Name: o-cresol concentration online measurement based on near infrared spectroscopy via partial least square regression
Uploaded: 2019-11-08T12:30:00
Description: Watch this Scientific Journal Video about O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression at JoVE.com

Bu çalışma Çin Ulusal Doğa Bilimleri Vakfı (Hibe Nos. 61722306 ve 61473137) ve Ulusal Birinci Sınıf Hafif Sanayi Teknolojisi ve Mühendisliği Disiplin Programı (LITE2018-025) tarafından desteklenmiştir.

1. Fourier dönüşümü (FT)-NIR proses spektrometresi ile NIR spektrum veri toplama
<ol><li>Polifenil eter ürününün çıkışına yakın kızılötesi spektrometrenin sıvı faz optik fiber probu yükleyin. Ve cihaza bağlı üst bilgisayardaki OPUS yazılımını açın ve ölçümü yapılandırmaya başlayın.</li>
	<li>Spektrometreye bağlanma
	<ol>
<li>Ölçüle menüsünde Optik Kurulum ve Hizmet komutunu seçin veya araç çubuğundan simg...

<ol>
	<li>Nicolai, B. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nondestructive+measurement+of+fruit+and+vegetable+quality+by+means+of+NIR+spectroscopy:+A+review.">Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review.</a> Postharvest Biology and Technology. 46 (2), 99-118 (2007).</li><li>Chang, C. W., Laird, D. A., Mausbach, M. J., Hurburgh, C. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Near-infrared+reflectance+spectroscopy-principal+components+regression+analyses+of+soil+properties.">Near-infrared reflectance spectroscopy-principal components regression analyses of soil properties.</a> Soil Science Society of America Journal. 65 (2), 480-490 (2001).</li><li>Chen, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Near-infrared+spectroscopy+for+rapid+evaluation+of+different+processing+products+of+Sophora+japonica.">Near-infrared spectroscopy for rapid evaluation of different processing products of Sophora japonica.</a> L. Spectroscopy Letters. 51 (1), 37-44 (2018).</li><li>Cayuela, J. A., Garcia, J. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nondestructive+measurement+of+squalene+in+olive+oil+by+near+infrared+spectroscopy.">Nondestructive measurement of squalene in olive oil by near infrared spectroscopy.</a> LWT-FOOD SCIENCE AND TECHNOLOGY. 88, 103-108 (2018).</li><li>Joaquim, M., Rudnick, R. L., Shubkin, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Polyphenyl+Ether+Lubricants.">Polyphenyl Ether Lubricants.</a> Synthetic Lubricants and High-performance Functional. , 239 (1999).</li><li>Grabowska, H., Kaczmarczyk, W., Wrzyszcz, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Synthesis+of+2,6-Xylenol+by+Alkylation+of+Phenol+with+Methanol.">Synthesis of 2,6-Xylenol by Alkylation of Phenol with Methanol.</a> Applied Catalysis. 47 (2), 351-355 (1989).</li><li>Jeon, D. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Determination+of+volatile+organic+compounds,+catechins,+caffeine+and+theanine+in+Jukro+tea+at+three+growth+stages+by+chromatographic+and+spectrometric+methods.">Determination of volatile organic compounds, catechins, caffeine and theanine in Jukro tea at three growth stages by chromatographic and spectrometric methods.</a> FOOD CHEMISTRY. 219, 443-452 (2016).</li><li>Davidyuk, E. I., Demchenko, V. F., Klisenko, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Rapid+group+separation+and+identification+of+chlorinated+organic+compounds+by+high+performance+liquid+chromatography.">Rapid group separation and identification of chlorinated organic compounds by high performance liquid chromatography.</a> JOURNAL OF ANALYTICAL CHEMISTRY. 52 (11), 1058-1065 (1997).</li><li>Rinnan, A., Berg, F., Engelsen, S. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Review+of+the+most+common+pre-processing+techniques+for+near-infrared+spectra.">Review of the most common pre-processing techniques for near-infrared spectra.</a> TrAC Trends in Analytical Chemistry. 28 (10), 1201-1222 (2009).</li><li>Zou, X. B., Zhao, J. W., Povey, M. J. W., Holmes, M., Mao, H. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Variables+selection+methods+in+near-infrared+spectroscopy.">Variables selection methods in near-infrared spectroscopy.