海洋沉积物的粒度研究有助于了解人类活动对自然环境的影响。 将主成分分析(PCA)和连续投影算法(SPA)融合能够综合利用两种光谱特征提取方法的优势, 获得比单一特征提取方法更丰富的特征波长, 实现无关特征和干扰信息的剔除, 最大限度减少特征信息的丢失, 有利于沉积物粒度的分析。 以青岛市东大洋村潮间带表层32份沉积物为例, 将海洋沉积物划分为0.3～0.2、 0.2～0.1、 0.1～0.075和<0.075 mm四个不同粒径的沉积物样品, 分别测定不同粒径的32份沉积物的可见-近红外反射光谱, 共计128条光谱。 将128条光谱数据分别以2∶1, 1∶1和1∶2的比例划分建模集和检验集进行分析； 采用主成分分析和连续投影融合算法(FOPAS )提取不同粒径沉积物的特征光谱, 利用支持向量机算法建立粒径分类模型。 结果显示, 对2∶1、 1∶1、 1∶2比例的数据集, 融合算法检验集正确率分别为83.33%、 82.81%、 75.29%, 仅在2∶1比例下正确率低于连续投影算法检验集的正确率90.47%, 其余正确率相对于单一特征提取算法均有显著的提高, 表明使用融合算法提取特征光谱建立的分类模型在训练集样本量少, 粒径清晰的条件下, 其分类模型相较于单独使用两个特征提取算法的模型更具有优势。 采用基于主成分分析和连续投影融合算法的海洋沉积物粒度分类模型, 能够提高海洋沉积物粒度分类结果的正确率, 建立正确率更高的粒度分类模型, 对快速粒度分类提供了解决方法。

发展低熟料高标号胶凝材料是水泥工业碳达峰目标达成的有效途径之一, 但对水泥混合材特性利用及多种混合材协同作用也提出了更高要求。本文以四川地区工业固废硅锰渣和地域资源丰富的石灰石为主要混合材, 配制了熟料-硅锰渣-石灰石复合胶凝材料, 研究了复合胶凝材料性能及水化特性。研究结果表明, 熟料-硅锰渣-石灰石复合胶凝材料工作性良好, 后期力学性能增强, 且石灰石粉的成核诱导水化效应可有效改善单独使用硅锰渣胶凝材料体系凝结时间延长和早期强度过低问题。复合胶凝材料体系中, 石灰石粉的早期成核诱导水化效应和硅锰渣后期水化活性均能得到充分发挥。此外, 硅锰渣和石灰石粉能够协同参与胶凝材料体系水化, 消耗铝相生成水化碳铝酸盐相, 增加水化产物总量, 同时也能阻止AFt向AFm转变, 有利于体系力学性能稳定提升。

基于光谱技术建立的多元校正模型通常条件下只适用于同一台仪器、 相同的测试条件及同批次或同类别的样品。 在仪器、 测试环境、 样品发生变化后, 已建光谱模型不再适配, 需要进行模型转移。 模型转移是限制光谱技术推广应用的关键技术瓶颈, 模型转移是否成功直接影响到可见-近红外光谱技术的推广应用, 为此, 综述了其研究现状, 并探讨了其未来发展方向。 首先, 将模型转移问题分成了两类: 第一类是相同样品在不同仪器或不同测试环境（不同温度/不同湿度）等条件下产生的模型不适配问题; 第二类是不同批次、 不同物理形态、 不同种类间产生的模型不适配问题。 这两类问题性质不同, 解决第一类模型转移, 能够保证同源样品的准确性和稳定性; 解决第二类, 能够实现光谱模型在不同样品间的自动传递和匹配应用。 然后, 梳理了常用的模型转移算法并进行了分类, 包括模型更新、 基于光谱校正算法、 基于结果校正算法等, 并列举了每个类别的模型转移算法的应用。 模型更新是一种重新计算模型系数最直接的方法, 通过扩展和调整模型来满足新的变化; 基于光谱校正算法是通过算法计算转移矩阵, 实现对光谱的校正; 基于结果校正算法是通过算法计算预测结果和实际结果系数, 从而实现预测结果的校正。 最后, 指出未来应着重研究第二类模型转移问题, 并且要寻找能够实现机器自动校正的模型转移, 从根本上解决模型转移这一限制光谱速测应用的主要技术瓶颈。

