近紅外光譜變量選擇和建模方法研究.pdf

1、近紅外光譜(NIR)作為一種新興的分析技術(shù)，具有分析速度快、操作簡單、無需樣品前處理等特點(diǎn)，在許多領(lǐng)域均得到了廣泛的應(yīng)用。然而，近紅外光譜吸收峰強(qiáng)度較弱，多組分信號重疊，并且背景干擾嚴(yán)重，因此，往往需要借助化學(xué)計(jì)量學(xué)方法來建立光譜與待測組分屬性值的關(guān)系模型，以實(shí)現(xiàn)定性定量分析。在近紅外光譜分析中，如何從復(fù)雜的光譜中提取待測組分的定量信息，消除背景和噪聲等無關(guān)信息的干擾，一直是研究的重要內(nèi)容。本論文利用隨機(jī)模型的參數(shù)統(tǒng)計(jì)和連續(xù)小波變換(C

2、WT)等方法，從近紅外光譜的變量選擇和光譜中定量信息的有效提取與利用兩方面開展研究，為改善定量分析模型的性能提供了新的思路。具體研究內(nèi)容如下：
　　 1、根據(jù)光譜變量對模型的影響，定義了“強(qiáng)影響變量(Ⅳ)”，并提出了一種識別Ⅳs的方法。在該方法中，利用蒙特卡洛(MC)隨機(jī)取樣技術(shù)，從校正集中選取一系列的變量子集來建立大量的隨機(jī)模型，然后采用主成分分析(PCA)考察隨機(jī)模型的分類情況。如果校正集中含有IVs，那么在主成分空間就能觀

3、察到分類現(xiàn)象，從而可以通過統(tǒng)計(jì)每一類別中每個變量出現(xiàn)的頻率來識別該Ⅳs。最后，采用所找到的Ⅳs來建立偏最小二乘(PLS)校正模型。利用5組數(shù)據(jù)對該方法的效果和普適性進(jìn)行了考察，研究表明，該方法能夠選出合理的Ⅳs，建立簡約的、準(zhǔn)確的定量模型，為近紅外光譜定量分析提供了一種有力的手段。
　　 2、利用樣本交叉驗(yàn)證殘差的分布及光譜變量組合對模型的影響，提出了一種同時(shí)剔除奇異樣本和無信息變量的方法。在該方法中，采用兩種方式，即只選取部分

4、樣本和同時(shí)選取部分樣本和部分變量，來構(gòu)建隨機(jī)模型，并考察了兩種情況下，校正集樣本的交叉驗(yàn)證殘差的分布及差異。從而，根據(jù)樣本殘差的分布情況進(jìn)行奇異樣本的識別；利用兩種情況下殘差變化大的樣本對應(yīng)的“好模型”和“壞模型”來考察變量的重要性，以實(shí)現(xiàn)無信息變量的消除。通過對兩組數(shù)據(jù)的考察，結(jié)果表明，該方法可以在識別奇異樣本的同時(shí)，有效地消除無信息變量，提高模型的性能。
　　 3、為了充分利用光譜中的定量信息，提出了小波展開的偏最小二乘方法