摘要 | 第3-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第10-19页 |
1.1 近红外光谱分析技术的发展及应用 | 第10-13页 |
1.1.1 近红外光谱技术的发展概况 | 第10-11页 |
1.1.2 近红外光谱的产生及特征 | 第11页 |
1.1.3 近红外光谱的定量分析 | 第11-12页 |
1.1.4 近红外光谱技术的特点及应用 | 第12-13页 |
1.2 化学计量学方法在近红外光谱分析中的应用 | 第13-15页 |
1.2.1 化学计量学的发展 | 第13-14页 |
1.2.2 近红外光谱分析的预处理 | 第14-15页 |
1.2.3 多元校正 | 第15页 |
1.3 图像矩方法的发展及研究成果 | 第15-17页 |
1.3.1 图像矩的发展 | 第15-17页 |
1.3.2 图像矩在分析化学中已取得的成果 | 第17页 |
1.4 本论文的创新之处 | 第17-19页 |
第二章 基于原始的近红外光谱利用Tchebichef图像矩对复杂样品中的目标成分进行定量分析 | 第19-31页 |
2.1 引言 | 第19-20页 |
2.2 数据集 | 第20-21页 |
2.3 建模方法 | 第21-23页 |
2.3.1 近红外三维光谱的自构建 | 第21页 |
2.3.2 Tchebichef图像矩方法的计算 | 第21-23页 |
2.3.3 TM-PLS方法 | 第23页 |
2.3.4 间隔偏最小二乘法(iPLS) | 第23页 |
2.3.5 模型的评价 | 第23页 |
2.4 结果与讨论 | 第23-27页 |
2.4.1 Tchebichef图像矩的性质 | 第23-24页 |
2.4.2 最优阶数的选取 | 第24页 |
2.4.3 TM-PLS建立模型的性能 | 第24-27页 |
2.4.3.1 数据集1的结果 | 第24-25页 |
2.4.3.2 数据集2和数据集3的计算结果 | 第25-27页 |
2.5 与PLS方法和iPLS方法比较 | 第27-29页 |
2.5.1 与传统的PLS方法比较 | 第27-28页 |
2.5.2 与经典的iPLS方法比较 | 第28-29页 |
2.6 结论 | 第29-31页 |
第三章 基于近红外光谱的温度效应同时定量分析混合样品中的三种有效成分 | 第31-38页 |
3.1 引言 | 第31-32页 |
3.2 数据和方法 | 第32-33页 |
3.2.1 数据集 | 第32页 |
3.2.2 Tchebichef图像矩的定义 | 第32-33页 |
3.2.3 逐步回归 | 第33页 |
3.2.4 模型的评价 | 第33页 |
3.3 结果与讨论 | 第33-37页 |
3.3.1 Tchebichef图像矩的化学意义 | 第33页 |
3.3.2 最大阶数的选取 | 第33-34页 |
3.3.3 线性模型的性能 | 第34-36页 |
3.3.4 与传统的PLS方法比较 | 第36-37页 |
3.4 结论 | 第37-38页 |
第四章 多台近红外仪器的通用定量模型 | 第38-48页 |
4.1 引言 | 第38-39页 |
4.2 数据和方法 | 第39-42页 |
4.2.1 数据集 | 第39-40页 |
4.2.2 建立通用定量模型 | 第40-41页 |
4.2.2.1 构建近红外三维光谱 | 第40-41页 |
4.2.2.2 Tchebichef图像矩方法的计算 | 第41页 |
4.2.2.3 线性模型 | 第41页 |
4.2.3 通用定量模型的评价 | 第41-42页 |
4.3 结果与讨论 | 第42-47页 |
4.3.1 通用定量模型建立的基础 | 第42-43页 |
4.3.1.1 多台仪器测定光谱图的特征信息 | 第42页 |
4.3.1.2 阶数的确定 | 第42-43页 |
4.3.2 通用定量模型的性能 | 第43-47页 |
4.3.2.1 数据集1的结果 | 第43-45页 |
4.3.2.2 数据集2的结果 | 第45-46页 |
4.3.3.2 与传统的N-PLS方法比较 | 第46-47页 |
4.4 结论 | 第47-48页 |
第五章 主要结论与展望 | 第48-49页 |
5.1 论文研究工作总结 | 第48页 |
5.2 研究工作展望 | 第48-49页 |
参考文献 | 第49-60页 |
在学期间研究成果 | 第60-61页 |
致谢 | 第61页 |