Summary
प्रोटोकॉल के पास अवरक्त स्पेक्ट्रोस्कोपी और आंशिक कम वर्ग प्रतिगमन का उपयोग कर पॉलीफेनीलीन ईथर के उत्पादन के दौरान ओ-क्रेसोल एकाग्रता की भविष्यवाणी करने की एक विधि का वर्णन करता है। प्रक्रिया को अधिक स्पष्ट रूप से और पूरी तरह से वर्णन करने के लिए, पॉलीफेनीलीन के उत्पादन के दौरान ओ-क्रेसोल एकाग्रता की भविष्यवाणी करने का एक उदाहरण चरणों को स्पष्ट करने के लिए उपयोग किया जाता है।
Abstract
स्थूल प्रक्रिया चर के विपरीत, निकट अवरक्त स्पेक्ट्रोस्कोपी आणविक स्तर पर प्रक्रिया जानकारी प्रदान करता है और औद्योगिक प्रक्रियाओं में घटकों की भविष्यवाणी में काफी सुधार कर सकता है। किसी भी पूर्वउपचार के बिना ठोस और तरल नमूनों के लिए स्पेक्ट्रा रिकॉर्ड करने की क्षमता लाभप्रद है और विधि का व्यापक रूप से उपयोग किया जाता है। हालांकि, उच्च आयामी निकट-अवरक्त स्पेक्ट्रल डेटा का विश्लेषण करने के नुकसान में सूचना अतिरेक और स्पेक्ट्रल डेटा की बहुकोलीनेनेटी शामिल है। इस प्रकार, हम आंशिक कम वर्ग प्रतिगमन विधि का उपयोग करने का प्रस्ताव करते हैं, जिसका उपयोग पारंपरिक रूप से डेटा आयामीता को कम करने और मूल सुविधाओं के बीच कोलिनेकी को खत्म करने के लिए किया गया है। हम पॉलीफेनीलीन ईथर के उत्पादन के दौरान ओ-क्रेसोल एकाग्रता की भविष्यवाणी करने के लिए विधि को लागू करते हैं। प्रस्तावित दृष्टिकोण घटक प्रतिगमन भविष्यवाणी विधियों पर निम्नलिखित लाभ प्रदान करता है: 1) आंशिक कम वर्ग प्रतिगमन स्वतंत्र चर की मल्टीकोलिनेनेसिटी समस्या को हल करता है और प्रभावी रूप से ओवरफिटिंग से बचता है, जो एक में होता है स्वतंत्र चर के बीच उच्च सहसंबंध के कारण प्रतिगमन विश्लेषण; 2) निकट अवरक्त स्पेक्ट्रा के उपयोग के परिणामस्वरूप उच्च सटीकता होती है क्योंकि यह सूक्ष्म और आणविक तराजू पर जानकारी प्राप्त करने के लिए एक गैर-विनाशकारी और गैर-प्रदूषणकारी विधि है।
Introduction
निकट अवरक्त (एनआईआर) स्पेक्ट्रोस्कोपी (एनआईआर) ने एक तेज, कुशल, गैर-विनाशकारी और गैर-प्रदूषणकारी आधुनिक विश्लेषणात्मक तकनीक के रूप में व्यापक स्वीकृति प्राप्त की है; इस विधि का उपयोग पिछले कई वर्षों के दौरान औद्योगिक प्रक्रियाओं में उत्पाद गुणवत्ता का पता लगाने और विश्लेषण और रासायनिक घटक माप न के लिए किया गया है। विधि की सबसे आवश्यक विशेषता बिना किसी पूर्व प्रसंस्करण के ठोस और तरल नमूनों के लिए स्पेक्ट्रा रिकॉर्ड करने की क्षमता है, जिससे एनआईआरएस विशेष रूप से प्राकृतिक और सिंथेटिक उत्पादों का प्रत्यक्ष और तेजी से पता लगाने और विश्लेषण के लिए उपयुक्तहै1,2। पारंपरिक सेंसरों के विपरीत जो स्थूल पैमाने पर प्रक्रिया चर (जैसे, तापमान, दबाव, तरल स्तर, आदि) को मापते हैं और अनिवार्य रूप से बाहरी शोर और पृष्ठभूमि हस्तक्षेप को पीड़ित करते हैं, एनआईआरएस सूक्ष्म और आणविक तराजू पर रासायनिक संरचना की संरचनात्मक जानकारी का पता लगाता है। इस प्रकार, आवश्यक जानकारी को अन्य तरीकोंकीतुलना में अधिक सटीक और प्रभावी ढंग से मापा जा सकता है3,4।
पॉलीफिनाइल ईथर, इंजीनियरिंग प्लास्टिक में से एक के रूप में, व्यापक रूप से इसके गर्मी प्रतिरोध, लौ मंदक, इन्सुलेशन, विद्युत गुणों, आयामी स्थिरता, प्रभाव प्रतिरोध, रेंगना प्रतिरोध, यांत्रिक शक्ति और अन्य गुण5के कारण उपयोग किया जाता है। इससे भी महत्वपूर्ण बात यह है कि यह अन्य इंजीनियरिंग प्लास्टिक की तुलना में गैर-विषाक्त और हानिरहित है। वर्तमान में, 2,6-जाइलेनॉल पॉलीफेनीलीन ईथर के संश्लेषण के लिए बुनियादी कच्चे माल में से एक है, और यह आमतौर पर मेथनॉल विधि6के साथ फिनॉल के उत्प्रेरक एल्किलेशन द्वारा तैयार किया जाता है। इस तैयारी विधि के दो मुख्य उत्पाद हैं, ओ-क्रेसोल और 2,6-जाइलेनॉल। पृथक्करण और निष्कर्षण चरणों की एक श्रृंखला के बाद, पॉलीफेनीलीन ईथर का उत्पादन करने के लिए 2,6 जाइलेनॉल का उपयोग किया जाता है। हालांकि, ओ-क्रेसोल की मात्रा का पता लगाने 2,6-जाइलेनॉल में रहते हैं। ओ-क्रेसोल पॉलीफेनीलीन ईथर के संश्लेषण में भाग नहीं लेता है और पॉलीफेनीलीन ईथर उत्पाद में रहेगा, जिसके परिणामस्वरूप उत्पाद की गुणवत्ता में कमी या यहां तक कि घटिया भी होगा। वर्तमान में, अधिकांश कंपनियां अभी भी जटिल कार्बनिक मिश्रणों की रचनाओं का विश्लेषण करती हैं जैसे तरल चरण पॉलीफिनाइल ईथर उत्पाद जिनमें अशुद्धियां (जैसे, ओ-क्रेसोल) भौतिक या रासायनिक पृथक्करण विश्लेषण जैसे क्रोमेटोग्राफी7,8। क्रोमेटोग्राफी का पृथक्करण सिद्धांत निश्चित चरण में रचनाओं के मिश्रण और प्रदर्शन में मामूली मतभेदों के विघटन, विश्लेषण, सोखना, भ्रामक या अन्य आत्मीयता में प्रवाह चरण का उपयोग है। जब दोनों चरण एक-दूसरे के सापेक्ष चलते हैं तो रचनाएं दो चरणों में बार-बार उपरोक्त क्रियाओं से अलग हो जाती हैं। वस्तु के आधार पर, आमतौर पर एक जटिल सामग्री पृथक्करण ऑपरेशन को पूरा करने में कुछ मिनट लगते हैं। यह देखा जा सकता है कि माप दक्षता कम है।
