化學(xué)計量學(xué)算法實現(xiàn)的軟件開發(fā)基礎(chǔ)研究.pdf

1、化學(xué)計量學(xué)經(jīng)過幾十年迅速發(fā)展，日趨成熟，已成為從復(fù)雜體系的儀器分析數(shù)據(jù)中提取有用信息最有效和最具系統(tǒng)性的方法之一，為復(fù)雜多組分體系的定性定量分析帶來了大量新的研究思路和解析手段，它也能為儀器分析數(shù)據(jù)處理提供了指導(dǎo)性的理論框架。編寫和實現(xiàn)出可靠易用的化學(xué)計量學(xué)軟件產(chǎn)品能最大限度地發(fā)揮化學(xué)計量學(xué)的作用，但是從化學(xué)計量學(xué)方法到可靠易用的軟件產(chǎn)品之間還有許多基礎(chǔ)工作。不僅要系統(tǒng)研究化學(xué)計量學(xué)算法，在特定情況下要提出新算法，而且在研發(fā)過程中還要引

2、入計算機(jī)領(lǐng)域中的新技術(shù)以保證軟件產(chǎn)品的市場競爭力。本論文由此展開，主要涉及開發(fā)化學(xué)計量學(xué)軟件所需基礎(chǔ)算法研究、用C++編程語言開發(fā)化學(xué)計量學(xué)算法庫和計算機(jī)新技術(shù)在化學(xué)計量學(xué)軟件中的應(yīng)用等方面，成功地解決了將化學(xué)計量學(xué)方法轉(zhuǎn)化為可靠易用的軟件產(chǎn)品過程中的幾個基本問題，如實現(xiàn)化學(xué)計量學(xué)軟件產(chǎn)品的先決條件-線性代數(shù)與統(tǒng)計學(xué)運(yùn)算庫構(gòu)建、用多核計算加速建模過程和用化學(xué)計量學(xué)模型標(biāo)識語言保存模型、提出了幾種高效的預(yù)處理算法等?，F(xiàn)對主要研究內(nèi)容簡述如

3、下:
　　一、化學(xué)計量學(xué)算法通常由系列線性代數(shù)和統(tǒng)計學(xué)運(yùn)算組成，開發(fā)化學(xué)計量學(xué)軟件產(chǎn)品的先決條件為構(gòu)建一個設(shè)計精良的高性能線性代數(shù)與統(tǒng)計學(xué)運(yùn)算庫。筆者從本科畢業(yè)設(shè)計開始，投入近六年時間，在BLAS、LAPACK、CSparse、Fortran、C和C++等源碼和編譯器基礎(chǔ)之上，逐漸開發(fā)出一套有自主知識產(chǎn)權(quán)、設(shè)計良好、易用、準(zhǔn)確、高性能的線性代數(shù)和統(tǒng)計學(xué)運(yùn)算庫;并在此代碼庫基礎(chǔ)上用C++實現(xiàn)了常用化學(xué)計量學(xué)算法。此算法庫封裝和設(shè)計較

4、好，利用該庫和C++進(jìn)行化學(xué)計量學(xué)軟件開發(fā)能夠以和MATLAB差不多代碼量完成相同工作，大大降低了開發(fā)的難度。在算法庫開發(fā)過程中嚴(yán)格遵循ISOC++標(biāo)準(zhǔn)，所以構(gòu)建出的庫可以跨平臺和編譯工具鏈，目前測試過的操作系統(tǒng)平臺有Windows、Linux和Mac OS X;編譯器包括GCC、MSVC、LLVM-Clang和ICC。在性能和準(zhǔn)確性上，通過與MATLAB2011B和R2.14比較矩陣乘法和奇異值分解的運(yùn)算時間與結(jié)果，所構(gòu)建的運(yùn)算庫能夠

5、達(dá)到MATLAB2011B的性能，比R2.14至少快4倍，計算結(jié)果與MATLAB2011B和R2.14相同，說明所構(gòu)建庫的準(zhǔn)確性。
　　二、由于工藝和制造技術(shù)飛速進(jìn)步，多核電腦迅速普及。在化學(xué)計量學(xué)軟件中，如果能夠用多核來加速計算過程，能成倍地縮短計算時間，大大增強(qiáng)軟件產(chǎn)品的性能。我們首次將多核計算引入化學(xué)計量學(xué)軟件中，并以用交互檢驗來確定確定主成分回歸和偏最小二乘回歸最優(yōu)主成分個數(shù)為例，來展示多核計算的能力。隨著參與運(yùn)算的核心增

