摘 要 以相思树聚戊糖含量为例, 通过用不同精确度的数据建立的近红外模型预测性能, 讨论了不同精确度的数据对近红外模型准确性的影响。结果表明, 建模原始数据的精确度在一定程度上影响着近红外模型的预测性能, 精确度越高, 建立的模型越好。但对于精确度较小的的样品, 所建立的模型预测性能也能较好的预测未知样品。
近红外定量分析技术是一种间接的分析技术, 近红外光谱模型是利用化学计量学建立起来的近红外光谱数据与其样品待测性质或成分含量之间的多元回归方程[1] 。故任何影响到样本光谱和数据的因属, 都有可能影响到最后模型的质量。这些因属主要是来之样品、仪器以及操作者[2] 。目前,不同学者针对影响近红外结果准确性的条件作了大量的研究, 主要包括样品粒径、装样条件[ 3] 、分辨率[4] 、温度、预处理方法[5] 以及数学建模方法[6] 。但对于参考数据准确性的研究较少, 目前, 主要有两种观点, 一种是近红外模型是根据参考数据建立起来的, 故 近红外光谱分析法的测定结果不如参考方法的准确。但也有人认为近红外光谱分析模型是通过多元校正方法建立在大量数据统计的结果上, 近红外预测值不一定比参考数据差, 褚小立等通过人为增加基础数据误差的方法做了验证, 认为对于精度相对较差测试方法提供的基础数据, 通过大量样本的光谱分析和化学计量学统计处理, 近红外方法有可能得到更精确的预测结果。但这些误差是人为加上的, 不能体现出实验中的实际误差。本文以相思木聚戊糖含量为例, 用来自实验室误差的样本作为校正集建立了近红外模型, 研究了实验误差对近红外模型分析结果的影响。