आजकल, आधुनिक ठीक प्रक्रिया रासायनिक सामग्री उद्योग के लिए इस विश्लेषण के आधार पर उत्पाद की गुणवत्ता और उन्नत नियंत्रण प्रौद्योगिकी का माप उत्पाद की गुणवत्ता को और बेहतर बनाने के लिए महत्वपूर्ण दिशा है। पॉलीफिनाइल ईथर उत्पादन की प्रक्रिया उद्योग में, पॉलीफेनीलीन ईथर उत्पाद में ओ-क्रेसोल सामग्री का वास्तविक समय माप बहुत विकास महत्व का है। क्रोमेटोग्राफिक विश्लेषण स्पष्ट रूप से पदार्थों और सिग्नल प्रतिक्रिया के वास्तविक समय माप के लिए उन्नत नियंत्रण प्रौद्योगिकी की आवश्यकताओं को पूरा नहीं कर सकता है। इसलिए, हम एनआईआरएस डेटा और ओ-क्रेसोल एकाग्रता के बीच एक रैखिक मॉडल स्थापित करने के लिए आंशिक कम वर्ग प्रतिगमन (पीएलएसआर) विधि का प्रस्ताव करते हैं, जो आउटलेट के तरल पॉलीफेनाइलन ईथर उत्पाद में ओ-क्रेसोल सामग्री के ऑनलाइन माप का एहसास करता है .
एनआईआरएस के लिए प्री-प्रोसेसिंग बहुआयामी सांख्यिकीय मॉडलिंग से पहले सबसे महत्वपूर्ण भूमिका निभाता है। एनआईआर स्पेक्ट्रम में एनआईआरएस तरंग संख्या और जैविक नमूनों के कण आकार तुलनीय हैं, इसलिए यह अप्रत्याशित स्कैटर प्रभावों के लिए जाना जाता है जिसका रिकॉर्ड किए गए नमूने स्पेक्ट्रा पर प्रभाव पड़ता है। उपयुक्त पूर्व प्रसंस्करण विधियों का प्रदर्शन करके, इन प्रभावों को काफी हद तक9को समाप्त करना आसान है। एनआईआरएस में सबसे अधिक उपयोग की जाने वाली प्री-प्रोसेसिंग तकनीकों को स्कैटर करेक्शन और स्पेक्ट्रल डेरिवेटिव तरीकों के रूप में वर्गीकृत किया गया है। तरीकों के पहले समूह में गुणा तितर बितर सुधार, डिट्रेंडिंग, मानक सामान्य वैरिएट परिवर्तन और सामान्यीकरण शामिल हैं। स्पेक्ट्रल डेरिवेशन विधियों में पहले और दूसरे डेरिवेटिव का उपयोग शामिल है।
एक मात्रात्मक प्रतिगमन मॉडल विकसित करने से पहले, एनआईआरएस डेटा से अव्यवस्थित तितर-बितर विविधताओं को हटाना महत्वपूर्ण है क्योंकि उनका भविष्य कहनेवाला मॉडल, इसकी जटिलता और पारसी की सटीकता पर महत्वपूर्ण प्रभाव पड़ता है। एक उपयुक्त प्री-प्रोसेसिंग विधि का चयन हमेशा बाद के मॉडलिंग चरण पर निर्भर होना चाहिए। यहां, यदि एनआईआर स्पेक्ट्रल डेटासेट लैम्बर्ट-बीयर कानून का पालन नहीं करता है, तो अन्य कारक भविष्यवाणी किए गए घटकों के लिए भविष्यवाणी के गैर-आदर्श व्यवहार की भरपाई करते हैं। इस तरह के अनावश्यक कारकों के अस्तित्व के नुकसान से मॉडल जटिलता में वृद्धि होती है, यहां तक कि सबसे अधिक संभावना है, मजबूती में कमी। इस प्रकार, स्पेक्ट्रल डेरिवेटिव का अनुप्रयोग और स्पेक्ट्रल डेटा के लिए एक पारंपरिक सामान्यीकरण विधि का एक अनिवार्य हिस्सा है।
स्पेक्ट्रल प्रीप्रोसेसिंग के बाद, उच्च सिग्नल-टू-शोर अनुपात और कम पृष्ठभूमि हस्तक्षेप के साथ एनआईआरएस डेटा प्राप्त किया जाता है। आधुनिक एनआईआरएस विश्लेषण एक उपयुक्त स्पेक्ट्रल रेंज पर बड़ी मात्रा में अवशोषण का तेजी से अधिग्रहण प्रदान करता है। नमूना की रासायनिक संरचना तो स्पेक्ट्रल वक्र में निहित जानकारी का उपयोग कर प्रासंगिक चर निकालने के द्वारा भविष्यवाणी की है । आम तौर पर, NIRS गुणात्मक या मात्रात्मक विश्लेषण10के लिए बहुविरात विश्लेषण तकनीकों के साथ संयुक्त है । एक बहुआयामी रैखिक प्रतिगमन (एमएलआर) विश्लेषण आमतौर पर औद्योगिक प्रक्रियाओं में डेटा और घटकों के बीच गणितीय संबंध विकसित करने और खनन के लिए उपयोग किया जाता है और इसका व्यापक रूप से एनआईआरएस विश्लेषण में उपयोग किया जाता है।
हालांकि, प्रीप्रोसेस्ड एनआईआरएस डेटा के लिए एमएलआर को लागू करते समय दो मूलभूत समस्याएं हैं। एक समस्या चर अतिरेक है। एनआईआरएस डेटा की उच्च आयामीता अक्सर एक आश्रित चर अविश्वसनीय की भविष्यवाणी प्रदान करती है क्योंकि चर शामिल हैं जिनका घटकों के साथ कोई संबंध नहीं है। ये अनावश्यक चर स्पेक्ट्रल डेटा की सूचना दक्षता को कम करते हैं और मॉडल की सटीकता को प्रभावित करते हैं। चर अतिरेक को खत्म करने के लिए, एनआईआरएस डेटा और भविष्यवाणी किए गए घटकों के बीच सहसंबंध को विकसित और अधिकतम करना आवश्यक है।
