第35卷，第7期 2015年7月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 35,No. 7 -pp1864-1869
July，2015
基于近红外光谱和稀疏偏最小二乘回归的生物质工业分析
姚燕“，王常玥，刘辉军，汤建斌，蔡晋辉，汪静军
中国计量学院，浙江杭州310018
摘要林术生物质能源作为一种新型可再生能源，具有非常广阔的发展前景。基于近红外光谱技术，首次人稀疏偏最小二乘回归建立本屑生物质的工业分析模型，用于生物质燃料特性的快速分析测定。工业分
集和测试集，利用近红外光谱仪采集光谱数据并进行小波滤波处理：再利用稀疏偏最小二乘回归建立本屑生物质的定量分析模型，并与主成分回归、偏最小二乘回归、最小绝对收敛及变量筛选方法的建模效果进行比较。结果证明，相对于以上三种建模方法，稀疏偏最小二乘回归能够挑选出有重要影响的波长群组，降低非自标波段的巢声十扰，从而增强数学模型的解释能力并提高定量分析的准确度。利用稀疏偏最小二乘回归算法挑选的波长区间基本覆盖了工业分析中水分的吸收峰，而对于灰分、挥发分和固定碳的吸收峰波段尚无准确定位，需要继续探讨。总体而言，稀疏偏最小二乘回归能够减少无关信息的干扰，提高模型定量分
析的准确度，增强模型的解释能力，将会在近红外光谱技术应用领域内起到重要作用。关键词近红外光谱；稀疏偏最小二乘回归；工业分析
中图分类号：0657.33
引言
文献标识码：A
DOI : 10. 3964/j. issn. 1000-0593 (2015 )07-1864-06
弱、谱带较宽，被测样品一般为混合物体系，导致不同组分的光谱相互重叠[3.3}。因此NIR广泛采用结合化学计量学的方法，根据被测样品在某些波段的吸光度大小，结合所求成
当今能源短缺的矛盾日渐突出，解决这一难题主要依靠
大力发展新型能源。相比于传统能源，生物质能源具有消洁、燃烧效率高、易于储存和运输等优点，受到广泛关注。由于生物质燃料的特性与其操作条件、工艺过程和经济价值密切相关，因此，准确地确定其燃料特性是有效利用生物质燃料的前提。燃料特性分析通常利用工业分析法，即通过烘干、灼烧等方式，得出生物质工业分析成分的含量，其中可燃成分为挥发分（Volatile)和固定碳（FixedCarbon），不可燃成分为水分（Moisture）和灰分（Ash）"）。然而这种方法耗时量大，一次分析样品数量较少。如果分析上百种样品，需要消耗大量的时间和原材料，造成严重的资源浪费。
近年来，近红外光谱技术（nearinfrared spectrumtech-nology，NIR)作为一种快速、无损的新型检测手段，在农业、食品、医药和石油化工等领域得到广泛应用。相对于传统检测方法，NIR环保安全、操作简单、节省成本且一次能够分析大量样本。然而，近红外光谱仪在采集信号时会受到背景、温度、电路噪声等因素的影响。加上近红外光谱吸光度
收稿日期：2014-04-29，修订日期：2014-08-16
分的真实值建立相关的数学模型，从而预测生物质组分含量。
在近红外光谱测量中，应用最广产泛的方法是主成分回归(principlecomponent regression，PCR）和偏最小二乘回归（partialleastsquaresregression，PLS）。相关文献已有报道，例如Kaihara"等利用近红外光谱结合偏最小二乘法，预测了煤的水分和挥发分：皇才进“等采用近红外光谱结合偏最小二乘回归和主成分回归，对上百种秸秆样本的水分、灰分、挥发分和固定碳成分进行预测。但以上方法的主要缺点在于建模所用数据包含了全部波长点，导致模型无法辨别不同波长点的重要性。同时，全谱区建模会引人大量干扰因素，影响模型的准确度。为增强模型的可解释性并改善分析效果，本文首次利用稀疏偏最小二乘回归（sparsepartial least squares regression，SPLS)建立模型。SPLS在传统 PLS上引入Elasticnet算法的稀疏功能，从全光谱中挑选出含较多有效信息的波长点，从而增强对光谱数据的解释能力并提高分析结果的准确度。本文利用SPLS结合近红外光
基金项目：国家自然科学基金项目(61340055)，渐江省自然科学基金项目(LQ12E06002)资助作者简介：王常玥，女，1990年生，中国计量学院硕士研究生
e-mail : wangchangayue1990@ 126. com. en
*通讯联系人e-mail:yaoyan@ cjlu.edu.en