確率偏差在10％以內(nèi).該測試系統(tǒng)測量快、準(zhǔn)確度好,需要試樣量少,基本滿足調(diào)和油中各種植物油含量的要求.

摘要： 為了有效地定量檢測植物調(diào)和油中的單一植物油,建立了便攜式熒光植物調(diào)和油測試系統(tǒng)并對該系統(tǒng)所采用的測量調(diào)和油中單一植物油含量的算法進行研究.首先,設(shè)計了便攜式熒光植物調(diào)和油的系統(tǒng)硬件,以市場上常見的葵花油,大豆油,花生油配置了植物調(diào)和油.測量了各種不同比例調(diào)和油的熒光光譜及各單一植物油的含量,依據(jù)偏最小二乘回歸建立相應(yīng)的數(shù)學(xué)模型,作為標(biāo)準(zhǔn)數(shù)據(jù)庫.然后,將待測調(diào)和油光譜數(shù)據(jù)帶入建立好的偏最小二乘回歸模型進行計算,得出待測調(diào)和油中單一植物油的含量.實驗結(jié)果表明:依據(jù)建立的偏最小二乘回歸模型計算出的待測調(diào)和油中各植物油含量的準(zhǔn)確率偏差在10％以內(nèi).該測試系統(tǒng)測量快、準(zhǔn)確度好,需要試樣量少,基本滿足調(diào)和油中各種植物油含量的要求.

摘要： 本發(fā)明涉及一種基于二維偏最小二乘法的圖像局部特征提取方法。本發(fā)明是將訓(xùn)練樣本圖分為七種表情，并分成大小相等的若干個子塊，利用LBP算子提取每個子塊的紋理特征，并構(gòu)成局部紋理特征矩陣，采用自適應(yīng)加權(quán)機制，對表情識別的差別賦予不同權(quán)值，使用二維偏最小二乘法對局部紋理特征矩陣進行統(tǒng)計特征提取，形成七種表情模板數(shù)據(jù)，完成訓(xùn)練過程，最接近者便是該幅輸入圖像的表情歸屬。解決了現(xiàn)有的面部表情識別方法所造成的破壞原始結(jié)構(gòu)信息、粗糙、正確率低及耗時太長，無法實際應(yīng)用等缺陷。本發(fā)明將傳統(tǒng)偏最小二乘法為二維偏最小二乘法與局部二元模式算子結(jié)合并利用自適應(yīng)加權(quán)方法所得到的圖像具有客觀、精確、節(jié)省時間。

摘要： 本申請公開了白酒判別技術(shù)領(lǐng)域中的一種基于偏最小二乘法判別醬香型白酒釀造工藝的方法，包括對已知工藝的醬香型白酒進行紅外光譜分析，根據(jù)不同釀造工藝下醬香型白酒的差異，對每一釀造工藝設(shè)定一個虛擬值，并設(shè)定每種工藝判定的區(qū)間范圍，再經(jīng)過數(shù)據(jù)處理后得到判定模型，對未知樣品進行處理與實驗，預(yù)測得出數(shù)值，根據(jù)預(yù)測值落入的區(qū)間范圍，得到其釀造工藝。本發(fā)明可區(qū)分正宗大曲醬香與非正宗大曲醬香酒，判別正確率達(dá)92％，且辨別僅需要10min，時間短，成本低，便于推廣應(yīng)用。

摘要： 本發(fā)明公開了一種基于偏最小二乘法的疏浚能耗預(yù)測方法，旨在解決現(xiàn)有技術(shù)中疏浚作業(yè)耗能高，產(chǎn)量低的技術(shù)問題，一種基于偏最小二乘法的疏浚能耗預(yù)測方法，包括以下步驟：收集疏浚作業(yè)中能耗與各工藝參量的數(shù)據(jù)資料，建立樣本矩陣；對收集到的數(shù)據(jù)資料進行標(biāo)準(zhǔn)化處理；根據(jù)偏最小二乘法原理提取主成分；建立能耗與工藝參量的數(shù)學(xué)模型。本發(fā)明所述基于偏最小二乘法的疏浚能耗預(yù)測方法能準(zhǔn)確預(yù)測疏浚作業(yè)過程中的高能耗因素，進而幫助工程人員制定有效的節(jié)能降耗措施。

摘要： 本發(fā)明涉及一種基于偏最小二乘法和極限學(xué)習(xí)機的光伏陣列故障檢測方法。包括以下步驟：首先，對光伏陣列各種工況下數(shù)據(jù)進行實時采集和濾波預(yù)處理，獲得原始監(jiān)測數(shù)據(jù)，然后從中提取歸一化生成七維的故障樣本數(shù)據(jù)集。讓將獲得的七維故障樣本數(shù)據(jù)集，采用偏最小二乘法進行降維，生成三維的故障樣本數(shù)據(jù)集，并隨機將故障樣本數(shù)據(jù)集分為訓(xùn)練集和測試集。其次，訓(xùn)練集用K折交叉生成訓(xùn)練子集和驗證子集，訓(xùn)練和驗證極限學(xué)習(xí)機故障診斷模型選出最優(yōu)隱含層神經(jīng)元個數(shù)。最后，使用訓(xùn)練集和極限學(xué)習(xí)機最優(yōu)隱含層個數(shù)訓(xùn)練極限學(xué)習(xí)機，并用測試集檢測得到故障診斷模型的測試精度，以驗證模型的泛化性能。本發(fā)明的技術(shù)能對光伏陣列的常見故障進行準(zhǔn)確可靠地診斷分類。