एक और समस्या एनआईआरएस डेटा में मल्टीकॉलिनेस का मुद्दा है । कई रैखिक प्रतिगमन मॉडल की महत्वपूर्ण मान्यताओं में से एक यह है कि प्रतिगमन मॉडल के व्याख्यात्मक चर में से किसी के बीच कोई रैखिक संबंध नहीं है। यदि यह रैखिक संबंध मौजूद है, तो यह साबित हो जाता है कि रैखिक प्रतिगमन मॉडल में बहुआयामीता है और धारणा का उल्लंघन होता है। कई रैखिक प्रतिगमन में, जैसे कि एक साधारण कम वर्ग प्रतिगमन (OLSR), चर के बीच कई सहसंबंध पैरामीटर अनुमान को प्रभावित करते हैं, मॉडल त्रुटि को बढ़ाते हैं, और मॉडल की स्थिरता को प्रभावित करते हैं। एनआईआर स्पेक्ट्रल डेटा के बीच बहुवंशीय सहसंबंध को खत्म करने के लिए, हम चर चयन विधियों का उपयोग करते हैं जो नमूनों की अंतर्निहित परिवर्तनशीलता को अधिकतम करते हैं।
यहां, हम पीएलएसआर का उपयोग करने का प्रस्ताव करते हैं, जो कई रैखिक प्रतिगमन का सामान्यीकरण है जिसका व्यापक रूप से एनआईआरएस11,12के क्षेत्र में उपयोग किया गया है। पीएलएसआर एमएलआर, विहित सहसंबंध विश्लेषण (सीसीए) और प्रमुख घटक विश्लेषण (पीसीए) के बुनियादी कार्यों को एकीकृत करता है और एक गैर-मॉडल डेटा अर्थ विश्लेषण के साथ पूर्वानुमान विश्लेषण को जोड़ती है। पीएलएसआर को दो भागों में बांटा जा सकता है। पहला भाग विशिष्ट चर ों के घटकों और आंशिक कम वर्गविश्लेषण (पीएलएस) द्वारा भविष्यवाणी किए गए घटकों का चयन करता है। पीएलएस प्रमुख घटकों की सहवेरता बनाकर प्रमुख घटकों की अंतर्निहित परिवर्तनशीलता को अधिकतम करता है और प्रमुख घटकों को निकालते समय यथासंभव बड़े घटकों की भविष्यवाणी करता है। इसके बाद, ओ-क्रेसोल एकाग्रता का ओएलएसआर मॉडल चयनित प्रमुख घटकों के लिए स्थापित किया गया है। पीएलएसआर कई स्वतंत्र चरों के साथ शोर डेटा के विश्लेषण के लिए उपयुक्त है जो दृढ़ता से कोलिपासियर और अत्यधिक सहसंबद्ध हैं और कई प्रतिक्रिया चरों के एक साथ मॉडलिंग के लिए। इसके अलावा, पीएलएसआर नमूना स्पेक्ट्रा की प्रभावी जानकारी निकालता है, मल्टीकोलिनेनेसिटी की समस्या को दूर करता है, और मजबूत स्थिरता और उच्च भविष्यवाणी सटीकता13,14के फायदे हैं।
निम्नलिखित प्रोटोकॉल एनआईआर स्पेक्ट्रल डेटा का उपयोग करके ओ-क्रेसोल एकाग्रता को मापने के लिए पीएलएसआर मॉडल का उपयोग करने की प्रक्रिया का वर्णन करता है। मॉडल की विश्वसनीयता और सटीकता का मूल्यांकन दृढ़ गुणांक
(), भविष्यवाणी सहसंबंध गुणांक ()
और क्रॉस-सत्यापन (एमवीसीवी) की औसत वर्ग भविष्यवाणी त्रुटि का उपयोग करके मात्रात्मक रूप से किया जाता है। इसके अलावा, पीएलएसआर के फायदों को सहज रूप से दिखाने के लिए, मूल्यांकन संकेतकों को गुणात्मक विश्लेषण के लिए कई भूखंडों में कल्पना की जाती है। अंत में, पीएलएसआर मॉडल की विश्वसनीयता और परिशुद्धता को मात्रात्मक रूप से समझाने के लिए टेबल प्रारूप में एक प्रयोग के मूल्यांकन संकेतक प्रस्तुत किए जाते हैं।
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. फोरियर ट्रांसफॉर्म (एफटी) के साथ एनआईआर स्पेक्ट्रम डेटा अधिग्रहण-एनआईआर प्रक्रिया स्पेक्ट्रोमीटर
- पॉलीफिनाइल ईथर उत्पाद के आउटलेट पर लगभग अवरक्त स्पेक्ट्रोमीटर की तरल चरण ऑप्टिकल फाइबर जांच स्थापित करें। और उपकरण से जुड़े ऊपरी कंप्यूटर पर OPUS सॉफ्टवेयर खोलें और माप को कॉन्फ़िगर करना शुरू करें।
- स्पेक्ट्रोमीटर से कनेक्ट
- उपाय मेनू पर, ऑप्टिक सेटअप और सेवा कमान का चयन करें, या टूलबार से आइकन पर क्लिक करें।
- खुलने वाले संवाद पर ऑप्टिकल बेंच टैबपर क्लिक करें ।
- चेक करें कि स्पेक्ट्रोमीटर सेटिंग्स ठीक हैं या नहीं। अगर हां, तो डायलॉग बंद कर दें। यदि नहीं, तो चरण 4 के साथ जारी रखें।
- कॉन्फ़िगरेशन ड्रॉप-डाउन सूची से, विशेष स्पेक्ट्रोमीटर प्रकार का चयन करें।
- स्पेक्ट्रोमीटर के आईपी एड्रेस को ऑप्टिकल बेंच यूआरएल एंट्री फील्ड में डालें।
- कनेक्ट बटन पर क्लिक करें।
- माप मापदंडों की स्थापना
- उपाय मेनू पर, माप आदेश का चयन करें, या टूलबार से आइकन पर क्लिक करें।
- खुलने वाले संवाद पर, विभिन्न टैब पर माप मापदंडों को परिभाषित करें।
नोट: व्यक्तिगत माप मापदंडों पर विवरण OPUS संदर्भ मैनुअल में वर्णित हैं । - स्वीकार करें और एग्जिट बटन पर क्लिक करें।
- प्रयोग फ़ाइल का भंडारण
- उपाय मेनू पर, उन्नत माप आदेश का चयन करें। इसके बाद एडवांस टैब पर क्लिक करें।
