近红外光谱结合小波变换-随机森林法快速定量分析甲醇汽油中甲醇含量

• 作者: 张天龙 李华 李茂刚 薛佳 闫春华
• 来源期刊: 分析化学
• 关键词: 近红外光谱 甲醇汽油 小波变换 随机森林
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 研究报告
• 页码范围: 1995-2003
• 页数: 9页
• 字数: 6498字
• 语种: 中文
• DOI: 10.19756/j.issn.0253-3820.191372

摘要

建立了一种基于近红外光谱(Near infrared spectroscopy,NIR)结合小波变换-随机森林(Wavelet transform-Random forest,WT-RF)的用于甲醇汽油中甲醇含量快速定量分析的方法.采用傅里叶变换红外光谱仪采集54个甲醇汽油样品的光谱,并进行光谱解析;探究不同光谱预处理方法对样品NIR光谱的处理效果,重点探究基于不同小波基函数与小波分解层数的小波变换(Wavelet transform,WT)光谱预处理效果,并通过优化变量重要性阈值筛选随机森林RF校正模型的输入变量;基于优化后的参数及输入变量,构建了甲醇汽油NIR光谱的WT-RF模型.为了进一步验证此模型的预测性能,将其与小波变换-偏最小二乘校正模型(Wavelet transform-Partial least squares,WT-PLS)和小波变换-最小二乘支持向量机校正模型(Wavelet transform-Least square support vector machine,WT-LSSVM)进行对比.结果表明,WT-RF校正模型具有最佳的预测性能,其交叉验证决定系数(Coefficient of determination of cross-validation,R2cv)和均方根误差(Root mean square error of cross-validation,RMSECV)分别是0.9990和0.0044％,预测集决定系数(Coefficient of determination of prediction set,R2p)和均方根误差(Root mean square error of prediction set,RMSEP)分别为0.9885和0.0191％.研究结果表明,NIR光谱结合WT-RF算法是一种快速准确定量分析甲醇汽油中甲醇含量的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李华	西安石油大学化学化工学院	4	14	2.0	3.0
3	李茂刚	西安石油大学化学化工学院	2	2	1.0	1.0
4	薛佳	西安石油大学化学化工学院	2	2	1.0	1.0
5	闫春华	合成与天然功能分子化学教育部重点实验室西北大学化学与材料科学学院	1	2	1.0	1.0
6	张天龙	合成与天然功能分子化学教育部重点实验室西北大学化学与材料科学学院	1	2	1.0	1.0