近红外建模与模型评价
近红外光谱采集与建模技术规范2014
近红外光谱采集与建模技术规范1. 基本原理近红外光谱（Near Infra-Red Spectrum，NIR），指的是780－2526nm范围内的电磁波，它介于可见光谱区域和中红外光谱区域之间。
从光谱能量的角度讲，近红外光谱对应的主要是分子振动的倍频及合频吸收，由于倍频及合频吸收的跃迁几率很低，信号很弱，故只有非谐性很高的化学键才能在图谱上表达。
非谐性很高的化学键是含有氢原子的化学键，近红外光谱中含氢基团X - H（X = C、N、O、S）的吸收占主导地位。
近红外光谱的特点是吸收系数较低、无损、快速、无污染，因此可以直接对样品进行测定，不需样品处理或仅需简单的处理，在计算机软件的支持下，可实现对近红外光谱建立模型、快速分析样品光谱的功能。
2. 适用范围建立近红外光谱模型快速筛查方法的固体制剂主要包括口服常释剂型（口服普通片剂、肠溶片、分散片、硬胶囊、肠溶胶囊）、口服缓释剂型（缓释片、控释片、缓释胶囊、控释胶囊）和注射用无菌粉末等，品种主要为化学药、抗生素和生化药。
3. 仪器要求仪器类型应为傅立叶近红外光谱仪，目前基于Bruker Matrix-F型近红外光谱仪。
4. 样品要求采集近红外光谱图的样品应为经法定的或者经过验证的质量标准进行检验后合格的药品，并且样品要在有效期以内。
对于某品种、某厂家、某规格的样品，批次数量应不低于6批次，如有特殊情况，未能达到6批次，应作说明。
5. 人员要求光谱测定人员应掌握规范的测样方式（如下图）。
5.1 片剂的测样（接触测）用左手拇指和食指夹好药片将光纤探头轻轻顶住药片，并用中指扶持5.2 片剂的测样（隔铝塑测）将光纤探头顶住泡罩，轻轻压紧用拇指扶住光纤探头，防止滑动5.3 胶囊剂的测样（接触测）5.4 胶囊剂的测样（隔铝塑测）将光纤探头顶住泡罩，轻轻压紧然后用拇指扶住光纤探头，防止滑动5.5 颗粒剂、干混悬剂或散剂等的测样将颗粒或粉末均匀倒入附件中，将光纤探头插入、压实，分别测定光谱5.6 粉针剂的测样轻轻颠几下小瓶，让粉末在底部均匀将探头轻轻顶住瓶底，并扶好5.7 糖衣片测样首先将糖衣片打磨，露出片芯，然后用光纤探头测定片芯的光谱6. 光谱采集在光谱采集之前，应确保按照规范安装了OPUS 5.0软件、SFDA_Ident 2.6.4软件，并进行了正确的软件设置。
近红外光谱采集与建模技术规范2014
近红外光谱采集与建模技术规范1. 基本原理近红外光谱（Near Infra-Red Spectrum, NIR）,指的是780—2526nm范围内的电磁波，它介于可见光谱区域和中红外光谱区域之间。
从光谱能量的角度讲，近红外光谱对应的主要是分子振动的倍频及合频吸收，由于倍频及合频吸收的跃迁几率很低，信号很弱，故只有非谐性很高的化学键才能在图谱上表达。
非谐性很高的化学键是含有氢原子的化学键，近红外光谱中含氢基团X - H （X = C、N、0、S）的吸收占主导地位。
近红外光谱的特点是吸收系数较低、无损、快速、无污染，因此可以直接对样品进行测定，不需样品处理或仅需简单的处理，在计算机软件的支持下，可实现对近红外光谱建立模型、快速分析样品光谱的功能。
2. 适用范围建立近红外光谱模型快速筛查方法的固体制剂主要包括口服常释剂型（口服普通片剂、肠溶片、分散片、硬胶囊、肠溶胶囊）、口服缓释剂型（缓释片、控释片、缓释胶囊、控释胶囊）和注射用无菌粉末等，品种主要为化学药、抗生素和生化药。
3. 仪器要求仪器类型应为傅立叶近红外光谱仪，目前基于Bruker Matrix-F型近红外光谱仪。
4. 样品要求采集近红外光谱图的样品应为经法定的或者经过验证的质量标准进行检验后合格的药品，并且样品要在有效期以内。
对于某品种、某厂家、某规格的样品，批次数量应不低于6批次，如有特殊情况，未能达到6批次，应作说明。
5. 人员要求光谱测定人员应掌握规范的测样方式（如下图）。