光谱数据变换和光谱特征波长提取是二种重要的光谱预处理方法, 对消除环境等干扰具有重要的作用。 以往文献主要对比研究不同的光谱数据变换方法, 光谱特征波长提取方法的对比研究以及二者的组合研究较少。 为了获取适宜的光谱预处理方法, 提高潮间带沉积物氮的最小二乘支持向量机（LSSVM）模型精度, 研究了4种光谱变换方法与3种特征波长提取方法组合对沉积物氮LSSVM模型精度的影响, 以期实现潮间带沉积物氮的精确预测。 研究结果表明, 多元散射校正（MSC）或标准正态变换（SVN）光谱变换方法提高了光谱与氮含量的相关性, 最高相关系数分别达到0.69和0.71; 并且提高了LSSVM模型的预测精度, 模型的预测R2和RPD分别为0.88, 0.87和2.78, 2.69。 无信息变量消除（UVE）特征波长提取方法也提高了LSSVM模型的预测精度, 模型预测R2和RPD分别0.89和2.70。 但是, UVE提取的特征波长并不都与氮含量具有高相关性。 此外, 组合运用UVE特征波长提取方法和MSC或SVN光谱变换方法, 也提高了模型预测精度, 但并不优于单独运用UVE特征波长提取方法或单独运用MSC及SVN光谱变换方法。 研究结果可为潮间带沉积物氮估算和光谱数据预处理提供技术参考。

可见-近红外光谱已被证明是一种快速、 有效的有机碳(TOC)含量预测方法。 但是, 当前利用光谱预测TOC含量的研究对象主要为土壤或湖泊沉积物, 还未见潮间带海洋沉积物的研究报道。 为了快速准确预测潮间带沉积物TOC含量, 通过异常样本剔除、 光谱特征变换、 特征波长提取相结合, 构建TOC预测模型, 即, 采集潮间带沉积物样品光谱, 采用马氏距离、 标准杠杆值和学生残差联合分析的方法剔除异常样本, 利用多元散射校正(MSC)、 平滑+微分进行光谱变换, 利用遗传算法(GA)提取特征波长, 采用偏最小二乘法(PLS)、 最小二乘支持向量机(LSSVM)和BP神经网络(BPNN)对沉积物TOC含量进行建模和预测, 通过决定系数(R2)和剩余估计偏差(PRD)来评价模型精度。 结果表明, 剔除异常样本有助于提升模型精度, BPNN模型的检验R2和PRD分别提升了28%和39%。 MSC光谱变换效果优于平滑+微分, 基于MSC光谱变换的PLS, LSSVM和BPNN模型检验R2分别为0.81, 0.86和0.78, PRD分别为2.25, 2.59和2.07, 比平滑+微分提升了9%~20%(R2)和11%~22%(PRD), 意味着MSC具有较强的TOC信息提取能力。 GA不利于增加预测模型精度, 基于GA特征波长的模型预测R2降低了9%~36%, PRD降低了18%~33%, 可能与GA提取的特征波长数量偏少有关。 BPNN模型的预测精度最低, 可能与其容易陷入局部极小点有关。 PLS模型精度较高, 可以很好的预测潮间带沉积物TOC含量。 基于异常样本剔除和MSC光谱变换, PLS模型的建模R2为0.98, 检验R2为0.81, RPD为2.25。 LSSVM模型精度更优于PLS, LSSVM模型建模R2为0.99, 检验R2和RPD分别为0.86和2.59, 显示极好的TOC定量预测能力。 总之, 针对潮间带沉积物TOC含量预测, 可以将剔除异常样本、 MSC光谱变换、 LSSVM建模结合起来, 以获得可靠、 稳定的预测模型。