</a> Analytica Chimica Acta. (1-2), 14-32 (2010).</li><li>Dunn, B. W., Beecher, H. G., Batten, G. D., Ciavarella, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+potential+of+near-infrared+reflectance+spectroscopy+for+soil+analysis+-+a+case+study+from+the+Riverine+Plain+of+south-eastern+Australia.">The potential of near-infrared reflectance spectroscopy for soil analysis - a case study from the Riverine Plain of south-eastern Australia.</a> Australian Journal of Experimental Agriculture. 42 (5), 607-614 (2002).</li><li>Wang, C. K., Zhang, T. L., Pan, X. Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Potential+of+visible+and+near-infrared+reflectance+spectroscopy+for+the+determination+of+rare+earth+elements+in+soil.">Potential of visible and near-infrared reflectance spectroscopy for the determination of rare earth elements in soil.</a> Geoderma. 306, 120-126 (2017).</li><li>Gatius, F., Miralbes, C., David, C., Puy, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+CCA+and+PLS+to+explore+and+model+NIR+data.">Comparison of CCA and PLS to explore and model NIR data.</a> Chemometrics and Intelligent Laboratory Systems. , 76-82 (2017).</li><li>Wold, S., Sjostrom, M., Eriksson, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=PLS-regression:+a+basic+tool+of+chemometrics.">PLS-regression: a basic tool of chemometrics.</a> Chemometrics &amp; Intelligent Laboratory. 58 (2), 109-130 (2001).</li><li>Douglas, R. K., Nawar, S., Alamar, M. C., Mouazen, A. M., Coulon, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Rapid+prediction+of+total+petroleum+hydrocarbons+concentration+in+contaminated+soil+using+vis-NIR+spectroscopy+and+regression+techniques.">Rapid prediction of total petroleum hydrocarbons concentration in contaminated soil using vis-NIR spectroscopy and regression techniques.</a> SCIENCE OF THE TOTAL ENVIRONMENT. 616, 147-155 (2017).</li><li>Grassi, S., Alamprese, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Advances+in+NIR+spectroscopy+applied+to+process+analytical+technology+in+food+industries.">Advances in NIR spectroscopy applied to process analytical technology in food industries.</a> CURRENT OPINION IN FOOD SCIENCE. 22 (SI), 17-21 (2018).</li><li>Trung, T., Downes, G., Meder, R., Allison, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pulp+mill+and+chemical+recovery+control+with+advanced+analysers+-+from+trees+to+final+product.">Pulp mill and chemical recovery control with advanced analysers - from trees to final product.</a> APPITA. 68 (1), 39-46 (2015).</li><li>Vann, L., Sheppard, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Use+of+near-infrared+spectroscopy+(NIRs)+in+the+biopharmaceutical+industry+for+real-time+determination+of+critical+process+parameters+and+integration+of+advanced+feedback+control+strategies+using+MIDUS+control.">Use of near-infrared spectroscopy (NIRs) in the biopharmaceutical industry for real-time determination of critical process parameters and integration of advanced feedback control strategies using MIDUS control.</a> Journal of Industrial Microbiology&amp; Biotechnology. 44 (12), 1589-1603 (2017).</li><li>Modrono, S., Soldado, A., Martinez-Fernandez, A., de la Roza-Delgado, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Handheld+NIRS+sensors+for+routine+compound+feed+quality+control:+Real+time+analysis+and+field+monitoring.">Handheld NIRS sensors for routine compound feed quality control: Real time analysis and field monitoring.</a> TALANTA. 162, 597-603 (2017).</li></ol>

Bu protokol, NIRS ile polifenilen eter sıvı ürün kalan o-kresol konsantrasyonu ölçümü PLSR gerçekleştirme sürecini açıklar.
Bu süreçteki iki kritik adım, orijinal NIR spektral verilerinön işlenmesi ve yüksek boyutlu NIR spektral verilerin değişken seçimidir.
Genel olarak, sistematik olmayan arka plan paraziti, NIR spektrumunun sistematik olmayan saçılma sapmasına veya temel kaymasına yol açar. Uygun NIR spektral ön işleme yöntemi (türe...

