导读:本文包含了关联光谱论文开题报告文献综述及选题提纲参考文献，主要关键词:分析监测,光谱数据,有效分析,磨损元素
关联光谱论文文献综述
杨建国[1]（2019）在《润滑油光谱数据关联度分析在发动机状态监测中的应用研究》一文中研究指出按照传统光谱分析方法,不能对发动机长时间运行后的状况进行有效分析监测,可能会导致监测结果不准确,影响发动机运行状态评估;而利用光谱分析数据趋势关联度分析方法,可以对稳定磨损期内元素间的关联度以及长时间运行后各元素之间关联度进行有效分析,保证发动机运行状态监测结果准确性和合理性。在利用润滑油光谱数据关联度分析法对发动机状态进行监测时,关键是寻找各分析元素之间关联度。基于此,以发动机磨损铁元素与其他磨损元素之间存在的关系为突破口,利用关联度函数关系确定发动机金属磨损元素关联度,确定发动机运行状态具体情况,根据监测结果对发动机进行维修和保养,确保发动机正常运行状态与安全性。(本文来源于《现代制造技术与装备》期刊2019年08期）
宋海燕,王世芳,谌英敏,苏勤[2]（2019）在《基于灰色关联度和Vis-NIR的不同贮藏方式下番茄光谱特性分析》一文中研究指出[目的]确定不同贮藏方式下,影响番茄样本定性判别的主要品质指标。[方法]本文采用可见近红外光谱技术分析了不同贮藏方式下番茄的光谱特性;引入主成分分析和灰色关联度分析方法对不同贮藏方式的番茄样本进行定性判别和贡献指标确定。[结果]不同贮藏方式下番茄的光谱特性有所不同,可用主成分分析提取的3个敏感波段1 927、1 401、1 222 nm(累积贡献率为98.92%)对其进行区分;与1 927 nm吸光度值关联度最大的为可滴定酸,与1 401 nm吸光度值关联度最大的为可溶性固形物,与1 222 nm吸光度值关联度最大的为可滴定酸。[结论]可滴定酸和可溶性固形物是影响其主成分分析的主要品质指标,也是影响上述不同贮藏方式下番茄样本分类的指标。该研究可为后续基于光谱技术的不同贮藏方式下番茄品质快速检测提供依据。(本文来源于《山西农业大学学报(自然科学版)》期刊2019年02期）
李玉爽,倪子颜,吕妍,王迪,王明吉[3]（2019）在《基于激光吸收光谱的冷库泄漏氨气吸光度关联分析》一文中研究指出为实现复杂热环境下冷库气态氨冷媒泄漏的高精度激光检测,采用计算流体力学方法确定了非开放空间内制冷压缩机高压排气端与低压吸气端管道泄漏氨气的体积浓度与测量温度的定量范围,基于HITEMP-TDLAS平台仿真得到相应参量下的氨气光谱吸光度曲线,利用多项式回归和共享参数全局拟合得到温度-浓度耦合变量氨气光谱吸光度关联式。结果表明:相同浓度下,总配分函数比值r Q是影响氨气吸收光谱线强的主要参量,r Q随温度增大的线性降低使得氨气线强亦随温度升高而减小;在体积浓度1%～15%,测量温度290～350 K范围内,温度-浓度耦合变量氨气光谱吸光度关联式的预测结果相对误差范围为±0. 25%。该氨气光谱吸光度预测模型可为氨气泄漏激光检测技术的应用提供一定的参考意义。(本文来源于《激光杂志》期刊2019年08期）
高光珍,蔡廷栋,张婷,张刚[4]（2019）在《基于多模激光关联光谱的甲烷气体检测技术》一文中研究指出为提高多模激光吸收光谱的灵敏度,将多模二极管激光关联光谱、长程吸收技术和波长调制光谱结合,建立了一套具有高检测灵敏度和高稳定性的气体检测系统。采用1 675 nm多模激光器作为光源,以光程为100 m的离散镜片型多通池作为气体吸收池,利用甲烷的2ν_3泛频带吸收谱线,通过计算待测气体和参考气体的二次谐波信号峰值之间的关系,实现了对CH_4气体的测量。实验在室温和20.265 kPa(即0.2个标准大气压)条件下进行,CH_4浓度范围为1.00×10~(-5)-1.10×10~(-2)。实验结果表明,CH_4浓度测量值与真实值之间具有良好的线性关系,其线性度为0.997,系统的测量准确度为3.50%,对浓度为2.60×10~(-6)的气体样品在30 min内的连续测量表明系统稳定度优于2.53%。本方法具有操作简单、稳定性好、灵敏度高和环境适应性强等优点,在工业过程控制和环境监测中具有广阔的应用前景。(本文来源于《光电子·激光》期刊2019年02期）
