如何建立和評價近紅外模型(存儲版)
【正文】 ? ? ? ? ?偏最小二乘法 第一步，矩陣分解，其模型為： X=TP+E Y=UQ+F 第二步，將 T和 U作線性回歸 U=TB 預(yù)測時，先求出未知樣品 X矩陣的 T未知，再按下式計算濃度 Y未知 ＝ T未知 BQ 優(yōu) 點： ?充分提取 樣 品光 譜 的有效信息 ?消除了 線 性相關(guān)的 問題 ?考 慮 了光 譜 矩 陣 與 樣 品成分矩 陣 之 間 的內(nèi)在 聯(lián) 系，模型更 穩(wěn) 健 ?適合于復(fù) 雜 分析體系。 實驗室分析數(shù)據(jù)的準(zhǔn)確度非常重要，完全遵循“量子傳遞”的誤差理 論。 模型驗證（內(nèi)部交叉驗證和外部驗證）。 粒徑小、均勻的樣品應(yīng)選擇掃描面積小或大的樣品附件。 規(guī)范操作步驟 特別對固體樣品要保證裝樣的一致性。 高分辨率、高質(zhì)量光譜 原始光譜 二階導(dǎo)數(shù)光譜 怎樣建立好的近紅外定量分析模型？ 確定近紅外定量分析的目標(biāo)準(zhǔn)確度。 成分已知樣品，選擇的代表性樣品數(shù)量比較少。 模型驗證（內(nèi)部交叉驗證和外部驗證）。 模型優(yōu)化。 ?至少要 給 出交叉 檢驗 均方差，當(dāng)然最好 給 出 預(yù)測 均方差。 RMSECV最重要，決定 預(yù)測樣 品的 誤 差大小。 模型優(yōu)化條件的選擇：譜區(qū)寬度、 Rank大小、預(yù)處理方法 最佳 Rank的選擇 最佳譜區(qū)的選擇 最佳譜區(qū) 最佳譜區(qū)的相關(guān)圖 交叉檢驗的相關(guān)圖 絕對誤差分布圖 0. 91. 11. 31. 51. 71. 90. 9 1. 1 1. 3 1. 5 1. 7 1. 9referen ce va lue / %NIR value / %矢量歸一化預(yù)處理的 PLS模型 R2= RMSECV=% Rank=2 光譜預(yù)處理方法選擇 0. 91. 11. 31. 51. 71. 90. 9 1. 1 1. 3 1. 5 1. 7 1. 9referen ce va lue / %NIR value / %一階導(dǎo)數(shù)預(yù)處理的 PLS模型 R2= RMSECV=% Rank=2 怎樣建立好的近紅外定量分析模型？ 確定近紅外定量分析的目標(biāo)準(zhǔn)確度。 實驗室標(biāo)準(zhǔn)方法的準(zhǔn)確度和精密度確認。 模型優(yōu)化。 粒徑小、均勻的樣品應(yīng)選擇掃描面積小或大的樣品附件。 不同光程比色皿測定的光譜 5mm光程 2mm光程 實 驗 條 件 的 選 擇 根據(jù)儀器的光譜響應(yīng)特征 選擇分析樣品的近紅外附件 液體樣品要選擇不同光程的比色皿： 顏色深、吸收強的樣品，光程短；顏色淺、吸收弱，光程長。 應(yīng)用現(xiàn)場比較復(fù)雜、分析指標(biāo)比較難、應(yīng)用推廣的數(shù)量和范圍比較 寬，要求儀器的性能指標(biāo)比較高，模型能夠直接傳遞。 實驗室標(biāo)準(zhǔn)方法的準(zhǔn)確度和精密度確認。 選擇或配備代表性建模樣品集。 其中的最佳主成分矩 陣 的 維 數(shù)采用內(nèi)部交叉 檢驗 來得出。 缺點： ?計 算速度 較 慢， 計 算 過 程 較 繁 瑣 ，需要多次迭代 ?模型建立 過 程復(fù) 雜 ，較 抽象， 較難 理解 理 論 背 景 ? ? ? ? ? ?偏最小二乘法 世界上近 紅 外定量分析商品化 軟 件中最流行的算法 怎樣建立好的近紅外定量分析模型？ 確定近紅外定量分析的目標(biāo)準(zhǔn)確度。實驗室數(shù)據(jù)越準(zhǔn)確，近紅外模型的準(zhǔn)確度也會越高。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1