5.1片剂的测样（接触测）将探头轻轻顶紧单层胶囊壳，用食指匡哇5.4胶囊剂的测样（隔铝塑测）将光纤探头 轻轻顶住 药片，并用中指扶持用左手拇指和食指夹好药片 5.2片剂的测样（隔铝塑测）用拇指扶住光纤探头，防止滑动将光纤探头顶住泡罩，轻轻压紧 5.3胶囊剂的测样（接触测）用左手拇指和中指夹住胶衰将光纤探头顶住泡罩，轻轻压紧然后用拇指扶住光纤探头，防止滑动5.5颗粒剂、干混悬剂或散剂等的测样将颗粒或粉末均匀倒入附件中，将光纤探头插入、压实，分别测定光谱5.6粉针剂的测样轻轻颠几下小瓶，让粉末在底部均匀5.7糖衣片测样将探头轻轻顶住瓶底，并扶好首先将糖衣片打磨，露出片芯，然后用光纤探头测定片芯的光谱6. 光谱采集在光谱采集之前，应确保按照规范安装了OPUS 5.0软件、SFDA_ldent 264软件，并进行了正确的软件设置。
近红外pcr建模原理
近红外pcr建模原理近红外( NIR) PCR建模原理一、前言PCR是一种在生物学中广泛应用的技术，它可以扩增DNA序列并产生大量的DNA分子。
NIR则是一种光谱学技术，可以用于分析样品的化学成分。
近年来，NIR-PCR技术被广泛应用于食品、药品、农业和环境等领域。
本文将介绍NIR-PCR建模原理。
二、NIR光谱学原理NIR光谱学是一种非破坏性的分析技术，它利用近红外波长范围内的光谱信息来确定样品中化合物的含量和组成。
这些化合物吸收特定波长范围内的光，并产生一个与其浓度成正比的信号。
三、PCR原理PCR是通过重复反应循环扩增DNA序列的过程。
该过程涉及到两个主要步骤：变性和扩增。
变性：在此步骤中，双链DNA被加热至94-98℃，使其解旋成两条单链模板DNA。
扩增：在此步骤中，引物被添加到模板DNA上，并通过酶催化反应合成新链。
这个过程会重复数次，每次会产生两倍的DNA分子。
四、NIR-PCR建模原理NIR-PCR建模是一种用于预测样品化学成分的技术。
该技术的基本原理是将NIR光谱数据与样品中所含化合物的浓度进行比较，从而建立一个数学模型。
这个模型可以用来预测未知样品中化合物的含量和组成。
在NIR-PCR建模中，首先需要收集一系列具有不同化学成分的样品，并对它们进行NIR光谱分析和化学分析。
然后，使用统计学方法将这些数据结合起来，并建立一个数学模型。
这个模型可以用来预测未知样品中某个特定化合物的含量。
五、优点和应用NIR-PCR建模具有许多优点，包括：1.非破坏性：不需要破坏或改变样品。
2.快速：可以在几秒钟内完成测试。
3.高效：可以同时检测多个化合物。
4.便携式：可以在实验室外使用。
5.低成本：相对于其他技术而言，其成本较低。
NIR-PCR建模已经被广泛应用于食品、药品、农业和环境等领域。
例如，它可以用于检测食品中的营养成分、添加剂和毒素。
此外，它还可以用于药物开发和制造过程中的质量控制。
在农业领域，NIR-PCR建模可以用于检测作物中的化学成分，并帮助农民更好地管理其作物。
近红外光谱标准
近红外光谱标准近红外光谱技术作为一种重要的分析技术，在多个领域得到了广泛的应用。
为了规范近红外光谱技术的使用和推广，制定了一系列近红外光谱标准。
本文将介绍近红外光谱标准的主要内容，包括近红外光谱仪器标准、近红外光谱分析方法标准、近红外光谱样品制备标准、近红外光谱数据解析标准、近红外光谱应用领域标准、近红外光谱质量评估标准、近红外光谱安全操作标准以及近红外光谱数据处理标准。
近红外光谱仪器标准近红外光谱仪器是进行近红外光谱分析的基础设备，因此其性能和质量对分析结果有着至关重要的影响。
近红外光谱仪器标准主要包括仪器的基本参数、性能指标、稳定性、可靠性等方面的规定。
例如，仪器的主要技术指标应符合相应的测试方法及技术要求，仪器的稳定性应满足测试要求，仪器的操作应简单方便，仪器的安全性能应符合相关规定等。
近红外光谱分析方法标准近红外光谱分析方法标准是针对具体分析对象和方法制定的标准。
这些标准通常包括样品的前处理方法、光谱采集条件、谱图解析方法等方面的规定。
例如，样品的前处理应遵循一定的流程和规范，以保证样品的代表性和均匀性；光谱采集时应选择合适的波长范围和扫描次数，以保证光谱的质量和可靠性；谱图解析时应采用合适的数学方法和模型，以获得准确的分析结果。
近红外光谱样品制备标准近红外光谱样品制备是进行近红外光谱分析的重要环节之一。
