样本数据重复性对NIR校正模型的影响(1)
 |
| 第1页 |
参见附件。
[摘要]目的：探讨样本数据重复采集对所构建近红外(NIR)定量校正模型稳健性的影响，初步阐释该影响产生的原因。方法：以银黄液为研究载体，采集样本的近红外光谱，并以高效液相测定值为参考值，采用偏最小二乘算法建立黄芩苷定量校正模型，对潜变量因子累积贡献曲线进行深入探讨，在潜变量空间阐述重复采样对所建立的定量校正模型的影响。结果：在对重复采集光谱平均后，以最优光谱预处理方法建立的定量预测模型达到理想预测结果(RMSECV=1.824)。该模型潜变量因子累计贡献率曲线下的面积，明显大于其他光谱建模方式，即所得的模型更加稳健。结论：多次测量取平均能够显著提高模型的预测性能，使所得的模型更加稳健。
[关键词]近红外光谱； 偏最小二乘法； 重复性样本
[稿件编号]20111205022
[基金项目]国家“重大新药创制”科技重大专项(2010ZX09502002)；北京市支持中央在京高校共建项目
[通信作者]*乔延江，教授，Tel：(010)84738621，Email： yjqiao@263.net； *史新元，Email：shixinyuan01@163.com
近红外光谱(near infrared spectroscopy，NIRS)分析法是利用近红外谱区(波长为780～2 526 nm)携带的物质信息，对物质定性、定量的一种分析方法。作为一种间接的分析技术，近红外分析法需采用化学计量学等手段提取有用信息，建立光谱特征与待测量之间的校正模型，才能实现对于未知样本的定性或定量分析[1]。构建稳健的校正模型是获得良好预测结果的根本。
建模样本集能够代表总体样本在应用过程中所涉及的所有信息 ......
您现在查看是摘要介绍页，详见PDF附件。