基于CARS波段筛选的甲醇汽油中甲醇含量中红外光谱检测
利用中红外光谱检测技术对甲醇汽油中的甲醇含量进行检测研究.由于中红外光谱易受外界环境干扰且数据量较大,为减小运算量并提高模型精度,采用无信息变量消除(UVE)法、竞争性自适应重加权取样(CARS)法以及遗传算法(GA算法)等来选择有效光谱波段,再建立对应的偏最小二乘(PLS)模型,最后分别建立PLS、UVE-PLS、GA-PLS和CARS-PLS模型,探索最优的甲醇含量检测模型.结果 表明:CARS-PLS模型效果最好,预测相关系数和预测均方根误差分别为0.978和1.177.CARS算法是一种有效提取甲醇含量的中红外光谱检测方法,采用中红外光谱检测技术测定甲醇汽油中的甲醇含量是可行的,可以有效简化运算模型,提高模型检测精度.
光谱学、中红外光谱、甲醇汽油、无信息变量消除、竞争性自适应重加权取样、遗传算法
56
O657.61(分析化学)
国家863计划;江西省优势科技创新团队建设计划;南方山地果园智能化管理技术与装备协同创新中心项目;国家自然科学基金;江西省博士研究生创新资金
2020-04-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
274-280