Yakın kızılötesi (NIR) spektroskopisi (NIRS) hızlı, verimli, tahribatsız ve kirletici olmayan modern analitik teknoloji olarak geniş kabul kazanmıştır; bu yöntem son birkaç yıl içinde endüstriyel süreçlerde ürün kalite tespiti, analizi ve kimyasal bileşen ölçümü için kullanılmıştır. Yöntemin en temel uzmanlık alanı, herhangi bir ön işleme gerek kalmadan katı ve sıvı numuneler için spektrum ları kaydedebilme yeteneğidir, bu da NIRS'ı doğal ve sentetik ürünlerin doğrudan ve hızlı tespiti ve analizi için özellikle uygun hale getirerek1,2. Makroskopik ölçekte işlem değişkenlerini (örneğin sıcaklık, basınç, sıvı seviyesi, vb.) ölçen ve kaçınılmaz olarak dış gürültü ve arka plan parazitinden muzdarip olan geleneksel sensörlerin aksine, NIRS kimyasal bileşimin yapısal bilgilerini mikroskobik ve moleküler ölçeklerde algılar. Böylece, temel bilgiler diğer yöntemlere göre daha doğru ve etkili bir şekilde ölçülebilir3,4.
Polifenil eter, mühendislik plastikbiri olarak, yaygın ısı direnci, alev geciktirici, yalıtım, elektriközellikleri, boyutsal stabilite, darbe direnci, sürünme direnci, mekanik mukavemet ve diğer özellikleri nedeniyle kullanılır5. Daha da önemlisi, diğer mühendislik plastiklerine göre toksik değildir ve zararsızdır. Şu anda, 2,6-ksilenol polifenilen eter sentezi için temel hammadde biridir, ve genellikle metanol yöntemi ile fenol katalizyonu tarafından hazırlanan6. Bu hazırlama yönteminin iki ana ürünü vardır: o-kresol ve 2,6-ksilenol. Ayırma ve çıkarma adımları bir dizi sonra, 2,6 ksilenol polifenilen eter üretmek için kullanılır. Ancak, o-kresol eser miktarda 2,6-ksilenol kalır. O-cresol polifenilen eter sentezine katılmaz ve polifenilen eter ürün kalır, ürün kalitesinde bir azalma ya da hatta standart altı sonuçlanan. Şu anda, çoğu şirket hala renk ayrımsı 7 gibi fiziksel veya kimyasal ayırma analizi ile kirleri içeren sıvı faz polifenil eter ürünleri gibikarmaşık organik karışımların bileşimlerini analiz (örneğin, o-kresol) 7,8. Kromatografinin ayırma prensibi, sabit fazdaki kompozisyonların karışımının ve performanstaki küçük farklılıkların çözünme, analiz, adsorpsiyon, desorpsiyon veya diğer yakınlıklarında akış aşamasının kullanılmasıdır. İki aşama birbirine göre hareket ettiğinde, kompozisyonlar iki aşamada tekrar tekrar yukarıdaki eylemlerle ayrılır. Nesneye bağlı olarak, karmaşık bir malzeme ayırma işlemini tamamlamak genellikle birkaç dakika ile birkaç dakika sürer. Ölçüm veriminin düşük olduğu görülebilir.
Günümüzde, modern ince proses kimyasal malzeme endüstrisi için bu analize dayalı ürün kalitesinin ölçümü ve ileri kontrol teknolojisi, ürün kalitesini daha da artırmak için anahtar yöndür. Polifenil eter üretiminin proses endüstrisinde, polifenilen eter ürününde o-kresol içeriğinin gerçek zamanlı ölçümü büyük bir gelişme dir. Kromatografik analiz, maddelerin gerçek zamanlı ölçümü ve sinyal geri bildirimi için ileri kontrol teknolojisinin gerekliliklerini açıkça karşılayamaz. Bu nedenle, nirs verileri ile o-kresol konsantrasyonu arasında doğrusal bir model oluşturmak için kısmi en küçük kareretres (PLSR) yöntemini öneriyoruz, bu da çıkışın sıvı polifenilen eter ürünündeki o-kresol içeriğinin online ölçümlerini gerçekleştirmektedir. .
NIRS için ön işleme çok değişkenli istatistiksel modelleme öncesinde en önemli rolü oynar. NIR spektrumundaki NIRS dalga numaraları ve biyolojik örneklerin parçacık boyutları karşılaştırılabilir, bu nedenle kaydedilen örnek spektrumları üzerinde etkisi olan beklenmeyen dağılım etkileri ile bilinir. Uygun ön işleme yöntemleri gerçekleştirerek, bu etkilerin büyük ölçüde ortadan kaldırılması kolaydır9. NIRS'de en sık kullanılan ön işleme teknikleri dağılım düzeltme ve spektral türev yöntemler olarak sınıflandırılır. İlk yöntem grubu, çarpan dağılım düzeltme, detrending, standart normal variat dönüşümleri ve normalleştirme içerir. Spektral türev yöntemleri birinci ve ikinci türevlerin kullanımını içerir.
