针对现有风暴轴指数分析大多采用相关分析等较为简单方法,难以对风暴轴指数变化有效诊断分析的问题,引入偏最小二乘回归(Partial Least Square Regression,PLS)的线性方法和核偏最小二乘回归方法(Kernel Partial Least Square Regressio...
详细信息
针对现有风暴轴指数分析大多采用相关分析等较为简单方法,难以对风暴轴指数变化有效诊断分析的问题,引入偏最小二乘回归(Partial Least Square Regression,PLS)的线性方法和核偏最小二乘回归方法(Kernel Partial Least Square Regression,KPLS),对冬季北太平洋风暴轴指数变化进行了特征诊断研究,并与传统的线性无偏最小二乘回归结果进行了试验比对。结果表明:偏最小二乘回归方法的诊断结果能够更好地反映风暴轴内部变化规律,并有效降低诊断误差。对于PNYI(北太平洋风暴轴纬度指数),采用r>0. 2的因子筛选方案(r为因子与风暴轴指数的相关系数)并应用KPLS算法时,预测效果最佳;对于PNXI(北太平洋风暴轴经度指数)和PNII(北太平洋风暴轴强度指数),采用全因子方案并应用KPLS算法时,预测效果最佳。
探索了以声光可调滤波器(acousto-optic tunable filter,AOTF)为分光器件的新一代近红外(NIR)光谱仪用于气体检测的可行性,并提出一种多组分混合气体近红外光谱分析的新方法。将一个自制的气室与AOTF-NIR光谱仪配接,从而实现了当前仅限于固体和液体检测的AOTF-NIR光谱仪对气体的检测。实验首先获取并比较了甲烷在不同浓度下的近红外光谱。结果显示,当浓度大于0.1%时,甲烷的吸光度明显地随其浓度的增加而增加。随后参照仪器对甲烷的检测低限设计了甲烷、乙烷和丙烷三组分混合气体样本,并采集了它们的近红外光谱。三种组分气体的定量分析模型由核偏最小二乘(kernel partial least squares,KPLS)回归法建立,模型的预测能力采用检验集的预测均方根误差(root mean square error of prediction,RMSEP)评定。与偏最小二乘(PLS)回归分析效果的对比研究表明,KPLS回归较PLS回归在NIR光谱数据的分析上更具优越性。
暂无评论