潜变量聚类分析法在近红外光谱波长范围选择中的应用研究

周雨泽 | -> | 2543| 0| 0.381052MB |近红外光谱,潜变量聚类分析,波长选择

周雨泽 周雨泽 | 文档量 |浏览量16195

摘 要 介绍了潜变量聚类分析方法的基本原理, 并将该方法应用于近红外光谱定量模型的谱区选择。以烟草样品为例, 对107 个样品的光谱进行处理, 将光谱分为5 簇, 从化学角度分别解释了这5 簇各自反映的信息。在此基础上, 选择相应的波长范围用PLS 方法建立了总糖、还原糖和尼古丁的定量分析模型。与全谱模型相比, 3 个模型的交互验证相关系数(Rt raining) 分别由01977 1 , 01917 2 , 01987 4 提高到01995 5 ,01975 1 , 01994 4 ; 验证样品相关系数( Rtest ) 由01977 8 , 01941 2 , 01993 2 提高到01992 7 , 01967 9 ,01994 0 ; 交互验证均方差(RMSECV) 由1109 , 1143 , 0114 降为1105 , 1105 , 0113 ; 预测残差均方差(RM2SEP) 由0192 , 1117 , 0116 降为0139 , 0163 , 0111 ; 预测样品间平均标准误差( D) 由11274 % , 11972 % ,01829 %降为01711 % , 01843 % , 01768 % , 表明用该方法建立模型的预测准确度和精密度均有所提高, 对实际应用有一定的指导作用。
    近红外谱区的吸收强度比较弱, 一般有机化合物在该处没有明显的特征吸收峰或吸收带, 因此不能用特征波长的方法进行定量分析, 必须借助化学计量学方法建立近红外光谱与样品化学数据之间的多元校正模型[1 , 2 ] 。在建模过程中,若采用全谱数据, 不仅计算量大, 而且在某些光谱区域样品
的光谱信息很弱, 或与样品的组成和性质间缺乏相关关系,会造成模型的预测精度和稳定性降低, 因此选择合适的谱区范围对建立一个好的模型是相当重要的[3-5 ] 。常见的波长选择算法有相关系数法、逐步回归法、循环预测权重法( IPW)以及遗传算法等[6-8 ] , 这些算法对消除不相关因素的影响、提高模型预测能力起到很了大的作用, 只是在选择波长的过程中会与校正样品集的化学值相关联, 一定程度上受到化学值准确度的影响。本文在前人工作的基础上, 引入潜变量聚类分析法用于波长选择, 旨在消除化学值准确度对选择过程的影响。
周雨泽发布的其他共享资料
    0 色谱币 下载

潜变量聚类分析法在近红外光谱波长范围选择中的应用研究

(381.052K)

所需色谱币: 0

您持有: $userGold色谱币,完成任务赚取色谱币

立即下载

友情链接(联系QQ:47140047)
关于我们  经营理念  业务合作  联系我们  法律声明  网站建议  网站导航  帮助中心
Copyright © 色谱世界 版权所有 鄂ICP备19022139号-2