Kantitatif bir regresyon modeli geliştirmeden önce, nirs verilerinden sistematik olmayan dağılım varyasyonlarının kaldırılması önemlidir, çünkü bunlar tahminmodelinin doğruluğu, karmaşıklığı ve parsimony üzerinde önemli bir etkiye sahiptir. Uygun bir ön işleme yönteminin seçimi her zaman sonraki modelleme adımına bağlı olmalıdır. Burada, NIR spektral veri seti Lambert-Beer yasasını izlemiyorsa, diğer faktörler tahmin edilen bileşenler için tahminin ideal olmayan davranışını telafi etme eğilimindedir. Bu tür gereksiz faktörlerin varlığının dezavantajı model karmaşıklığının artmasına yol açar, hatta büyük olasılıkla, sağlamlık bir azalmaya. Bu nedenle, spektral türevlerin uygulanması ve spektral verilere konvansiyonel normalleştirme yönteminin önemli bir parçasıdır.
Spektral ön işleme den sonra, yüksek sinyal-gürültü oranı ve düşük arka plan paraziti ile NIRS verileri elde edilir. Modern NIRS analizi, uygun bir spektral aralıkta büyük miktarda emiciliğin hızlı bir şekilde elde edilmesine neden olabilir. Numunenin kimyasal bileşimi daha sonra spektral eğride yer alan bilgiler kullanılarak ilgili değişkenler ayıklandırılarak tahmin edilir. Genel olarak, NIRS nitel veya nicel analizler için çok değişkenli analiz teknikleri ile birleştirilir10. Çok değişkenli doğrusal regresyon (MLR) analizi, endüstriyel süreçlerdeki veriler ve bileşenler arasındaki matematiksel ilişkinin geliştirilmesi ve madenciliği için yaygın olarak kullanılır ve NIRS analizinde yaygın olarak kullanılmıştır.
Ancak, önceden işlenmiş NIRS verileri için mlr uygularken iki temel sorun vardır. Bir sorun değişken artıklık olduğunu. NIRS verilerinin yüksek boyutluluğu genellikle bağımlı bir değişkenin tahminini güvenilmez hale getirir, çünkü bileşenlerle ilişkisi olmayan değişkenler dahildir. Bu yedekli değişkenler spektral verilerin bilgi verimliliğini azaltır ve modelin doğruluğunu etkiler. Değişken artıklığı ortadan kaldırmak için, NIRS verileri ile öngörülen bileşenler arasındaki ilişkiyi geliştirmek ve en üst düzeye çıkarmak esastır.
Bir diğer sorun da NIRS verilerindeki multicollinearity sorunudur. Birden çok doğrusal regresyon modelinin önemli varsayımlarından biri, regresyon modelinin açıklayıcı değişkenlerinden herhangi biri arasında doğrusal bir ilişki olmamasıdır. Bu doğrusal ilişki varsa, doğrusal regresyon modelinde multikolidoğrusallık olduğu ve varsayımın ihlal edildiği kanıtlanmıştır. Sıradan en az karereyon (OLSR) gibi birden çok doğrusal regresyonda, değişkenler arasındaki çoklu korelasyon parametre tahminini etkiler, model hatasını artırır ve modelin kararlılığını etkiler. NIR spektral verileri arasındaki çok doğrusal korelasyonun ortadan kaldırılması için, örneklerin doğal değişkenliğini en üst düzeye çıkaran değişken seçim yöntemleri kullanırız.
Burada, yaygın NIRS11,12alanında kullanılan birden fazla doğrusal regresyon bir genelleme olan PLSR, kullanmayı öneriyoruz. PLSR MLR, kanonik korelasyon analizi (CCA) ve temel bileşen analizi (PCA) temel işlevlerientegre ve olmayan bir model veri birleşimi analizi ile tahmin analizi birleştirir. PLSR iki bölüme ayrılabilir. İlk bölüm, karakteristik değişkenlerin bileşenlerini ve öngörülen bileşenleri kısmi en küçük kareler analizi (PLS) ile seçer. PLS, ana bileşenlerin ve öngörülen bileşenlerin bir arada kalarak ana bileşenlerin doğal değişkenliğini en üst düzeye çıkarır. Daha sonra, seçilen ana bileşenler için OLSR o-kresol konsantrasyonu modeli oluşturulur. PLSR, güçlü bir şekilde collinear ve son derece ilişkili çok sayıda bağımsız değişken ile gürültülü verilerin analizi ve çeşitli yanıt değişkenlerinin eşzamanlı modelleme için uygundur. Ayrıca, PLSR, örnek spektrumların etkili bilgi ayıklar multicollinearity sorunu üstesinden ve güçlü istikrar ve yüksek tahmin doğruluğu avantajları vardır13,14.
Aşağıdaki protokol, NIR spektral verileri kullanarak o-kresol konsantrasyonu ölçmek için PLSR modelinin kullanılması işlemini açıklamaktadır. Modelin güvenilirliği ve doğruluğu, belirleme katsayısı ( ), tahmin<img alt="Equation 1" src="/files/ftp_upload/59077/59077eq1.jpg">korelasyon katsayısı<img alt="Equation 2" src="/files/ftp_upload/59077/59077eq2.jpg">( ) ve çapraz doğrulamanın (MSPECV) ortalama kare tahmin hatası kullanılarak nicel olarak değerlendirilir. Ayrıca, sezgisel PLSR avantajlarını göstermek için, değerlendirme göstergeleri nitel bir analiz için çeşitli arsalar görselleştirilmiştir. Son olarak, bir deneyin değerlendirme göstergeleri, PLSR modelinin güvenilirliğini ve hassasiyetini nicel olarak göstermek için tablo biçiminde sunulur.