摘要： 本發(fā)明公開了一種基于偏最小二乘法的生物特征標(biāo)記物提取方法及系統(tǒng)，方法包括：對待提取樣本進行質(zhì)譜分析，獲得待提取樣本的質(zhì)譜數(shù)據(jù)；采用偏最小二乘法對待提取樣本進行建模及特征提取。系統(tǒng)包括質(zhì)譜分析子系統(tǒng)和特征提取子系統(tǒng)。本發(fā)明采用了偏最小二乘法對生物特征標(biāo)記物進行提取，解決了現(xiàn)有生物特征標(biāo)記物提取方法因為類型復(fù)雜且數(shù)量繁多而無法進行精確快速提取的問題，操作簡單，成本低，速度快而且精確度高。本發(fā)明作為一種基于偏最小二乘法的生物特征標(biāo)記物提取方法及系統(tǒng)，可廣泛應(yīng)用于生物信息技術(shù)領(lǐng)域。

摘要： 本發(fā)明提供了一種基于偏最小二乘法對醇類汽油總醇含量測定的方法，該方法為利用拉曼光譜儀器對若干個醇類汽油進行光譜數(shù)據(jù)采集，分為校正集和測試集，對校正集的光譜數(shù)據(jù)通過十折交叉驗證的方法尋優(yōu)，得到最優(yōu)潛變量，建立基于全譜和特征峰波段的偏最小二乘法校正模型，預(yù)測測試集的醇類汽油中各醇類的含量，得到醇類汽油總醇含量。本發(fā)明通過十折交叉驗證的方法，對偏最小二乘法校正模型進行了優(yōu)化，提高了偏最小二乘法校正模型的準(zhǔn)確性。從而建立了一種快速、無損、準(zhǔn)確定量分析醇類汽油中各醇類的方法，為油品質(zhì)量檢測、便攜式拉曼檢測儀的推廣提供了理論基礎(chǔ)和技術(shù)支撐。

摘要： 本發(fā)明公開一種基于偏最小二乘法的地鐵雜散電流下管道腐蝕預(yù)測方法，包括以下步驟：1、測試點選取、有限元仿真；2、數(shù)據(jù)預(yù)處理；3、獲取訓(xùn)練樣本；4、第一主成分對選?。?、因變量、自變量對主成分的回歸；6、殘差矩陣替換；7、偏最小二乘回歸方程式的建立；8、交叉有效性驗證；9、冗余位置變量的剔除、最佳傳感器排布的選??；10、測試樣本測試。本發(fā)明通過區(qū)間內(nèi)獲得的地表電位數(shù)據(jù)，結(jié)合有限元仿真獲得有效的預(yù)測管道腐蝕電流密度，根據(jù)偏最小二乘法，得到預(yù)測回歸方程，判斷出管道的腐蝕情況，在減少傳感器數(shù)量的同時，可保持預(yù)測精度在可接受范圍內(nèi)，對于直觀監(jiān)測管道腐蝕情況和節(jié)省成本具有重大的實際意義。

摘要： 本發(fā)明提供了一種基于偏最小二乘法回歸的短期風(fēng)電功率預(yù)測方法，分析并提取風(fēng)電場的影響風(fēng)電功率預(yù)測的特征和影響因素，形成歷史風(fēng)功率數(shù)據(jù)向量，得到訓(xùn)練樣本集，對訓(xùn)練樣本集作降維處理，利用得到的訓(xùn)練樣本進行成分提取，并且對輸入輸出進行相關(guān)性分析，再利用最小二乘法計算回歸系數(shù)，建立偏最小二乘回歸模型，選取風(fēng)電功率點值作為測試樣本的輸入向量，與此相對應(yīng)的輸出向量作為功率輸出真實值，帶入偏最小二乘法回歸模型，得到風(fēng)電功率超短期預(yù)測值向量。本發(fā)明利用偏最小二乘回歸方法具有良好的多元回歸問題分析能力，同時包含數(shù)據(jù)回歸模型建立、主成分分析以及典型相關(guān)分析等方法，不僅簡化了預(yù)測模型結(jié)構(gòu)，而且提高了預(yù)測的精度同時增強了預(yù)測方法的泛化能力。

摘要： 本發(fā)明涉及一種基于二維偏最小二乘法的圖像局部特征提取方法。本發(fā)明是將訓(xùn)練樣本圖分為七種表情，并分成大小相等的若干個子塊，利用LBP算子提取每個子塊的紋理特征，并構(gòu)成局部紋理特征矩陣，采用自適應(yīng)加權(quán)機制，對表情識別的差別賦予不同權(quán)值，使用二維偏最小二乘法對局部紋理特征矩陣進行統(tǒng)計特征提取，形成七種表情模板數(shù)據(jù)，完成訓(xùn)練過程，最接近者便是該幅輸入圖像的表情歸屬。解決了現(xiàn)有的面部表情識別方法所造成的破壞原始結(jié)構(gòu)信息、粗糙、正確率低及耗時太長，無法實際應(yīng)用等缺陷。本發(fā)明將傳統(tǒng)偏最小二乘法為二維偏最小二乘法與局部二元模式算子結(jié)合并利用自適應(yīng)加權(quán)方法所得到的圖象具有客觀、精確、節(jié)省時間。

摘要： 本發(fā)明公開了用于監(jiān)測柱色譜性能的方法。這些方法可以包括獲取由色譜系統(tǒng)在樣品純化和/或分離期間生成的一條或多條色譜圖紫外(UV)跡線；以及用正交偏最小二乘法(OPLS)模型分析獲取的一條或多條色譜圖UV跡線，從而允許在柱失效之前檢測到柱劣化并且定量分析該一條或多條色譜圖UV跡線中的UV信號。