近紅外光譜nir分析技術的應用(編輯修改稿)
2024-07-15 00:51 本頁面
【文章內容簡介】 模型的參數(shù)、建立、檢驗與評價數(shù)字模型：常用的算法有逐步回歸分析、偏最小二乘法、主成分回歸分析等。這些算法的基本思想是應用近紅外光譜的全光譜的信息，以解決近紅外光譜的譜峰重疊與復雜背景的影響。 模型驗證用外部證實法檢驗和評價數(shù)學模型，以檢驗數(shù)學模型在時間空間上的穩(wěn)定性?？梢杂昧硗鈳着毩⒌摹⒋郎y量已知的檢驗樣品集，用數(shù)學模型預測計算檢驗集中各樣品的待測值；對實際值與預測值作線性相關，并用相關系數(shù)和預測標準差來表示預測效果。 模型維護與擴展 為什么要維護與擴展校正模型建立一個校正模型通常是從一個小的光譜數(shù)據(jù)庫開始的。數(shù)據(jù)庫小，模型的適用范圍就必然受到限制。這也就意味著要想使一個模型更加穩(wěn)定、適用范圍更加寬廣，就需要不斷地對模型的數(shù)據(jù)庫進行擴充。 擴展校正模型步驟通過掃描光譜與實驗數(shù)據(jù)建立具有數(shù)據(jù)對應關系的光譜文件，再使用該文件對舊方程進行擴展，形成新方程，并對新方程進行驗證。 具體例子分析 方程選擇使用改進偏最小二乘法(MPLS)建立校正模型，為消除光譜信號的基線漂移，隨機噪音及顆粒度不均勻引起的散射，光譜采用三種去散射處理和三種導數(shù)處理結合，共9中光譜預處理方法。三種去散射處理包括無散射(None)，標準正態(tài)變量校正結
醫(yī)療健康相關推薦
鄂ICP備17016276號-1