变分模态分解展开极限学习机用于复杂样品光谱定量分析
作者:
  • 摘要
  • | |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • | |
  • 文章评论
    摘要:

    构建一个对未知样品准确预测的多元校正模型是至关重要的。传统的多元校正方法在原始光谱和目标值之间建立单一模型,是对整体信息的一个大致反映。数学分解方法将信号从原始数据空间转换到其他空间,揭示原始光谱中可能被掩盖的信息,提高校正过程的准确性和可靠性。本研究基于变分模态分解(Variational mode decomposition, VMD)和极限学习机(Extreme learning machine, ELM)的优势,提出了一种变分模态分解展开极限学习机方法(Variational mode decomposition unfolded extreme learning machine, VMD-UELM)。利用VMD将每个光谱分解为多个模态分量,将模态分量展开成一个扩展矩阵,ELM用于建立定量模型。将其应用于血液、燃料油和二元中药数据集的光谱中,并分别对血红蛋白、双环芳烃和三七的含量进行定量分析。与ELM和PLS相比,该方法有更低的RMSEP和更高的相关系数R,表明了其在定量分析中具有更高的准确性。

    参考文献
    相似文献
    引证文献
引用本文

沈亮亮,刘强,吴德云,刘鹏,卞希慧*.变分模态分解展开极限学习机用于复杂样品光谱定量分析[J].科研仪器案例成果数据库,2024,(0).

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 在线发布日期: 2024-12-20
文章二维码