<table border="0" cellpadding="0" cellspacing="0" style="width:536px;" width="535">
	<tbody>
		<tr height="20">
			<td height="20" style="height:20px;width:319px;">MPA II Multi Purpose FT-NIR Analyzer</td>
			<td style="width:67px;">Bruker</td>
			<td style="width:88px;">1</td>
			<td style="width:63px;"></td>
		</tr>
		<tr height="20">
			<td height="20" style="height:20px;">Fiber Optic Probes(Liquid phase)</td>
			<td>Bruker</td>
			<td>1</td>
			<td></td>
		</tr>
		<tr height="20">
			<td height="20" style="height:20px;">Liquid chromatography analyzer&#160;</td>
			<td>/</td>
			<td>1</td>
			<td></td>
		</tr>
		<tr height="20">
			<td height="20" style="height:20px;">Laboratory Equipment and Supplies(e.g. test tube, etc.)</td>
			<td>/</td>
			<td></td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">MATLAB</td>
			<td>MathWork</td>
			<td>1</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">OPUS</td>
			<td>Bruker</td>
			<td>1</td>
			<td></td>
		</tr>
		<tr height="20">
			<td height="20" style="height:20px;">Principal computer</td>
			<td>DELL</td>
			<td>1</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">The Unscrambler</td>
			<td>CAMO</td>
			<td>1</td>
			<td></td>
		</tr>
	</tbody>
</table>