光谱已经应用于土壤养分速测的分析, 但是如何寻找土壤光谱特征波段, 尽最大可能避免无用信息干扰、 保留有用信息, 建立准确度高、 预测效果好的模型仍是一个亟需解决的问题。 以青岛三个不同地区土壤样品为例, 测定土壤样品的紫外-可见-近红外光谱及其总碳（TC）、 总氮（TN）、 总磷（TP）含量; 分别采用连续投影算法（SPA）、 无信息变量消除法（UVE）、 遗传算法（GA）、 相关系数法（CC）四种算法（四种单分类器）对土壤光谱提取特征波长; 再引入投票法和加权投票法的多分类器融合方法将四种算法融合得到特征波长; 以偏最小二乘回归（PLSR）建立各土壤养分含量的模型, 通过对模型效果的评价标准（建模集绝对系数R2c、 校正均方根误差RMSEC、 检验集绝对系数R2p、 预测均方根误差RMSEP和相对分析误差RPD值）来判别各单分类器算法和多分类器融合算法对土壤养分含量特征波长的提取效果。 分别对四种算法、 筛选其中三种算法、 最优二种算法进行融合, 分析融合后模型效果和特征波长个数, 结果表明: 将四种单分类器经投票法融合后, 其模型效果大部分不如单分类器, 且相对好的模型特征波长个数较多; 相较于投票法多分类器融合, 四种单分类器经加权投票法融合模型效果有了一定的提高, TC和TN都能够在较少的波长中获得较好的预测效果, 但仅TN经融合后, 模型效果优于每个单分类器; TC, TN, TP分别在取SPA+UVE+GA, SPA+UVE+GA（或SPA+GA+CC）、 SPA+UVE+GA三种单分类器进行加权投票法融合后, 均能获得最优模型效果, 且明显优于每个单分类器, 模型效果有了显著提高; 各土壤养分含量经两个最优单分类器加权投票法融合后, 仍能得到好于最优单分类器的建模效果, TC和TP建模效果略差于三个单分类器融合结果, TN建模效果与三个单分类器融合结果相同。 因此, 在筛选三种算法融合, 且其中包含最优两种算法的情况下, 能够以较少的特征波长个数获得明显高于单分类器的建模效果。 该方法为寻找土壤养分以及其他复杂物质成分的光谱特征波段提供了新方法, 也为多种算法的综合运用提供了新思路。

在基于可见-近红外反射光谱的土壤养分速测技术中, 不同类型土壤间的模型转移是目前亟需解决的关键问题和难点。 以土壤全氮为研究对象, 探讨了两种不同土壤间的模型传递方法及其效果。 以青岛李村河畔土壤为主样品, 通过分段直接矫正结合斜率/截距修正(PDS-S/B)、 分段直接矫正结合线性插值(PDS-LI)、 典型相关性分析结合斜率/截距修正(CCA-S/B)、 典型相关性分析结合线性插值(CCA-LI)、 直接矫正结合斜率/截距修正(DS-S/B)、 直接矫正结合线性插值(DS-LI)等算法, 进行模型转移, 实现对青岛浮山山麓土壤全氮含量不同程度的预测。 其中, PDS-S/B的模型转移效果最好, 均方根误差、 平均相对误差、 最大相对误差均最小, 分别为0.04, 6.6%, 19.0%。 主、 从样品经遗传算法提取特征变量后再进行模型转移, 相比无任何前处理的模型转移, 均有不同程度的提高, 其中LI相关的模型转移方法比S/B相关的方法提高的程度更大。 研究了不同样品在同一仪器、 相同测试环境下的土壤养分的模型传递问题, 初步探讨了同一仪器共享一个土壤养分光谱模型的可能性, 这将从根本上提高速测效率, 有利于光谱技术在土壤养分速测中的推广应用。

近红外光谱采集物质信息较全面， 是多种物质的复合信息， 但具体特征不明显； 化学指标虽能够体现物质的具体特征， 但所包含的物质信息却不够全面。 以2012年和2013年贵州、 湖南、 吉林、 江西、 山东、 四川六个产地共115个晒红烟样品为研究对象， 其近红外光谱采用一阶导数和平滑处理， 测定的26个化学指标及其26个计算值（譬如糖碱比等）采用归一化处理， 应用PPF投影技术对不同产地晒红烟进行相似性分析。 结合近红外光谱和化学指标的分析结果表明： 应用近红外光谱和化学指标分析六个产地晒红烟分布规律较为一致， 表明通过近红外光谱信息和大量检测数据均可分析产地特征的相似性； 对52个化学指标的方差贡献率分析得出， 决定产地特征的重要指标是亚硝胺； 应用近红外光谱对小产地之间进行聚类分析， 得出部分小产地之间具有可替代性， 结合主要内在的化学指标工业需求取向， 可合理替代不同烟叶原料， 降低产品加工质量的波动性。