icPL-ANN近红外光谱分析方法在航空燃料中的应用研究
来源期刊:分析试验室2016年第8期
论文作者:邢志娜 王菊香 瞿军 刘洁
文章页码:971 - 974
关键词:间隔组合线性神经网络(ic PL-ANN)法;近红外光谱(NIR);波长优选;
摘 要:以航空燃料的闪点预测为例,针对数据分布分散不连续,与光谱信息的线性关联偏弱的情况,提出一种将波段间隔组合与线性-人工神经网络(icPLANN)相结合的近红外光谱定量分析方法。该方法利用分段建模考核进行波段优选,最大程度地提取了有效信息,并结合PL-ANN方法建立了近红外光谱定量分析模型。最终把预测结果与间隔组合偏最小二乘法(icPLS)的实验结果进行了对比。结果表明,间隔组合PL-ANN模型的校正标准偏差(SEC)为0.75,预测标准偏差(SEP)为0.86,而间隔组合偏最小二乘法SEC为1.48,SEP为1.08,因此前一种方法的预测精度更高,预测决定系数(Rp2)能达到0.8971。可见,针对分散不连续数据与近红外光谱的复共线性影响预测模型准确度和稳定性的问题,间隔组合PL-ANN方法是一种有效的近红外光谱定量方法。
邢志娜,王菊香,瞿军,刘洁
海军航空工程学院飞行器工程系
摘 要:以航空燃料的闪点预测为例,针对数据分布分散不连续,与光谱信息的线性关联偏弱的情况,提出一种将波段间隔组合与线性-人工神经网络(icPLANN)相结合的近红外光谱定量分析方法。该方法利用分段建模考核进行波段优选,最大程度地提取了有效信息,并结合PL-ANN方法建立了近红外光谱定量分析模型。最终把预测结果与间隔组合偏最小二乘法(icPLS)的实验结果进行了对比。结果表明,间隔组合PL-ANN模型的校正标准偏差(SEC)为0.75,预测标准偏差(SEP)为0.86,而间隔组合偏最小二乘法SEC为1.48,SEP为1.08,因此前一种方法的预测精度更高,预测决定系数(Rp2)能达到0.8971。可见,针对分散不连续数据与近红外光谱的复共线性影响预测模型准确度和稳定性的问题,间隔组合PL-ANN方法是一种有效的近红外光谱定量方法。
关键词:间隔组合线性神经网络(ic PL-ANN)法;近红外光谱(NIR);波长优选;