张志彦,谷川[5]（2018）在《基于关联规则的含噪高光谱图像分类系统》一文中研究指出为消除传统高光谱图像分类系统使用特征单一、分类准确率低的不足,提出了基于关联规则的含噪高光谱图像分类系统设。将关联规则挖掘算法应用于遥感领域,并依据关联规则设计了高光谱图像分类系统的特征模块,模块单元由滤波器、灰度共生矩阵模块、ASM模块、对比度处理模块、均匀度处理模块等部分构成;原始含噪高光谱图像输入分类系统后,先对其进行滤波降噪处理,基于灰度共生矩阵提取除噪后高光谱图像的细节特征,再依据图像之间的内在关联规则,实现对高光谱图像的精确分类。结果表明提出的系统设计,在含噪高光谱图像分类准确率改善方面效果显着。(本文来源于《激光杂志》期刊2018年12期）
吾木提·艾山江,买买提·沙吾提,尼加提·卡斯木,尼格拉·塔西甫拉提,王敬哲[6]（2018）在《基于灰色关联法的春小麦叶片含水量高光谱估测模型研究》一文中研究指出利用高光谱植被指数反演植被水分含量时,快速、准确的找到实测光谱数据与植被水分相关性最高的植被指数是研究的重点。在农田尺度上,以春小麦野外光谱数据与叶片含水量的定量关系为基础,通过灰色关联度分析,筛选出与叶片含水量灰色关联度较高的5种典型的水分植被指数,并建立了估算春小麦叶片含水量(LWC)的偏最小二乘回归(PLSR)模型和BP神经网络(back propagation artificial neural networks,BP ANN)模型。结果表明:(1)光谱一阶导数可以有效去除噪声影响并突出光谱特征信息,尤其是在750～830,1 000～1 060和2 056～2 155 nm等区间明显提高了与LWC的相关性。(2)灰色关联法能够较好的表征各水分植被指数与叶片含水量间的关联性,其中基于原始光谱建立的前5个水分植被指数都是两波段比值植被指数,基于光谱一阶导数建立的水分植被指数基本上都是两波段归一化差值植被指数。(3)所建立的两种模型中,基于光谱一阶导数建立的PLSR和BP神经网络模型R~2分别为0. 80和0. 81,稳定性基本相同且都较好;两种模型RMSE都是0. 55,RPD分别为2. 01和1. 41,说明PLSR模型的预测精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算春小麦叶片含水量方面有一定的优势,为高光谱定量反演春小麦叶片含水量提供一定的参考。(本文来源于《光谱学与光谱分析》期刊2018年12期）
路杰晖,李西灿,王凤华[7]（2018）在《土壤重金属铬含量高光谱灰色关联度估测》一文中研究指出快速、准确地测定土壤重金属含量,对防治土壤重金属污染、改善土壤环境和保障食品安全有着重要意义。以山东省烟台市采集的70个土壤样本为基础,首先分析土壤重金属铬含量的分组光谱特性;然后利用6种变换方法对土壤光谱反射率进行变换,根据极大相关性原则选取反演因子;最后利用灰色关联度模型初步估测铬含量,并对估测结果进行修正,采用决定系数和平均相对误差评价模型的有效性。结果表明,土壤光谱反射率随铬含量的升高而降低,二者呈负相关性;利用灰色关联度模式识别方法对重金属铬含量进行估测后的决定系数为R~2=0.656,平均相对误差为16.590%,而利用灰色关联度修正模型对估测值进行修正后,决定系数为R~2=0.912,平均相对误差为6.632%。研究表明,利用灰色关联度修正模型定量估侧土壤重金属铬含量有效。(本文来源于《测绘科学技术学报》期刊2018年05期）