o-cresol concentration online measurement based on near infrared spectroscopy via partial least square regression

Makroskopik proses değişkenlerinin aksine, yakın kızılötesi spektroskopi moleküler düzeyde proses bilgileri sağlar ve endüstriyel süreçlerdeki bileşenlerin tahminini önemli ölçüde artırabilir. Herhangi bir ön işlem olmadan katı ve sıvı numuneler için spektrum ları kaydetme yeteneği avantajlıdır ve yöntem yaygın olarak kullanılmaktadır. Ancak, yüksek boyutlu yakın kızılötesi spektral verileri analiz dezavantajları bilgi artıklığı ve spektral verilerin multicollinearity içerir. Bu nedenle, geleneksel olarak veri boyutsallığını azaltmak ve orijinal özellikler arasındaki doğrusallığı ortadan kaldırmak için kullanılan kısmi en küçük kareler regresyon yöntemini kullanmayı öneriyoruz. Polifenilen eter üretimi sırasında o-kresol konsantrasyonunu tahmin etme yöntemini uyguluyoruz. Önerilen yaklaşım bileşen regresyon tahmin yöntemleriüzerinde aşağıdaki avantajları sunar: 1) kısmi en az kareler regresyon bağımsız değişkenlerin multicollinearity sorunu çözer ve etkili bir oluşur aşırı uyum önler bağımsız değişkenler arasındaki yüksek korelasyon nedeniyle regresyon analizi; 2) mikroskobik ve moleküler ölçeklerde bilgi elde etmek için bir non-yıkıcı ve kirletici olmayan bir yöntem olduğu için yakın kızılötesi spektrumların kullanımı yüksek doğruluk la sonuçlanır.

Polifenil eter ürünlerinde o-cresol Kirlilik öngörülen değeri PLSR tabanlı yakın kızılötesi spektroskopi ile elde edilir. Şekil 2 ve Şekil 3 sırasıyla karar katsayısı eğrisinden özellik seçimi aşamasında yöntemin güvenilirliğini ve ana bileşenlerin sayısı ile artan hata yorumlama yüzdesini gösterir.
Özellikle, temel bileşenlerin seçiminde, modelin karmaşıklığ...

Watch this Scientific Journal Video about O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression at JoVE.com

O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression

Protokol, yakın kızılötesi spektroskopi ve kısmi en az kareregresyon kullanarak polifenilen eter üretimi sırasında o-kresol konsantrasyonunu tahmin etme yöntemini açıklar. Süreci daha açık ve tam olarak tanımlamak için, polifenilen üretimi sırasında o-kresol konsantrasyonu tahmin bir örnek adımları açıklığa kavuşturmak için kullanılır.

Kısmi En Küçük Kare Regresyon İle Yakın Kızılötesi Spektroskopiye Dayalı O-kresol Konsantrasyonu Online Ölçüm

Unlike macroscopic process variables, near-infrared spectroscopy provides process information at the molecular level and can significantly improve the ...