- जो संवाद खुलता है, उस पर संकल्प को 4 सेमी-1के रूप में परिभाषित करें ।
- नमूना/पृष्ठभूमि स्कैन समय प्रवेश क्षेत्रों में 16 स्कैन के रूप में स्कैन की संख्या को परिभाषित करें ।
- मापने वाले डेटा को 4,000 सेमी-1 -12,500सेमी-1से स्वचालित रूप से संग्रहित करने के लिए मार्ग को परिभाषित करें।
- परिणाम स्पेक्ट्रम के लिए डेटा प्रकार को अवशोषितके रूप में निर्धारित करें।
- सेव बटन पर क्लिक करें।
- खुलने वाले संवाद पर प्रयोग फ़ाइल के लिए एक नाम परिभाषित करें और इस नाम को सहेजें।
- पृष्ठभूमि स्पेक्ट्रम को मापने
- उपाय मेनू पर, उन्नत माप आदेश का चयन करें।
- ऑप्टिक टैब पर क्लिक करें।
- खुलने वाले संवाद पर अपर्चर सेटिंग ड्रॉप-डाउन लिस्ट पर क्लिक करें और नमूना स्पेक्ट्रम हासिल करने के लिए इस्तेमाल किए जाने वाले उसी मूल्य का चयन करें ।
- बेसिक टैब पर क्लिक करें।
- खुलने वाले डायलॉग पर बैकग्राउंड सिंगल चैनल बटन पर क्लिक करें।
- नमूना स्पेक्ट्रम मापने
- नमूने को स्पेक्ट्रोमीटर के ऑप्टिकल पथ में रखें। जिस तरह से यह किया जाता है वह स्पेक्ट्रोमीटर कॉन्फ़िगरेशन पर निर्भर करता है।
- उपाय मेनू पर, उन्नत माप आदेश का चयन करें।
- बेसिक टैब पर क्लिक करें।
- खुलने वाले संवाद पर, विशेष प्रवेश क्षेत्र में नमूना विवरण और नमूना फॉर्म को परिभाषित करें। यह जानकारी स्पेक्ट्रम के साथ एक साथ संग्रहीत की जाती है।
- ऑनलाइन माप शुरू करने के लिए नमूना एकल चैनल बटन पर क्लिक करें। और प्रत्येक स्कैन के एनआईआर स्पेक्ट्रम को ओपस फाइल के रूप मेंबचाएं ।
- पॉलीफेनीलीन नमूनों को हर 6 घंटे में एकत्र करें और रासायनिक संदर्भ मूल्य प्राप्त करने के लिए उद्योग की प्रयोगशाला में तरल क्रोमेटोग्राफी के साथ ओ-क्रेसोल एकाग्रता का परीक्षण करें।
नोट: उद्योग क्षेत्र के प्रयोगशाला कर्मचारी तरल चरण पॉलीफिनाइल ईथर के आउटलेट से प्रत्येक पॉलीफिनाइल ईथर नमूना लेते हैं। प्रत्येक नमूने में ओ-क्रेसोल सामग्री को तरल क्रोमेटोग्राफी द्वारा तीन बार मापा गया था। फिर, तीन बार विश्लेषण के परिणामों का औसत मूल्य आकस्मिक त्रुटि को कम करने के लिए ओ-क्रेसोल सामग्री के संदर्भ मूल्य के रूप में लिया गया था। - प्रयोगशाला में ओ-क्रेसोल एकाग्रता के 600 रासायनिक संदर्भ मूल्य प्राप्त करें। ओ-क्रेसोल एकाग्रता की अंशांकन सीमा 42.1063 मिलीग्राम/1 ग्राम पॉलीफिनाइल ईथर उत्पाद से 51.6763 मिलीग्राम/1 ग्राम पॉलीफिनाइल ईथर उत्पाद तक है।
- दिए गए परीक्षण के समय एनआईआर स्पेक्ट्रा को ओ-क्रेसोल एकाग्रता के रासायनिक संदर्भ मूल्यों के साथ मिलाएं।
- चित्र 1में दिखाए गए मूल स्पेक्ट्रल सेट को पढ़ने के लिए सॉफ्टवेयर ओपस का उपयोग करें।
- फाइल मेन्यू पर लोड फाइल कमांड पर क्लिक करें।
- जो संवाद खुलता है, उस पर, विशेष स्पेक्ट्रम फ़ाइल का चयन करें।
- ओपन बटन पर क्लिक करें। स्पेक्ट्रम विंडो में प्रदर्शित किया जाता है।
2. एनआईआर स्पेक्ट्रोस्कोपी डेटा प्री-प्रोसेसिंग
- स्पेक्ट्रल प्रीप्रोसेसिंग फ़ंक्शन के साथ, पहले-ऑर्डर डेरिवेटिव के साथ प्रीप्रोसेस्ड स्पेक्ट्रल डेटासेट प्राप्त करें।
- खोलें अनस्क्रैम्बलर जो एक बहुआयामी डेटा विश्लेषण और प्रायोगिक डिजाइन सॉफ्टवेयर है, फ़ाइलके तहत आयात कमान का चयन करें। ओपस फाइल को मूल एनआईआर स्पेक्ट्रल डेटासेट के रूप में आयात करें।
- संशोधितके तहत ट्रांसफॉर्म कमांड का चयन करें। और डेरिवेटिवके तहत सवित्त्स्की गोले डेरिवेटिव ्स का चयन करें ।
- सभी नमूनों और स्कोप में सभी चर के रूप में नमूनों और चर को परिभाषित करें। और चौरसाई अंक की संख्या को 13 और व्युत्पन्न को मापदंडों में 1सेंट डेरिवेटिव के रूप में परिभाषित करें।
- व्युत्पन्न शुरू करने के लिए ठीक क्लिक करें।
सावधानी- चिकनाई बढ़ने से वक्र के तेज उतार-चढ़ाव को कम किया जा सकता है, शोर प्रभाव को कम किया जा सकता है बल्कि वक्र की विशेषताओं को भी कमजोर किया जा सकता है और वक्र को विकृत कर सकता है। इसलिए, वक्र की वास्तविक उतार-चढ़ाव तीव्रता और प्रसंस्करण के बाद प्रभाव के अवलोकन के अनुसार चयनित उपयुक्त चिकनाई।
- अवशोषण के मूल्य को सामान्य करने के लिए नमूना स्पेक्ट्रा पर वेक्टर सामान्यीकरण करें।
- संशोधितके तहत सामान्यीकरण कमान का चयन करें।
- नमूनों और चरों को सभी नमूनों और सभी चरों को स्कोपमें परिभाषित करें ।
- टाइप में वेक्टर सामान्यीकरण का चयन करें।
- वेक्टर सामान्यीकरण करने के लिए ओके पर क्लिक करें।