样品制备不当可能会影响光谱的质量和分析结果的准确性。
近红外光谱样品制备标准主要包括样品的制备方法、样品制备过程中的质量控制等方面的规定。
例如，样品制备时应保证样品的代表性和均匀性，样品制备过程中应避免外部因素对样品的影响等。
近红外光谱数据解析标准近红外光谱数据解析是将采集的光谱数据转化为有用的分析结果的过程。
数据解析过程中涉及到数学建模、模型验证等方面，因此需要制定相应的标准来规范这一过程。
近红外光谱数据解析标准主要包括模型建立的方法、模型验证的方法、模型评价等方面的规定。
例如，模型建立时应选择合适的波长范围和变量，模型验证时应采用交叉验证等方法，模型评价时应根据实际应用情况进行评估等。
药品近红外光谱通用性定量模型评价参数的选择
药品近红外光谱通用性定量模型评价参数的选择药品近红外光谱是一种在制药行业中应用广泛的非破坏性检测技术。
该技术可以快速、准确地分析药品的成分和质量，因此受到制药企业的青睐。
而药品近红外光谱通用性定量模型是将药品近红外光谱数据与药品成分进行关联，建立定量模型实现快速检测、质量控制和质量评估。
在建立药品近红外光谱通用性定量模型时，评价参数的选择至关重要。
本文将从样本集、光谱预处理、数学算法和模型评价四个方面介绍药品近红外光谱通用性定量模型评价参数的选择。
一、样本集选取的样本应具有代表性，能够反映全样本集的特征。
样本应覆盖药品的不同成分和不同质量水平，以确保模型具有良好的质量预测能力。
在选择样本时，应遵循可追溯性、可重复性、可验证性的原则，确保数据精准可靠。
二、光谱预处理光谱预处理是药品近红外光谱通用性定量模型建立的重要步骤。
光谱预处理方法的选择对模型的精度以及稳定性起着决定性作用。
一般而言，光谱预处理方法包括归一化、去基线、十二平均偏差、飞行时间、导数变换等。
应根据不同药品的特性，合理选择光谱预处理方法，确保模型建立的准确性和可靠性。
三、数学算法药品近红外光谱通用性定量模型的建立离不开数学算法。
在数学算法的选择方面，应考虑不同算法的优缺点以及适用范围。
常用的数学算法包括最小二乘法（OLS）、局部光谱校正（LOC）和偏最小二乘回归分析（PLS）等。
选择恰当的数学算法可以提高模型的准确性和可靠性。
四、模型评价模型评价是判定药品近红外光谱通用性定量模型是否符合预期要求的关键步骤。
在模型评价中，常用的指标包括均方根误差（RMSE）、预测平方和（PRESS）和相关系数（R2）等。
合理选择模型评价指标可以反映模型精度的好坏，检验模型的稳定性和可靠性。
综上所述，药品近红外光谱通用性定量模型建立时，应选取具有代表性的样本集，采用可靠有效的光谱预处理方法，选择合适的数学算法，并根据具体情况选择合适的模型评价指标，确保模型具有良好的预测能力、稳定性和可靠性，达到更好的检测效果。
基于反向比例解析的近红外光谱定量模型快速构建方法
第43 卷第 5 期2024 年5 月Vol.43 No.5792~797分析测试学报FENXI CESHI XUEBAO（Journal of Instrumental Analysis）基于反向比例解析的近红外光谱定量模型快速构建方法张晓兵1，徐志强1，钟永健1，朱宏福1，李峥1，张军2，詹映2，彭云发2，刘建国1*（1．浙江中烟工业有限责任公司技术中心，浙江杭州310024；2．上海创和亿电子科技发展有限公司，上海200082）摘要：为解决光谱漂移问题，该研究设计了一种基于反向比例解析的近红外光谱定量模型方法。
以烟叶近红外光谱和烟碱含量为研究对象，将数据划分为训练集和测试集。
通过计算训练集光谱与测试集光谱的相关性并按照高低排序，选择前20%的光谱，运用约束规划的方法，计算测试集的拟合系数，得到测试集光谱的估计值。
结果显示，使用反向比例解析法建立的模型的平均绝对误差为0.346 6，预测标准偏差为0.425 2，相关系数为0.793 2，优于PLS模型。
反向光谱比例解析可以有效解决光谱漂移问题，实现烟草中烟碱含量的准确预测，为烟碱的有效测量提供参考。