Bu deneysel makalenin önemi yakın kızılötesi spektroskopi ve gerçek proses endüstrisinin online izleme için veri madenciliği algoritmaları uygulamaları yatıyor. Bu teknolojinin en büyük avantajları onun hızı yatıyor. Yakın kızılötesi algılama teknolojisinin zararsız özelliği ve kısmi en az kareler veya PLS, algoritma uygulaması.Başlamak için, metin protokolünde açıklandığı gibi spektrometrebağ. Ölçüm parametrelerini ayarlamak için OPUS yazılımını kullanın. Ölçüle menüsüne gidin ve Gelişmiş Ölçüm komutunu seçin.Açılan iletişim kutusunda, farklı sekmelerde ölçüm parametrelerini tanımlayın. Deneme dosyasını depolamak için Gelişmiş sekmesini tıklatın. Çözünürlüğü dört ters santimetre olarak tanımlayın.Tarama sayısını örnek arka plan tarama zaman giriş alanlarında 16 tarama olarak tanımlayın. Ölçüm verilerini 4,000 ters santimetreden 12, 500 ters santimetreye otomatik olarak depolamak için yolu tanımlayın. Sonuç spektrumu için veri türünü absorbance olarak belirleyin ve deneme dosyasını kaydedin.Şimdi Optik sekmesini tıklatın. Diyafram ayar açılır listesini tıklatın ve örnek bir spektrum elde etmek için kullanılan aynı değeri seçin. Ardından Temel sekmesini tıklatın.Arka Plan Tek Kanal düğmesini tıklatın ve örnek spektrumu ölçmek için spektrometrenin optik yoluna örnek yerleştirin. Belirli bir giriş alanında örnek açıklama ve örnek formu tanımlayın. Bu bilgiler spektrumla birlikte depolanır.Şimdi çevrimiçi ölçümü başlatmak için Örnek Tek Kanal düğmesini tıklatın. Her taraya ait NIR spektrumu bir OPUS dosyası olarak kaydedin. Orijinal spektral seti okumak için OPUS yazılımını kullanın.Dosya menüsünde Dosyayı Yükle komutunu tıklatın. Açılan iletişim kutusunda, belirli spektrum dosyasını seçin. Aç düğmesini tıklatın.Spektrum spektrum penceresinde görüntülenir. Spektral ön işleme fonksiyonu ile, birinci dereceden türev ile önceden işlenmiş spektral veri seti elde edin. Önce çok değişkenli bir veri analizi ve deneysel tasarım yazılımı olan Unscrambler'ı açın.Ardından Dosya'nın altındaki İçe Aktar komutunu seçin. OPUS dosyasını özgün bir NIR spektral veri kümesi olarak içe aktarın. Değiştir'in altındaki Dönüştür komutunu seçin.Ardından Türevler altındaki Savitzky-Golay türevlerini seçin. Örnekleri ve değişkenleri Kapsam'taki tüm örnekler ve tüm değişkenler olarak tanımlayın. Ayrıca, yumuşatma noktası sayısını 13, türevi ise Parametreler'deki ilk türev olarak tanımlayın.Türevi başlatmak için Tamam'ı tıklatın. Emiciliğin değerini normalleştirmek için örnek spektrumları üzerinde vektör normalleştirme gerçekleştirin. Değiştir altında normalleştirme komutunu seçin.Örnekleri ve değişkenleri Kapsam'taki tüm örnekler ve tüm değişkenler olarak tanımlayın. Türde vektör normalleştirmesini seçin. Vektör normalleştirmesi gerçekleştirmek için Tamam'ı tıklatın.Uygun sayıda ana bileşen seçmek için MATLAB'ı açın ve MAT dosyasını çalışma alanına sürükleyerek önceden işlenmiş yakın kızılötesi spektral verileri içeren MAT dosyasını alın. Programlanmış M dosyasını editörde açın. Düzenleyici seçeneğialtında Aç'ı tıklatın, dosya depolama dizininde derlenen M dosyasını seçin ve sonra Onayla'yı tıklatın.MATLAB'da, çıkarılan ana bileşenler ile O-kresol konsantrasyonunun öngörülen değerleri arasında optimizasyon amacına ve OLSR modeline göre 15 ana bileşeni ayıklamak için çalışın. R-kare değerlerini ve eğilimi, artan sayıda ana bileşenle belirleyin. R kare değeri 0,9917 olan uygun ana bileşen sayısı olarak 10'u seçin.PLSR modelinin uygunluk ve doğruluk iyiliğini doğrulamak için modelleme işlemini 10 ana bileşenle tekrarlayın. Modeli NIR spektral verilerinde açıklanan yüzde varyans, artıklar ve çapraz doğrulama veya MSPECV'nin ortalama kare tahmin hatasını kullanarak 10 kat çapraz doğrulamayı temel alın. Burada çizilen kalıntılar, O-cresol içerik referans değeri ve PLSR modeli tahmini arasındaki fark bakın.Çizilen veriler, NIR spektral verilere dayalı O-kresol içeriğinin ölçümü için PLSR'nin yüksek doğruluk olduğunu göstermektedir. Çapraz doğrulama ortalama kare hatası, başvuru ile öngörülen O-cresol içeriği arasındaki farkın derecesinin bir ölçüsüdür. Değer ne kadar küçükse, O-cresol içeriğini açıklayan tahmine dayalı modelin doğruluğu da o kadar iyi.PlsR'ye dayalı O-kresol konsantrasyonu ölçümü için ortalama kare tahmin hatası, ana bileşenlerin sayısı arttıkça azalır. Hata, 10 ana bileşende kabul edilebilir bir minimuma ulaşır. Bu, PLSR'nin NIRS kullanılarak O-kresol konsantrasyonunun ölçümü için yüksek stabilite ile sonuçverdiğini kanıtlamaktadır.Bu yordamı denerken, en önemli adım kompozisyonların referans değerlerini doğru bir şekilde elde etmektir, çünkü bu, sonraki aşamada gerçekleştirilen tüm ön işleme ve modellemenin temelini oluşturur. PLS ek olarak, derin öğrenme ve karar ağacı gibi bazı mevcut popüler makine öğrenme algoritmaları da bu yordamda kullanılabilir. NIRS algılama teknolojisi ile birlikte, önerilen veri madenciliğinin endüstriyel otomasyon sürecinde modern endüstride akıllı dönüşüme yönelik anlamlı bir uygulama şablonu olduğuna inanıyoruz.

