如何建立和評(píng)價(jià)近紅外模型-資料下載頁(yè)
2025-08-11 15:58本頁(yè)面
【正文】 %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(shí)驗(yàn)室標(biāo)準(zhǔn)方法的準(zhǔn)確度和精密度確認(rèn)。 選擇分析樣品的近紅外附件、光譜掃描的參數(shù)、規(guī)范操作步驟。 選擇或配備代表性建模樣品集。 模型優(yōu)化。 模型驗(yàn)證（內(nèi)部交叉驗(yàn)證和外部驗(yàn)證） 。 內(nèi)部交叉檢驗(yàn) Differ1 Differ2 Differ3 …… Differn 內(nèi)部交叉檢驗(yàn) (cross validation) 外部檢驗(yàn)（ Prediction） Differ1 Differ2 Differ3 …… Differn 模型 檢驗(yàn)樣品 模型內(nèi)部交叉檢驗(yàn) ? ?? ? ???????????????222 1miiyyD if f erR? ??? 21 iD if f erMR M S E C V決定系數(shù) 均方差 同一 組樣 品、同一 組 分， R2越大， RPD越大， RMSECV越小。 決定于模型 優(yōu) 化的條件、 實(shí)驗(yàn) 室化學(xué)分析水平和近 紅 外 儀 器的性能。 RMSECV最重要，決定 預(yù)測(cè)樣 品的 誤 差大小。 RPD (Residual Prediction Deviation) =SD/SEPbias 如何判定近紅外定量分析是否可行 ? ?RMSEE、RMSEC或 SEC（C：Calibration），RMSECV、SECV（CV：Cross Validation），RMSEP（P：Prediction）三者的關(guān)系： ?RMSEE與 RMSECV: ?同一模型， RMSEE一定小于 RMSECV；但兩者不 應(yīng) 存在 顯 著性差異，否 則 ，樣 品代表性不好或模型信息提取不充分。 ?RMSECV與 RMSEP: ?RMSEP遠(yuǎn) 大于 RMSECV，建模 樣 品的代表性差、模型信息 擬 和不 夠 或 過(guò)擬和； RMSEP遠(yuǎn) 小于 RMSECV，驗(yàn)證樣 品代表性差。 ?文章或方法中只 給 出校正均方差，不能 說(shuō) 明任何 問(wèn)題 ，要注意。 ?至少要 給 出交叉 檢驗(yàn) 均方差，當(dāng)然最好 給 出 預(yù)測(cè) 均方差。 ?RMSECV應(yīng)該 與 實(shí)驗(yàn) 室 標(biāo) 準(zhǔn)方法的精密度相當(dāng) 。 校正 交叉檢驗(yàn) 如何判定近 紅 外定量分析模型的 質(zhì) 量 外部檢驗(yàn) RMSECV vs Rank圖表 模型內(nèi)部交叉檢驗(yàn) 結(jié)果不好！ 模型內(nèi)部交叉檢驗(yàn) RMSECV vs Rank圖表 結(jié)果一般！ 模型內(nèi)部交叉檢驗(yàn) RMSECV vs Rank圖表 好的結(jié)果！ Detection of gaps in calibration range by density values OPUS Quant2 (PLS) Report OPUS Quant2 (PLS) Report Detection of gaps in calibration range by density values 010203040506031 33 35 37 39 41 43 45R e fe r e n c eComponent Value Density3133353739414345NIR PredictionC o m p o n e n t V a l u e D e n s i tyM o d e l N I R v s . R e fe r e n z Thank you very much!
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1