于静,姜波,潘巧灵,杨鑫淼,陆榆先[8]（2018）在《原子吸收光谱法测定中药材中14种金属元素含量及其药用关联性研究》一文中研究指出采用微波消解技术处理荷叶、地骨皮、刺嫩芽、葛根、荔枝核5种中药药品,用5ml浓硝酸和1m L双氧水混合液作为消解剂进行微波消解,用火焰原子吸收光谱法测定5种中药材中钾、镁、钙、钠、铁、铜、锰、锶、锌、钴、镍、铬、镉和铅元素含量,并进一步对5种药材的药性关联性与测得的14种金属含量的关系进行分析研究。结果表明,各元素的加标回收率在95.5%~104.4%之间,检出限为0.0015~0.0132,相对标准偏差为0.76%~4.82%(n=11),标准工作曲线的线性相关系数均大于0.999,因此该方法适用于中药材中金属元素的含量测定;5种中药材中均有高含量的钙、镁、钾元素,而不含有镍、铅、镉元素。研究结果为五种中药材中金属元素含量测定,金属元素与药用关联性的联系提供了依据。(本文来源于《现代园艺》期刊2018年17期）
王海峰,张智韬,Arnon,Karnieli,陈俊英,韩文霆[9]（2018）在《基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算》一文中研究指出为改善高光谱技术对荒漠土壤有机质的估测效果,该文采集了以色列Seder Boker地区的荒漠土壤,经预处理、理化分析后将土样分为砂质土和黏壤土2类,再通过光谱采集、处理得到6种光谱指标:反射率(reflectivity,REF)、倒数之对数变换(inverse-log reflectance,LR)、去包络线处理(continuum removal,CR)、标准正态变量变换(standard normal variable reflectance,SNV)、一阶微分变换(first order differential reflectance,FDR)和二阶微分变换(second order differential reflectance,SDR)。通过灰度关联(gray correlation,GC)法确定SNV、FDR、SDR为敏感光谱指标,采用偏最小二乘回归(partial least squares regression,PLSR)法和岭回归(ridge regression,RR)法,构建基于敏感光谱指标的土壤有机质高光谱反演模型,并对模型精度进行比较。结果表明:砂质土有机质含量的反演效果要优于黏壤土;基于SNV指标建立的模型决定系数R~2和相对分析误差RPD均为最高、均方根误差RMSE最低,所以SNV是土壤有机质的最佳光谱反演指标;对SNV-PLSR模型和SNV-RR模型综合比较得出,SNV-RR模型仅用全谱4%左右的波段建模,实现了更为理想的反演效果:其中,对砂质土有机质的预测能力极强(R_p~2为0.866,RMSE为0.610 g/kg、RPD为2.72),对黏壤土有机质的预测能力很好(Rp2为0.863,RMSE为0.898 g/kg、RPD为2.37)。荒漠土壤有机质GC-SNV-RR反演模型的建立为高光谱模型的优化、土壤有机质的快速测定提供了一种新的途径。(本文来源于《农业工程学报》期刊2018年14期）