3. पीएलएसआर मॉडल की स्थापना
- एनआईआर स्पेक्ट्रल डेटा सेट का निर्माण
- ओपन अनक्रैम्बलर। एक्सई,प्रीप्रोसेस्ड स्पेक्ट्रल डेटा को .mat File में सेट करने और 2203 चर के साथ स्वचालित रूप से स्पेक्ट्रल डेटा सेट एक्स प्राप्त करने के लिए मैटलैब फ़ाइलों के साथ फ़ाइल के तहत निर्यात का चयन करें।
- एक पूर्ण एनआईआर स्पेक्ट्रल डेटासेट एक्स (600 पंक्तियों और 2203 कॉलम का मैट्रिक्स) प्राप्त करें और इसी रासायनिक संदर्भ बाद के विश्लेषण और मॉडलिंग के लिए .mat फ़ाइल के रूप में वाई (600 पंक्तियों का एक वेक्टर) मान करता है।
- प्रमुख घटकों की उचित संख्या का चयन
- मैटलैब खोलें और कार्यक्षेत्र में प्रीप्रोसेस्ड नियर-इन्फ्रारेड स्पेक्ट्रल डेटा वाली .mat फ़ाइल को कार्यक्षेत्र में आयात करें।
नोट: .mat फ़ाइल एक स्वतंत्र चर के रूप में निकट अवरक्त स्पेक्ट्रल डेटा एक्स और दो मैट्रिस के रूप में एक आश्रित चर के रूप में उत्पाद की ओ-क्रेसोल सामग्री को स्टोर करती है। - संपादक में प्रोग्राम .m फ़ाइल खोलें। संपादक विकल्प के तहत खुला क्लिक करें, फ़ाइल भंडारण निर्देशिका में संकलित .m फ़ाइल का चयन करें, और फिर पुष्टिपर क्लिक करें ।
- निकाले गए प्रमुख घटकों और मटियाबमें कमांड प्लेसेग्रेस () युक्त कार्यक्रम के साथ ओ-क्रेसोल एकाग्रता के अनुमानित मूल्यों के बीच समीकरण 1 और ओएसआर मॉडल के अनुकूलन उद्देश्य के अनुसार 15 प्रमुख घटकनिकालें।
[एक्सएल, वाईएल, XS, वाईएस, बीटा, पीसीटीवीएआर, एमएसई] = plsregress (X, Y, ncomp,'CV', k);
उपयोग विवरण और वापसी मूल्य प्राप्त करने के लिए MATLAB सहायता दस्तावेज़ से परामर्श करें।
नोट:
समीकरण 1
, 
और एनआईआर स्पेक्ट्रल डेटा के आईटीएच प्रमुख घटक हैं;
एनआईआर स्पेक्ट्रल डेटा के आईटीएच प्रमुख घटकों का प्रक्षेपण है;
मैंth प्रमुख घटकों और ओ-क्रेसोल एकाग्रता के लिए पियर्सन सहसंबंध गुणांक है। - समीकरण
2का उपयोग करके विभिन्न प्रमुख घटकों के लिए एनआईआर स्पेक्ट्रल डेटा और अनुमानित मूल्यों का मूल्य प्राप्त करें।
नोट:
समीकरण 2
त्रुटि के कारण वर्गों का योग है 
और के रूप में परिभाषित किया गया है ?
वर्गों का कुल योग है और 
के रूप में परिभाषित किया गया है ?
परीक्षण डेटासेट की ओ-क्रेसोल एकाग्रता का संदर्भ मूल्य है;
परीक्षण डेटासेट की ओ-क्रेसोल एकाग्रता का अनुमानित मूल्य है;
परीक्षण डेटासेट के ओ-क्रेसोल एकाग्रता के संदर्भ मूल्य का मतलब मूल्य है;
टेस्ट डाटासेट के नमूनों की संख्या है। - मूल्यों और प्रमुख घटकों की बढ़ती संख्या के साथ प्रवृत्ति निर्धारित के रूप में चित्रा 2में दिखाया गया है । 0.9917 के मूल्य के साथ प्रमुख घटकों की उचित संख्या के रूप में 10 का चयन करें।
नोट:
मूल्य निर्भर चर में भिन्नता का अनुपात है जो स्वतंत्र चर द्वारा उम्मीद के मुताबिक है। मूल्य जितना अधिक होगा, उतना ही अधिक अच्छाई-फिट है और इसके विपरीत।
- मैटलैब खोलें और कार्यक्षेत्र में प्रीप्रोसेस्ड नियर-इन्फ्रारेड स्पेक्ट्रल डेटा वाली .mat फ़ाइल को कार्यक्षेत्र में आयात करें।
- कमांड प्लेग्रेस () का उपयोग करके 10 प्रमुख घटकों के साथ पीएलएसआर मॉडल की अच्छाई-फिट और सटीकता का सत्यापन।
- 10 प्रमुख घटकों के साथ चरण 3.2.1-3.2.5 के रूप में 10 प्रमुख घटकों के साथ मॉडलिंग प्रक्रिया दोहराएं।
- एनआईआर स्पेक्ट्रल डेटा, अवशिष्ट, और MSPECV में समझाया प्रतिशत विचरण के भूखंडों का उपयोग करके एक 10 गुना पार सत्यापन के आधार पर मॉडल का मूल्यांकन करें ।
- एनआईआर स्पेक्ट्रल डेटा, अवशिष्ट, और MSPECV में समझाया प्रतिशत विचरण को आंकड़े 3, 4 और 5के रूप में प्लॉट करें।
- तालिका 1में दिखाए गए मात्रात्मक विश्लेषण के लिए पीएलएसआर मॉडल के लिए 10 गुना क्रॉस सत्यापन के मूल्यांकन संकेतकों
और एमएसपीई को सारणीबद्ध करें ।
नोट: और MSPE के समीकरण समीकरण 3 और समीकरण 4के रूप में दिखाया गया है ।
समीकरण 3
समीकरण 4
संदर्भ मूल्य का सहवेरीकरण और ओ-क्रेसोल एकाग्रता का अनुमानित मूल्य है; 
ओ-क्रेसोल एकाग्रता के संदर्भ मूल्य का मानक विचलन है;
ओ-क्रेसोल एकाग्रता के अनुमानित मूल्य का मानक विचलन है।
समीकरण 1
, 
और एनआईआर स्पेक्ट्रल डेटा के आईटीएच प्रमुख घटक हैं;
एनआईआर स्पेक्ट्रल डेटा के आईटीएच प्रमुख घटकों का प्रक्षेपण है;
मैंth प्रमुख घटकों और ओ-क्रेसोल एकाग्रता के लिए पियर्सन सहसंबंध गुणांक है।
समीकरण 2
त्रुटि के कारण वर्गों का योग है 
और के रूप में परिभाषित किया गया है ?