关键词：反向比例；近红外光谱；相关性；拟合系数；加权中图分类号：O657.3；TS41文献标识码：A文章编号：1004-4957（2024）05-0792-06A Rapid Construction Method for Near Infrared Spectral Quantita⁃tive Model Based on Reverse Proportional AnalysisZHANG Xiao-bing1，XU Zhi-qiang1，ZHONG Yong-jian1，ZHU Hong-fu1，LI Zheng1，ZHANG Jun2，ZHAN Ying2，PENG Yun-fa2，LIU Jian-guo1*（1．Technology Center of China Tobacco Zhejiang Industrial Co.，Ltd.，Hangzhou 310024，China；2．Shanghai Micro Vision Technology LTD.，Shanghai 200082，China）Abstract：To address the issue of spectral drift，this study proposes a quantitative model approach for near infrared spectroscopy based on reverse proportional analytical method. The research focuses on tobacco leaf near infrared spectra and nicotine content，with the data being divided into training and test sets. By calculating the correlation between the spectra in these sets and sorting them accord⁃ingly，select the top 20% of spectra for constraint programming calculation to estimate the spectra in the test set. The results demonstrate that the reverse proportional analytical method yields an average absolute error of 0.346 6，a predicted standard deviation of 0.425 2，and a correlation coefficient of 0.793 2，indicating its strong performance compared to PLS models. This highlights how the reverse spectral proportional analytical method effectively addresses spectral drift while accurately predicting nicotine content in tobacco，providing valuable insights for nicotine measurement.Key words：inverse proportion；near infrared spectroscopy；correlation；fit coefficient；weighted近红外光谱分析技术作为一种绿色分析技术，融合了光谱技术、信息学、化学计量学和计算机技术［1］，具有简单、高效、快速等优势，受到行业内的广泛关注。
近红外光谱信号分析及评价方法研究
近红外光谱信号分析及评价方法研究近红外光谱（NIR）是一种非常重要的分析技术，已被广泛应用于各个领域。
NIR光谱是指在近红外区域（约700-2500nm）的光谱，它可以提供样品的化学和结构信息。
NIR光谱可以被用来定量或定性分析样品的成分、物理和化学属性。
本文将介绍近红外光谱信号分析及评价方法的研究。