6、多，交互檢驗時間直線下降。結(jié)果表明多核計算的確是一個用來解決化學(xué)計量學(xué)中計算密集和數(shù)據(jù)密集型問題有用的工具。
　　三、建好化學(xué)計量學(xué)模型之后必須將模型保存在硬盤里供預(yù)測之用，這就會涉及到模型存儲和共享方面的問題。通過提出化學(xué)計量學(xué)模型標(biāo)識語言，可以比較完美地解決此問題?；瘜W(xué)計量學(xué)中要保存數(shù)據(jù)常為向量或者矩陣形式，利用base64編碼算法將二進(jìn)制數(shù)據(jù)轉(zhuǎn)化為字符串，能很好地解決向量或者矩陣保存問題;base64算法還有一個優(yōu)點(diǎn)為:它是

7、易讀取性和文件大小之間一個平衡點(diǎn)。目前化學(xué)計量學(xué)模型標(biāo)識語言能夠存儲樣本劃分、變量選擇、預(yù)處理、奇異樣本剔除和建模等方面的信息。由于化學(xué)計量學(xué)模型標(biāo)識語言基于XML語言，所以有非常良好的擴(kuò)展性。XML語言在軟件開發(fā)領(lǐng)域得到了廣泛的應(yīng)用，以化學(xué)計量學(xué)模型標(biāo)識語言格式存儲的模型文件能非常方便地在其他軟件或編程語言里重用。一般來說只要所用開發(fā)語言有XML解析和XPath查詢庫就可以從模型文件有效地取出所需數(shù)據(jù)。
　　四、針對拉曼光譜的熒

8、光背景和色譜中常見的基線漂移問題，本文中提出一種智能的拉曼光譜背景扣除算法。它利用墨西哥帽連續(xù)小波變換準(zhǔn)確找出每個拉曼峰的位置，然后利用峰的位置信息去構(gòu)造二進(jìn)制權(quán)重向量和加權(quán)懲罰最小二乘方法進(jìn)行背景擬合。為了將基線校正算法集成到軟件產(chǎn)品中，筆者將上述方法簡化，提出一個更通用的基線校正算法:自適應(yīng)迭代重加權(quán)懲罰最小二乘基線校正算法airPLS，并用拉曼光譜、色譜和核磁數(shù)據(jù)驗證了所提出方法的有效性和性能。通過采用稀疏矩陣技術(shù)，基線校正過程執(zhí)

9、行速度和內(nèi)存使用都只與分析信號的長度成線性關(guān)系，性能和擴(kuò)展性特別好，非常適用于大批量分析信號的基線校正。
　　五、當(dāng)利用整條色譜進(jìn)行指紋譜分析時，色譜保留時間的漂移會使定性定量分析結(jié)果變得不準(zhǔn)確。在分析開始之前，必須將色譜保留時間漂移校準(zhǔn)好，開始后續(xù)的分析工作。為了解決保留時間漂移問題，我們提出了基于連續(xù)小波變換和微分進(jìn)化算法的色譜譜峰漂移校準(zhǔn)算法。首先通過線性插值將待校和參考色譜等長;利用墨西哥帽連續(xù)小波變換準(zhǔn)確找出待校色譜每一

10、個峰的起始位置;以每個峰的位置為待優(yōu)化的變量，以待校和參考色譜之間的相關(guān)系數(shù)為目標(biāo)函數(shù)，利用微分進(jìn)化去優(yōu)化它們的位置，使待校和參考色譜相關(guān)系數(shù)最大化。利用該算法來校準(zhǔn)紅芍的高效液相色譜指紋圖譜，結(jié)果表明，該校準(zhǔn)算法使指紋圖譜的相關(guān)系數(shù)得到了很大的改善，能夠在不改變色譜峰的形狀情況下將指紋圖譜校準(zhǔn)好。
　　六、色譜技術(shù)常用于高通量分析領(lǐng)域如代謝組學(xué)、中藥質(zhì)量控制等。但是在用統(tǒng)計學(xué)或化學(xué)計量學(xué)從大量分析數(shù)據(jù)獲取有效信息前，要進(jìn)行耗時的