वर्गों का कुल योग है और 
के रूप में परिभाषित किया गया है ?
परीक्षण डेटासेट की ओ-क्रेसोल एकाग्रता का संदर्भ मूल्य है;
परीक्षण डेटासेट की ओ-क्रेसोल एकाग्रता का अनुमानित मूल्य है;
परीक्षण डेटासेट के ओ-क्रेसोल एकाग्रता के संदर्भ मूल्य का मतलब मूल्य है;
टेस्ट डाटासेट के नमूनों की संख्या है।
मूल्य निर्भर चर में भिन्नता का अनुपात है जो स्वतंत्र चर द्वारा उम्मीद के मुताबिक है। मूल्य जितना 
समीकरण 3
समीकरण 4
संदर्भ मूल्य का सहवेरीकरण और ओ-क्रेसोल एकाग्रता का अनुमानित मूल्य है; 
ओ-क्रेसोल एकाग्रता के संदर्भ मूल्य का मानक विचलन है;
ओ-क्रेसोल एकाग्रता के अनुमानित मूल्य का मानक विचलन है।Subscription Required. Please recommend JoVE to your librarian.
Representative Results
पॉलीफिनाइल ईथर उत्पादों में ओ-क्रेसोल अशुद्धता का अनुमानित मूल्य पीएलएसआर-आधारित निकट-अवरक्त स्पेक्ट्रोस्कोपी द्वारा प्राप्त किया जाता है। चित्रा 2 और चित्रा 3 क्रमशः निर्णय गुणांक के वक्र और त्रुटि व्याख्या प्रतिशत प्रमुख घटकों की संख्या के साथ बढ़ रही से सुविधा चयन चरण में विधि की विश्वसनीयता दिखाते हैं ।
विशेष रूप से, कृपया ध्यान दें कि प्रमुख घटकों के चयन में, मॉडल की जटिलता को कम करने के लिए, आम तौर पर, जब दो संकेतक प्रमुख तत्वों की संख्या के साथ काफी वृद्धि नहीं करते हैं, तो कम जानकारी वाले बाद के प्रमुख तत्वों को छोड़ दिया जा सकता है। इस पेपर में, दो घटता के अनुसार, जब 0.9917 है, तो बाद के प्रमुख घटकों को त्यागने की सीमा है।
नेत्रहीन दिखाया चित्र 4 और चित्रा 5में साधनों से ओ-क्रेसोल उत्पादों की शुद्धता की भविष्यवाणी के लिए विधि की सटीकता और स्थिरता का परीक्षण करें । औद्योगिक क्षेत्र से प्राप्त ओ-क्रेसोल नमूनों और उनके इसी निकट अवरक्त स्पेक्ट्रोस्कोपी डेटा द्वारा उत्पन्न प्रशिक्षण सेट और परीक्षण सेट के आधार पर, हमने पॉलीफेनिल ईथर उत्पादों की शुद्धता की भविष्यवाणी और संदर्भ मूल्यों की अवशिष्ट और मतलब वर्ग त्रुटि की तुलना की।
यहां अवशिष्ट ओ-क्रेसोल सामग्री संदर्भ मूल्य और पीएलएसआर मॉडल अनुमान (फिट मूल्य) के बीच अंतर को संदर्भित करता है। अवशिष्ट द्वारा प्रदान की गई जानकारी का उपयोग करने से हमें स्थापित पीएलएसआर मॉडल मान्यताओं की तार्किकता और निकट-अवरक्त स्पेक्ट्रल डेटा एकत्र करने की विश्वसनीयता की जांच करने में मदद मिल सकती है। यह दिखाया गया है कि पीएलएसआर विधि प्रभावी रूप से अवशिष्ट को स्वीकार्य सीमा तक कम करती है। इसके अलावा, पीएलएसआर में -0.2 से 0.2 तक एक छोटी उतार-चढ़ाव रेंज है, जबकि कैलिब्रेशन रेंज 42.1063 मिलीग्राम/1 ग्राम पॉलीफिनाइल ईथर उत्पाद से 51.6763 मिलीग्राम/1 ग्राम पॉलीफेनाइल ईथर उत्पाद तक है। अवशिष्ट भूखंड डेटा हमें गुणात्मक रूप से समाप्त करना चाहिए कि एनआईआर स्पेक्ट्रल डेटा के आधार पर ओ-क्रेसोल सामग्री के मापन के लिए पीएलएसआर में उच्च सटीकता है।
क्रॉस-सत्यापन का मतलब वर्ग त्रुटि संदर्भ और भविष्यवाणी की गई ओ-क्रेसोल सामग्री के बीच अंतर की डिग्री का एक उपाय है। इससे हमें भविष्य कहनेवाला डेटा में परिवर्तन की डिग्री का मूल्यांकन करने में मदद मिल सकती है। एमएसई का मूल्य जितना छोटा होगा, ओ-क्रेसोल सामग्री का वर्णन करने वाले भविष्य कहनेवाला मॉडल की सटीकता उतनी ही बेहतर होती है। चित्रा 5 इंगित करता है कि पीएलएसआर के आधार पर ओ-क्रेसोल एकाग्रता माप के लिए MSPECV में कमी आती है क्योंकि प्रमुख घटकों की संख्या बढ़ जाती है और 10 प्रमुख घटकों पर स्वीकार्य न्यूनतम तक पहुंचती है। इसके अलावा, त्रुटि काफी कम हो जाती है और वंश प्रक्रिया अपेक्षाकृत स्थिर है। इससे साबित होता है कि पीएलएसआर के परिणामस्वरूप एनआईआरएस का उपयोग करके ओ-क्रेसोल एकाग्रता की माप के लिए उच्च स्थिरता होती है।
10 गुना क्रॉस-वैलिडेशन के लिए मॉडल मूल्यांकन संकेतक तालिका 1में दिखाए गए हैं। 0.98332 का पीएलएसआर के लिए बहुत अधिक है, यह दर्शाता है कि पीएलएसआर के आधार पर मॉडल एनआईआर स्पेक्ट्रल डेटा और ओ-क्रेसोल एकाग्रता के बीच रैखिक संबंध को दर्शाता है (यानी, मॉडल में मजबूत व्याख्यात्मक शक्ति है)। पियर्सन सहसंबंध गुणांक एक आंकड़ा है जिसका उपयोग दो चरों के बीच रैखिक सहसंबंध की डिग्री को प्रतिबिंबित करने के लिए किया जाता है। जितना बड़ा पूर्ण मूल्य होगा, सहसंबंध जितना मजबूत होगा। यह भविष्यवाणी की ओ-क्रेसोल सामग्री मूल्य और मॉडल की विश्वसनीयता की पुष्टि करने के लिए रासायनिक संदर्भ मूल्य के बीच एक रैखिक संबंध का निरीक्षण करने में मदद कर सकता है। 0.01106 का मतलब सापेक्ष भविष्यवाणी त्रुटि (एमआरपीई) पीएलएसआर के लिए बहुत कम है और 0.99161 की भविष्यवाणी सहसंबंध गुणांक बड़ा है; इसलिए, पीएलएसआर मॉडल महान भविष्यवाणी स्थिरता और सटीकता का है।
चित्रा 1. एफटी-एनआईआर स्पेक्ट्रोमीटर के साथ लिया गया मूल एनआईआर स्पेक्ट्रम। यह आंकड़ा एफटी-एनआईआर स्पेक्ट्रोमीटर द्वारा समय की अवधि में एकत्र किए गए गैर-प्रीप्रोसेस्ड स्पेक्ट्रल डेटासेट को दर्शाता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।
