樣本集選擇對近紅外定量分析模型穩(wěn)健性影響研究.pdf

1、在近紅外定量分析中，樣本集選擇是影響模型穩(wěn)健性的關鍵因素之一，它直接影響著模型的預測能力和適應性。樣本集選擇方法可分為常規(guī)選擇和計算機識別兩種。常規(guī)選擇通常需要大量的樣本積累和化學測定，耗費大量的人力物力，而現(xiàn)有的計算機識別方法則需要復雜的編程和人為界定中間參數(shù)，從而限定方法進一步推廣應用。 本文提出了僅依靠光譜數(shù)據(jù)第一主成分得分或綜合主成分得分進行樣本優(yōu)選的新方法，分別簡稱為綜合主成分法和單主成分法。本文借助通用的商業(yè)軟件SP

2、SS對418個煙草樣本光譜進行主成分分析，利用提取的光譜主成分得分信息優(yōu)選出約105個樣本(備選樣本總體的1/4)的校正樣本集，并與隨機法、含量梯度法的優(yōu)選性能進行了對比。實際建模驗證表明，本文提出的方法既克服了隨機法挑選樣本代表性不足的風險，又可避免含量梯度法必須測定所有樣本成分含量而造成的人力物力消耗，具有無需編程、操作簡單、易于推廣的特點。 校正集樣本的數(shù)量是影響模型穩(wěn)健性的重要因素，也直接決定著模型構建時工作量的大小。本

3、文使用含量梯度法從418個煙草樣本中分別均勻選取53個、105個、209個、314個、418個樣本作為校正集，并進行實際建模驗證，通過決定系數(shù)(R<'2>)、校正標準差(SEE)、預測標準差(SEP)以及外部驗證集檢驗評價各模型的性能，探討了校正集樣本數(shù)量對模型穩(wěn)健性的影響。 本文主要研究內容如下： 1.分別使用隨機法、含量梯度法對418個煙草樣本進行選擇，得到包含約四分之一樣本的校正樣本集，通過煙堿成分實際建模驗證研究