Research

JoVE Journal

Engineering

Proton Transfer and Protein Conformation Dynamics in Photosensitive Proteins by Time-resolved Step-scan Fourier-transform Infrared Spectroscopy

Tarafından Işığa Proteinler Proton Transferi ve Protein Konformasyon Dynamics Zamanda çözülmüş kızılötesi spektroskopi Fourier-dönüşümü Step-tarama

Monitoring the dynamics of protonation and protein backbone conformation changes during the function of a protein is an essential step towards ...

Characterizing Far-infrared Laser Emissions and the Measurement of Their Frequencies

Uzak-kızılötesi lazer Emisyonları ve Bunların Frekansları ölçülmesi Karakterizasyonu

The generation and subsequent measurement of far-infrared radiation has found numerous applications in high-resolution spectroscopy, radio astronomy, and ...

Experimental Methods for Investigation of Shape Memory Based Elastocaloric Cooling Processes and Model Validation

Şekil Bellek İncelenmesi Tabanlı Elastocaloric Soğutma Süreçler ve Model Doğrulama için Deneysel Yöntemler

Shape Memory Alloys (SMA) using elastocaloric cooling processes have the potential to be an environmentally friendly alternative to the conventional vapor ...

The Evolution of Silica Nanoparticle-polyester Coatings on Surfaces Exposed to Sunlight

Güneş ışığına maruz Yüzeyler Silika Nanoparçacık-polyester kaplamalar Evrimi

Corrosion of metallic surfaces is prevalent in the environment and is of great concern in many areas, including the military, transport, aviation, ...

Optical Trap Loading of Dielectric Microparticles In Air

Havada Dielektrik mikropartiküllerin Optik Tuzak Yükleme

We demonstrate a method to trap a selected dielectric microparticle in air using radiation pressure from a single-beam gradient optical trap. Randomly ...

Generation of Size-controlled Poly (ethylene Glycol) Diacrylate Droplets via Semi-3-Dimensional Flow Focusing Microfluidic Devices

Generation of Size-controlled Poly ethylene Glycol Diacrylate Droplets via Semi-3-Dimensional Flow Focusing Microfluidic Devices

Poli (etilen glikol) Diacrylate damlacıklar yoluyla yarı-3 boyutlu akış odaklanarak mikrosıvısal cihazlar boyutu kontrol nesil

Uniform and size-controllable poly (ethylene glycol) diacrylate (PEGDA) droplets could be produced via the flow focusing process in a microfluidic device. ...

A Fabrication and Measurement Method for a Flexible Ferroelectric Element Based on Van Der Waals Heteroepitaxy

Bir imalat ve Van Der Waals Heteroepitaxy dayanan esnek bir Ferroelectric öğesi için ölçüm yöntemi

Flexible non-volatile memories have received much attention as they are applicable for portable smart electronic device in the future, relying on ...

Near-Infrared Temperature Measurement Technique for Water Surrounding an Induction-heated Small Magnetic Sphere

Yakın kızılötesi sıcaklık ölçüm tekniği bir indüksiyon ısıtmalı manyetik küre küçük çevreleyen su için

A technique to measure the temperature of water and non-turbid aqueous media surrounding an induction-heated small magnetic sphere is presented. This ...

In Situ Surface Temperature Measurement in a Conveyor Belt Furnace via Inline Infrared Thermography

Sıralı Kızılötesi Termografi ile Konveyör Bant Fırınında Situ Yüzey Sıcaklığı Ölçümü

Measuring the surface temperature of objects that are processed in conveyor belt furnaces is an important tool in process control and quality assurance. ...

Study of Protein Dynamics via Neutron Spin Echo Spectroscopy

Study of Protein Dynamics via Neutron Spin Echo Spectroscopy

Nötron Spin Yankı Spektroskopisi ile Protein Dinamiğinin İncelenmesi

Most human body proteins' activity and functionality are related to configurational changes of entire subdomains within the protein crystal structure. The ...