चित्रा 2. पीएलएसआर द्वारा निर्धारित ओ-क्रेसोल एकाग्रता के लिए दृढ़ संकल्प गुणांक। यह आंकड़ा घटकों की बढ़ती संख्या के साथ ओ-क्रेसोल एकाग्रता के लिए दृढ़ संकल्प गुणांक की प्रवृत्ति को दर्शाता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।
चित्रा 3. पीएलएसआर के लिए एनआईआर स्पेक्ट्रल डेटा में प्रतिशत भिन्नता समझाया गया । यह आंकड़ा पीएलएसआर के तहत प्रमुख घटकों के लिए एनआईआर स्पेक्ट्रल डेटा में समझाए गए प्रतिशत विचरण को दर्शाता है । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।
चित्रा 4. परीक्षण सेट के लिए पीएलएसआर का अवशिष्ट। यह आंकड़ा पीएलएसआर के लिए २०० टेस्ट सेट नमूनों के अवशेषों को दर्शाता है । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।
चित्रा 5. पीएलएसआर का एमस्पेक्टवी। पीएलएसआर मॉडल की सटीकता का मूल्यांकन 10 गुना क्रॉस-सत्यापन के साथ किया गया था; मॉडल के MSPECV चित्रा 5 में दिखाया गया है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।
| व्याख्या | भविष्यवाणी सटीकता | ||
| पीएलएसआर | आर² | आरपी | एमआरपेकेवी |
| 0.98332 | 0.9916 | 0.01106 |
तालिका 1. मॉडल के मूल्यांकन सूचकांक। तालिका 1 10 गुना क्रॉस-सत्यापन के लिए मॉडल मूल्यांकन संकेतकदिखाती है।
Subscription Required. Please recommend JoVE to your librarian.
Discussion
यह प्रोटोकॉल एनआईआरएस के साथ पॉलीफेनीलीन ईथर के तरल उत्पाद में शेष ओ-क्रेसोल एकाग्रता के माप पर पीएलएसआर प्रदर्शन की प्रक्रिया का वर्णन करता है।
इस प्रक्रिया में दो महत्वपूर्ण कदम मूल एनआईआर स्पेक्ट्रल डेटा की पूर्व-प्रसंस्करण और उच्च आयामी एनआईआर स्पेक्ट्रल डेटा के चर चयन हैं।
आम तौर पर, गैर-व्यवस्थित पृष्ठभूमि हस्तक्षेप गैर-व्यवस्थित बिखराव विचलन या एनआईआर स्पेक्ट्रम के आधाररेखा बहाव की ओर जाता है। उचित एनआईआर स्पेक्ट्रल प्री-प्रोसेसिंग विधि (डेरिवेटिव, सामान्यीकरण, बहुवाय बिखरने वाले सुधार, आदि), पहले महत्वपूर्ण कदम के रूप में, पृष्ठभूमि हस्तक्षेप को समाप्त करती है और डेटा के सिग्नल-टू-शोर अनुपात को बढ़ाती है।
उच्च आयामी एनआईआर स्पेक्ट्रल डेटा में मौजूद कई रैखिक सहसंबंध अनावश्यक गणना का परिचय देते हैं और प्रतिगमन मॉडल की संचालन दक्षता को कम कर देते हैं। इसके अलावा, अनावश्यक चर हैं जिनका तरल पॉलीफेनिल ईथर उत्पादों में ओ-क्रेसोल सामग्री से कमजोर या यहां तक कि कोई संबंध नहीं है। दूसरे महत्वपूर्ण चरण के रूप में पीएलएस पर आधारित परिवर्तनीय चयन उपरोक्त दोनों समस्याओं को हल करता है, जो मॉडल की जटिलता को कम करता है और मॉडलिंग के लिए ओएलएसआर के प्रत्यक्ष उपयोग की तुलना में इसकी मजबूती को बढ़ाता है।
इसके अलावा, प्रौद्योगिकी के बाद के रूप में अपनी सीमाएं हैं । सबसे पहले, इसके लिए आवश्यक है कि एनआईआर स्पेक्ट्रल डेटा के विभिन्न आयामी चरों के बीच कोई महत्वपूर्ण nonlinear संबंध नहीं है। चूंकि पीएलएस एल्गोरिदम तंत्र एनआईआर स्पेक्ट्रल डेटा चर के विचरण को अधिकतम करने और चयनित प्रमुख घटक और ओ-क्रेसोल की सामग्री के बीच पियर्सन सहसंबंध को अधिकतम करने की उम्मीद पर आधारित है। इसलिए, डेटा पर एल्गोरिदम का संचालन अनिवार्य रूप से उच्च आयामी चर का एक रैखिक संयोजन है, जिसमें डेटा15के बीच संभावित nonlinear संबंध शामिल नहीं है। दूसरा, ऑफलाइन मॉडलिंग के कारण इसे सेल्फ अपडेट नहीं किया जा सकता। हमारे काम ने अभी तक एनआईआरएस पर ओ-क्रेसोल और सॉल्वेंट अणुओं या अन्य अशुद्धता अणुओं के बीच बातचीत के प्रभावों को कवर नहीं किया है । ओ-क्रेसोल और सॉल्वैंट्स या अन्य अशुद्धता अणुओं के बीच बातचीत का एनआईआरएस पर अप्रत्याशित प्रभाव पड़ सकता है, लेकिन हमें अभी भी इस प्रभाव की मात्रा निर्धारित करने के लिए एक उपयुक्त तरीका नहीं मिला है । तीसरा, पर्यावरण, कामकाजी स्थिति और अन्य कारकों के परिवर्तन से मॉडल की अवधारणा बहाव हो सकती है ।
हालांकि, रासायनिक सामग्री उद्योग में रासायनिक पदार्थ सामग्री की माप के लिए भौतिक या रासायनिक पृथक्करण विश्लेषण जैसे मौजूदा तरीकों के लिए, एनआईआर किसी से रासायनिक पदार्थ सामग्री के बारे में संरचना और संरचनात्मक जानकारी का पता लगाता है सूक्ष्म आणविक परिप्रेक्ष्य। सामान्य तौर पर, स्थूल स्तर पर गुणात्मक संक्रमण सूक्ष्म स्तर पर मात्रात्मक परिवर्तन के कारण होता है। इसलिए, इस तकनीक में अन्य तरीकों की तुलना में मजबूत सटीकता, समयबद्धता और संवेदनशीलता है। इसके अलावा, डेटा विश्लेषण प्रौद्योगिकी के साथ संयोजन प्रभावी ढंग से औद्योगिक बिग डेटा का उपयोग कर सकता है, जो औद्योगिक स्वचालन और यहां तक कि बुद्धिमान निर्माण के लिए अनुकूल है।
भविष्य में, इस तकनीक को अन्य ठीक प्रक्रिया उद्योगों में विभिन्न तरल या ठोस चरण रसायनों की सामग्री के ऑनलाइन माप पर लचीले ढंग से लागू किया जा सकता है जहां सामान्य सेंसर और प्रयोगशाला माप नप का माप कठिन है या औद्योगिक आवश्यकताओं को पूरा करने में असमर्थ है16। इसके अलावा, विश्लेषण चर की वास्तविक समय प्रतिक्रिया के कारण इस तकनीक को व्यापक रूप से उन्नत नियंत्रण प्रौद्योगिकी के साथ जोड़ा जा सकता है और इस प्रकार उच्च औद्योगिक आवश्यकताओं को पूरा किया जा सकता है17,18,19।
