沉积物磁性特征对物源指示作用的探讨

利用快速发展的磁学技术对环境系统中的自然物质和人类活动所产生的次生物质进行物质来源鉴别是当前环境磁学研究的热点和难点。本文在简要介绍了磁学物质鉴别分析原理的基础上,详细阐述了沉积物磁性特征对物质来源的指示作用及其在古环境演变研究和现代环境污染研究中的实际应用,最后指出磁学鉴别物质来源存在的主要问题和努力方向。     

非参数空间上的最小最大估计

在非参数空间中,利用Bayes估计中常见的风险估计,以及风险控制函数,综合先验分布和后验分布,讨论了所有估计类中的最小重大估计,并结合算例说明该估计的合理性.     

基于高光谱图像技术的配合饲料主要营养成分的检测方法

收集403个配合饲料样本,利用高光谱成像仪对样本进行图像采集,获取配合饲料样本的可见/近红外光谱信息。采用光谱杠杆值和学生残差法剔除异常样本,利用CG法、SPXY法和K-S法按3∶1的比例进行样本集划分,采用均值中心化、标准化、一阶导数、二阶导数、正交信号校正、多元散射校正和标准正态变量变换、去趋势变换,以及其组合方法对光谱进行预处理;采用相关系数法获取特征波段,建立基于高光谱图像技术的配合饲料中粗蛋白、粗灰分、水分、总磷、钙含量的偏最小二乘法(PLS)定量分析模型。通过验证,粗蛋白验证集决定系数R~2V为0.777 8,均方根误差RMSEP为2.6155%,相对分析误差RPDV为2.114 3;粗灰分验证集R~2V为0.775 8,RMSEP为1.0611%,RPDV为2.120 4;水分验证集R~2V为0.631 4,RMSEP为1.6003%,RPDV为1.937 1,总磷验证集R~2V、RMSEP、RPDV分别为0.467 2、0.1916%、1.357 0;钙验证集R~2V仅为0.440 6,RMSEP为0.1755%,RPDV,为1.310 5。结果表明,所建立的粗蛋白、粗灰分最优定量分析模型预测性能较好,水分最优定量分析模型预测精度不够理想,总磷和钙定量分析模型的预测性能很差。     

基于近红外光谱法的水稻秸秆可溶性糖快速检测

采集并制备不同地域、不同品种的水稻秸秆样本288个,根据浓度梯度法,按照31的比例划分校正集与验证集。采用蒽酮硫酸比色法测定试验样本中可溶性糖含量,并采集在近红外全波段(10 000~4 000cm-1)范围内样本的近红外光谱信息。采用多元散射校正(MSC)、标准正态变量变换(SNV)、导数、S-G平滑及其组合方法对光谱进行预处理,分别运用逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)化学计量学算法,建立基于近红外光谱的逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)定量分析模型。通过比较分析,对光谱进行一阶导数预处理,建立的PLS模型效果最优,校正集实测值与预测值之间的决定系数R2C达到0.880 6,交互验证决定系数(R2CV)和验证集决定系数(R2V)分别为0.771 1、0.857 8,均方根差RMSEC、RMSECV、RMSEP分别为0.318%、0.440%、0.404%,校正集相对分析误差(RPDC)和验证集相对分析误差(RPDV)均大于2.5。结果表明,采用近红外光谱法建立的PLS模型基本可以实现水稻秸秆中可溶性糖含量的快速检测。