PLS-近红外漫反射光谱法对氢氧化铝粉末药品非破坏定量分析

本文采用近红外漫反射光谱法对氢氧化铝粉末药品中主要成分氢氧化铝进行快速、无损定量分析。采用偏最小二乘法(PLS)建立近红外光谱信息与待测组分含量间的最佳数学校正模型。讨论了光谱的预处理方法和主成分数对PLS定量预测能力的影响,并对预测集样品含量进行预测,得到了较为满意的结果。     

近红外光谱法非破坏分析生理盐水

本文将近红外光谱法与偏最小二乘法(PLS)结合,对生理盐水中的NaCL浓度进行快速分析,建立了最佳数学校正模型。讨论了光谱的预处理方法和主成分数对PLS定量预测生理盐水中NaCL浓度的影响,并对预测集样品含量进行预测,结果令人满意。     

近红外漫反射光谱法非破坏分析颠茄粉末药品质量

本文应用偏最小二乘法(PLS)同近红外漫反射光谱法结合,对颠茄粉末药品进行无损非破坏定量分析,建立了最佳的数学校正模型。讨论了光谱的预处理方法和主成分数对PLS定量预测能力的影响,并对预测集样品含量进行预测,得到了较为满意的结果。     

偏最小二乘法-近红外漫反射光谱法快速分析西米替丁粉末药品

研究了用偏最小二乘法(PLS)同近红外漫反射光谱结合,对西米替丁粉末药品进行快速定量分析的方法,建立了最佳的数学校正模型。讨论了波长间隔和主成分数对PLS定量预测能力的影响,预测了未知样品,结果令人满意。     

短波近红外光谱法非破坏分析颠茄粉末药品质量

本文应用偏最小二乘法(PLS)同近红外漫反射光谱法结合,对颠茄粉末药品进行无损非破坏定量分析,建立了最佳的数学校正模型。讨论了光谱的预处理方法和主成分数对PLS定量预测能力的影响,并对预测集样品含量进行预测,得到了较为满意的结果。     

短波近红外光谱法非破坏分析青霉素V钾粉末药品

本文应用偏最小二乘法(PLS)同近红外漫反射光谱法结合,对青霉素V钾粉末药品进行无损非破坏定量分析,建立了最佳的数学校正模型。讨论了光谱的预处理方法和主成分数对PLS定量预测能力的影响,并对预测集样品含量进行预测,得到了较为满意的结果。     

短波近红外光谱的盐酸环丙沙星粉末药品的定量分析

利用漫反射法获得环丙沙星短波近红外光谱(700-1100nm),采用化学计量学中的偏最小二乘法(PLS),选取不同的波长范围及不同的光谱预处理方法(一阶导数和和二阶导数)对光谱进行信息提取和分析,对盐酸环丙沙星粉末药品进行了无损非破坏定量分析,以样品中盐酸环丙沙星为活性成分建立了最佳的数学校正模型。讨论了主成分数对PLS模型定量预测能力的影响,并做了比较。     

短波近红外光谱-偏最小二乘法非破坏分析复方头孢氨卞片

本文应用偏最小二乘法(PLS)同短波近红外漫反射光谱相结合,对复方头孢氨卞片进行了无损非破坏定量分析,以样品中头孢氨卞和甲氧卞啶为活性成分建立了最佳的数学校正模型。分别讨论了三种预处理光谱,即标准归一化(SNV)、一阶导数和二阶导数光谱中主成分数对PLS定量预测能力的影响,证明使用SNV预处理光谱更有优越性。     

近红外漫反射光谱结合神经网络法快速分析复方氨酚苯海拉明药品

用近红外漫反射光谱结合人工神经网络法对复方氨酚苯海拉明粉末药品进行快速定量分析,采用一阶导数、二阶导数和标准归一化(SNV)方法对原始光谱进行处理,建立了最佳的数学校正模型。同时预测了未知样品,预测结果令人满意。     

短波近红外光谱法分析酒中乙醇含量初探

使用短波近红外光谱和多变量校正技术快速准确地测定酒中乙醇含量,研究了纯水、乙醇以及乙醇和水混合体系的光谱特征。用多元线性回归(MLR)和主成分回归(PCR)分析了数据。该法分析酒样具有方便、快速的优点。     

Multiscale Combined Forecast of Carbon PriceBased on Mixed Structure Data

Accurate forecast of the carbon trading price is of great significance in promoting the scientific and rational development of carbon trading market. Therefore, this paper proposes a multi-scale combined forecasting method for carbon price based on mixed structure data. First, the Google Index is used to extract the unstructured data related to the carbon price.The dimensions of unstructured data are reduced based on principal component analysis. Then, EMD is employedto the structured data,unstructured data and the carbon trading price to obtain different IMFs, which are reconstructed by the Fine-to-Coarse technique to get low, high frequency sequence and trend sequence. Furthermore, the three items are predicted respectively by using ARIMA, PLS and neural networks according to the features of each scale in time series. Finally, the forecasting results are summed to get the carbon price forecast sequence. The proposed method is used to forecast carbon price in EU. The empirical results show that the prediction accuracy of the model is higher than that of the single prediction method and the prediction method that time series aren’t decomposed by EMD, which is of great applicability.