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
लेखकों के पास खुलासा करने के लिए कुछ नहीं है ।
Acknowledgments
इस काम को चीन के राष्ट्रीय प्राकृतिक विज्ञान फाउंडेशन (अनुदान नग 61722306 और 61473137) और लाइट उद्योग प्रौद्योगिकी और इंजीनियरिंग के राष्ट्रीय प्रथम श्रेणी अनुशासन कार्यक्रम (LITE2018-025) द्वारा समर्थित किया गया था।
Materials
| Name | Company | Catalog Number | Comments |
| MPA II Multi Purpose FT-NIR Analyzer | Bruker | 1 | |
| Fiber Optic Probes(Liquid phase) | Bruker | 1 | |
| Liquid chromatography analyzer | / | 1 | |
| Laboratory Equipment and Supplies(e.g. test tube, etc.) | / | ||
| MATLAB | MathWork | 1 | |
| OPUS | Bruker | 1 | |
| Principal computer | DELL | 1 | |
| The Unscrambler | CAMO | 1 |
References
- Nicolai, B. M., et al. Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review. Postharvest Biology and Technology. 46 (2), 99-118 (2007).
- Chang, C. W., Laird, D. A., Mausbach, M. J., Hurburgh, C. R. Near-infrared reflectance spectroscopy-principal components regression analyses of soil properties. Soil Science Society of America Journal. 65 (2), 480-490 (2001).
- Chen, Y., et al. Near-infrared spectroscopy for rapid evaluation of different processing products of Sophora japonica. L. Spectroscopy Letters. 51 (1), 37-44 (2018).
- Cayuela, J. A., Garcia, J. F. Nondestructive measurement of squalene in olive oil by near infrared spectroscopy. LWT-FOOD SCIENCE AND TECHNOLOGY. 88, 103-108 (2018).
- Joaquim, M. Polyphenyl Ether Lubricants. Synthetic Lubricants and High-performance Functional. Rudnick, R. L., Shubkin, R. L. , Marcel Dekker, Inc. NY. 239 (1999).
- Grabowska, H., Kaczmarczyk, W., Wrzyszcz, J. Synthesis of 2,6-Xylenol by Alkylation of Phenol with Methanol. Applied Catalysis. 47 (2), 351-355 (1989).
- Jeon, D. B., et al. Determination of volatile organic compounds, catechins, caffeine and theanine in Jukro tea at three growth stages by chromatographic and spectrometric methods. FOOD CHEMISTRY. 219, 443-452 (2016).
- Davidyuk, E. I., Demchenko, V. F., Klisenko, M. A. Rapid group separation and identification of chlorinated organic compounds by high performance liquid chromatography. JOURNAL OF ANALYTICAL CHEMISTRY. 52 (11), 1058-1065 (1997).
- Rinnan, A., Berg, F., Engelsen, S. B. Review of the most common pre-processing techniques for near-infrared spectra. TrAC Trends in Analytical Chemistry. 28 (10), 1201-1222 (2009).
- Zou, X. B., Zhao, J. W., Povey, M. J. W., Holmes, M., Mao, H. P. Variables selection methods in near-infrared spectroscopy. Analytica Chimica Acta. (1-2), 14-32 (2010).
- Dunn, B. W., Beecher, H. G., Batten, G. D., Ciavarella, S. The potential of near-infrared reflectance spectroscopy for soil analysis - a case study from the Riverine Plain of south-eastern Australia. Australian Journal of Experimental Agriculture. 42 (5), 607-614 (2002).
- Wang, C. K., Zhang, T. L., Pan, X. Z. Potential of visible and near-infrared reflectance spectroscopy for the determination of rare earth elements in soil. Geoderma. 306, 120-126 (2017).
- Gatius, F., Miralbes, C., David, C., Puy, J. Comparison of CCA and PLS to explore and model NIR data. Chemometrics and Intelligent Laboratory Systems. , 76-82 (2017).
- Wold, S., Sjostrom, M., Eriksson, L. PLS-regression: a basic tool of chemometrics. Chemometrics & Intelligent Laboratory. 58 (2), 109-130 (2001).
- Douglas, R. K., Nawar, S., Alamar, M. C., Mouazen, A. M., Coulon, F. Rapid prediction of total petroleum hydrocarbons concentration in contaminated soil using vis-NIR spectroscopy and regression techniques. SCIENCE OF THE TOTAL ENVIRONMENT. 616, 147-155 (2017).
- Grassi, S., Alamprese, C. Advances in NIR spectroscopy applied to process analytical technology in food industries. CURRENT OPINION IN FOOD SCIENCE. 22 (SI), 17-21 (2018).
- Trung, T., Downes, G., Meder, R., Allison, B. Pulp mill and chemical recovery control with advanced analysers - from trees to final product. APPITA. 68 (1), 39-46 (2015).
- Vann, L., Sheppard, J. 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. Journal of Industrial Microbiology& Biotechnology. 44 (12), 1589-1603 (2017).
- Modrono, S., Soldado, A., Martinez-Fernandez, A., de la Roza-Delgado, B. Handheld NIRS sensors for routine compound feed quality control: Real time analysis and field monitoring. TALANTA. 162, 597-603 (2017).
