Isomap用于中药生产过程近红外光谱在线检测研究

论文摘要

质量控制是中药现代化过程的核心问题。现行工艺采用中药指纹图谱技术实现质量控制,由于分析时间长,不能实现在线质量分析。近红外（NIR）光谱技术分析速度快、能反映待测物质多种理化性质,因此适于中药生产过程在线检测。本文主要研究中药NIR光谱的回归建模方法,即建立中药NIR光谱与其化学成分含量及质量信息的定量预测模型。本文首先研究将常规算法–偏最小二乘（PLS）应用于NIR光谱建模,并基于Visual C++编程工具开发了一套NIR光谱建模软件。该软件具有多种光谱预处理和波长选择算法,功能齐全,可分别在离线和在线两种情况下实现NIR光谱建模。针对NIR光谱与待测理化性质之间存在的非线性关系,本文重点研究将流形学习算法引入到NIR光谱建模中,并提出若干改进算法。流形学习算法是最近提出的一类有广泛应用前景的非线性降维方法,能揭示高维数据有意义的低维结构。本文主要研究流形学习中的一种算法–等距映射（Isomap）,并将Isomap算法引入NIR光谱建模,同时对该算法进行了改进。首先针对Isomap算法中的距离公式和近邻点个数K的选取,研究了该算法的扩展:引进核函数方法改进Isomap算法中的距离公式形成kIsomap算法;提出了根据样本分布密度来选择近邻点个数的dIsomap算法;集成kIsomap和dIsomap算法形成kdIsomap算法。结合PLS,提出一种NIR光谱建模的新方法–先用各种Isomap算法对NIR光谱数据做非线性降维,再用PLS做线性降维并建立校正模型。将这些方法应用于两个公共的NIR数据集建模,得到了更好的建模效果。Isomap是作为一种非线性降维方法提出的,它不能处理新样本,也不能用于监督学习。借鉴最近提出的Kernel Isomap算法能够处理新样本的功能,进一步利用Isomap与KPCA之间的联系,以及KPCA与KPCR之间的联系,将Isomap算法进行扩展,提出了监督的Isomap算法–SKIsomap,其既能处理新样本又能用于回归,从而拓展了Isomap算法的应用范围。将SKIsomap算法应用于建立安神补脑液提取过程中的二苯乙烯苷和淫羊藿苷的回归校正模型,效果较好。本文还研究了流形学习的其他两种算法:局部线性嵌入（LLE）、拉普拉斯正则化最小二乘（LapRLS）。提出了NIR光谱的LLE-PLS非线性建模方法和LapRLS半监督回归方法,并应用于建立丹参多酚酸盐柱层析过程中丹酚酸B含量的回归校正模型。本文将中药指纹图谱技术、NIR光谱在线检测技术、流形学习算法和自动控制技术综合应用于中药生产过程中,可实现对药物体系中化学成分群的实时监测及生产工艺的实时控制,对保证产品质量的均一、稳定、可控具有重要意义。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 论文的目的和意义
• 1.2 研究现状
• 1.2.1 近红外光谱技术及分析系统组成
• 1.2.2 流形学习算法综述
• 1.3 本文研究内容与布局
• 第二章 近红外光谱的化学计量学软件开发
• 2.1 近红外光谱建模的算法综述
• 2.2 近红外光谱建模软件开发
• 2.2.1 需求分析
• 2.2.2 软件功能模块图
• 2.2.3 建立校正模型流程图
• 2.2.4 各功能模块描述
• 2.2.5 软件实现
• 2.2.6 软件与OPUS 软件的比较
• 2.3 本章小结
• 第三章 近红外光谱建模的 Isomap 方法研究
• 3.1 Isomap 算法
• 3.2 Isomap 改进算法
• 3.2.1 kIsomap 算法
• 3.2.2 dIsomap 算法
• 3.2.3 kdIsomap 算法
• 3.3 实验部分
• 3.3.1 数据集描述
• 3.3.2 数据处理
• 3.4 结果与讨论
• 3.4.1 参数的影响
• 3.4.2 数据集1 的建模结果比较
• 3.4.3 数据集2 的建模结果比较
• 3.5 本章小结
• 第四章 监督的 Isomap 算法用于近红外光谱建模方法研究
• 4.1 核主成分分析与核主成分回归
• 4.1.1 核主成分分析（KPCA）
• 4.1.2 核主成分回归（KPCR）
• 4.2 Kernel Isomap 算法
• 4.3 SKIsomap 算法
• 4.4 实验部分
• 4.4.1 实验仪器与分析测试
• 4.4.2 光谱数据处理与分析
• 4.5 结果与讨论
• 4.5.1 Kernel Isomap 算法参数的优化
• 4.5.2 建模效果的比较
• 4.6 结果与讨论
• 第五章 其他流形学习算法应用于近红外光谱建模的方法研究
• 5.1 LLE-PLS 建模方法及其在丹参酸酚盐柱层析过程建模中的应用
• 5.1.1 LLE 原理与算法
• 5.1.2 实验部分
• 5.1.3 结果与讨论
• 5.1.4 本节小结
• 5.2 LapRLSR 建模方法及其在丹参多酸酚盐柱层析过程建模中的应用
• 5.2.1 LapRLSR 方法
• 5.2.2 实验与结果
• 5.2.3 本节小结
• 5.3 本章小结
• 第六章 总结和展望
• 6.1 论文工作的主要成果
• 6.2 论文工作的展望
• 参考文献
• 致谢
• 作者在攻读硕士期间的主要研究成果