朱开亮[10]（2018）在《基于灰色关联分析的光谱数据分析方法研究》一文中研究指出由于新能源相关器件结构日趋复杂化,传统试错法已经无法快速有效地优化器件性能。利用光谱学方法揭示制约器件性能的物理机理有望提升器件优化效率。然而针对复杂材料体系,现有光谱数据分析方法存在诸多局限,改善已有方法或研究新的分析方法,有助于分析材料体系的本征特性,对于相关器件的优化有着重要意义。本文在传统灰色关联模型的基础上,改进分辨系数的选取方法,优化无量纲化方法,构建新的关联模型,并实证分析多元复合材料体系的光谱数据。这为灰色关联模型优化和光谱数据分析提供了新的思路,具有一定参考价值和理论意义。论文的主要工作如下:第一,对传统灰色关联模型的计算过程和存在的弊端进行了深入的探讨,分析了常用灰色关联模型的建模思想以及存在的不足之处,论述了研究新模型的必要性。第二,针对传统模型分辨系数固化的问题,提出了判断因子的概念,确定了分辨系数的动态选取方法。对比研究数据处理过程中的无量纲化方法,发掘最适用于灰色关联模型的无量纲化方法:线性比例法。在此基础上,提出了一种基于动态分辨系数的灰色关联新模型。第叁,论证新模型满足灰色关联模型成立的约束条件。通过两个实例验证了新模型在不同条件下的有效性和优越性。基于C语言和Matlab开发了一款用于灰色关联分析的软件。第四,论述了传统模型在光谱分析中存在的局限性,结合实例证明了新模型在分析复杂光谱数据时的有效性。研究结果表明,即使存在较强的噪音干扰,通过新模型也可以较为可靠地获得多元复合材料系统特性,例如化学组分比例(绝对误差小于1%)。(本文来源于《厦门大学》期刊2018-06-30）
关联光谱论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
[目的]确定不同贮藏方式下,影响番茄样本定性判别的主要品质指标。[方法]本文采用可见近红外光谱技术分析了不同贮藏方式下番茄的光谱特性;引入主成分分析和灰色关联度分析方法对不同贮藏方式的番茄样本进行定性判别和贡献指标确定。[结果]不同贮藏方式下番茄的光谱特性有所不同,可用主成分分析提取的3个敏感波段1 927、1 401、1 222 nm(累积贡献率为98.92%)对其进行区分;与1 927 nm吸光度值关联度最大的为可滴定酸,与1 401 nm吸光度值关联度最大的为可溶性固形物,与1 222 nm吸光度值关联度最大的为可滴定酸。[结论]可滴定酸和可溶性固形物是影响其主成分分析的主要品质指标,也是影响上述不同贮藏方式下番茄样本分类的指标。该研究可为后续基于光谱技术的不同贮藏方式下番茄品质快速检测提供依据。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
关联光谱论文参考文献
[1].杨建国.润滑油光谱数据关联度分析在发动机状态监测中的应用研究[J].现代制造技术与装备.2019
[2].宋海燕,王世芳,谌英敏,苏勤.基于灰色关联度和Vis-NIR的不同贮藏方式下番茄光谱特性分析[J].山西农业大学学报(自然科学版).2019
[3].李玉爽,倪子颜,吕妍,王迪,王明吉.基于激光吸收光谱的冷库泄漏氨气吸光度关联分析[J].激光杂志.2019
[4].高光珍,蔡廷栋,张婷,张刚.基于多模激光关联光谱的甲烷气体检测技术[J].光电子·激光.2019
[5].张志彦,谷川.基于关联规则的含噪高光谱图像分类系统[J].激光杂志.2018
[6].吾木提·艾山江,买买提·沙吾提,尼加提·卡斯木,尼格拉·塔西甫拉提,王敬哲.基于灰色关联法的春小麦叶片含水量高光谱估测模型研究[J].光谱学与光谱分析.2018
[7].路杰晖,李西灿,王凤华.土壤重金属铬含量高光谱灰色关联度估测[J].测绘科学技术学报.2018
[8].于静,姜波,潘巧灵,杨鑫淼,陆榆先.原子吸收光谱法测定中药材中14种金属元素含量及其药用关联性研究[J].现代园艺.2018
[9].王海峰,张智韬,Arnon,Karnieli,陈俊英,韩文霆.基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算[J].农业工程学报.2018
[10].朱开亮.基于灰色关联分析的光谱数据分析方法研究[D].厦门大学.2018