一、近红外光谱信号分析方法NIR光谱信号分析是将NIR光谱信号处理为更简单、更易于识别的形式的技术。
这个过程通常包括数据采集、预处理、变量选择、建模和验证等步骤。
1. 数据采集NIR光谱仪是用于获取NIR光谱信号的仪器。
NIR光谱仪的选择应基于采样需要和目的。
数据采集的质量对NIR光谱信号分析的结果至关重要。
2. 预处理数据预处理包括信号平滑、去基线、标准化和波长选择等处理。
这些操作可以减少噪声、增加信噪比、去除传感器和光源造成的影响、降低多重共线性等。
3. 变量选择变量选择是通过筛选和删除原始变量，得到更少而有效的变量，以提高模型的预测精度。
变量选择的方法包括前向选择、后向删除、主成分分析等。
4. 建模建模是通过分析已知样本数据来建立模型，以便预测未知样本的结果。
建模的方法包括偏最小二乘法、支持向量机、偏最小二乘判别分析等。
5. 验证验证是评价建模结果的一种方法，可通过交叉验证、留一交叉验证、外部验证等来完成。
验证可以检查建模过程中存在的问题，同时也可以确定模型的准确性。
二、近红外光谱信号评价方法NIR光谱信号的评价通常包括两个方面：定量和定性分析。
1. 定量分析NIR光谱定量分析是识别和测量样品中化学成分的量。
它的优点是飞快的采集速度、不需要样品准备、不需要危险化学品、不破坏原样品，同时也具有高准确性、高精度和高可靠性。
应用定量分析可以通过测量样品中的主要成分，来判断物质的含量、品质和认证等问题。
2. 定性分析NIR光谱定性分析是确定样品中的化学和结构信息。
定性分析可以用于识别和鉴别样品，为化学品、食品、药品等制造商提供质量控制的手段。
大豆油脂肪酸近红外模型的建立和品质鉴定
DOI：10.15906/11-2975/s.20210515大豆油脂肪酸近红外模型的建立和品质鉴定向娜娜1袁2,赵江涛1,2*,陈丽12,王晓琼1袁2,陈林1袁2,夏超笃1（1.温氏食品集团股份有限公司，广东云浮527400；2.农业部动物营养与饲料学重点实验室,广东云浮527400）［摘要］本文介绍了一种利用BRUKER MATRIX-I仪器快速检测和监控大豆油新鲜度及脂肪酸组分的新的检测方法遥选择310份大豆油样品，新鲜度指标酸价（AV）、过氧化值（POV冤和脂肪酸组分分别采用国标的方法检测，并结合近红外光谱进行定量模型的建立和验证遥结果表明：新鲜度指标酸价、过氧化值及5种特征脂肪酸模型决定系数R2均接近1,其中酸价、过氧化值及亚油酸的模型决定系数R2>0.9,校正均方差（RMSECV）与预测均方差（RM-SECP）数值接近，且两者均较理想遥同时能够根据脂肪酸组分含量，对大豆油进行掺假鉴别，表明利用近红外光谱模型能够较好地监控大豆油的质量,从而保证原料的稳定性和安全性遥［关键词］近红外曰大豆油曰新鲜度指标曰脂肪酸组分曰掺假鉴别［中图分类号］S816.17［文献标识码］A［文章编号］1004-3314（2021）05-0072-06饲料中添加油脂不仅可以增加饲料的营养价值,而且有助于改善饲料的物理性质,提高饲料的利用效率,同时还可改善饲料的适口性,提高畜禽的生产性能（王鹏,2017）。
随着畜禽生产对能量需求越来越高,仅靠谷实类低能量的饲料难以满足,大豆油作为一种优质的高能饲料油其能值是糖类和蛋白质的2.25倍，同时还能提供动物必需的不饱和脂肪酸,具有缓解热应激,改善饲料适口性和饲料外观特性等作用，因此在畜禽饲料中被广泛应用（单芝丹等,2011）。
但大豆油在存放过程中,容易受光、温度、空气中氧的作用而发生氧化酸败,从而影响其质量。
因此饲料企业对饲料用油脂的新鲜度控制显得非常重要。
评价油脂新鲜度和品质的指标包括酸价、过氧化值、丙二醛及脂肪酸组成等（刘耀敏等, 2012）,大豆油中脂肪酸包括硬脂酸、棕榈酸、油酸、亚油酸和亚麻酸5种（谭克竹等,2007）,但由于实验过程操作步骤繁琐、耗时耗力、消耗有机溶剂多、受人为因素影响大，且无法对到货油脂进行及时的检测接收，因此快速有效的监控方法显得十分重要。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
正确 不正确
检测结果 是否正确
仪器及操作 是否正确
不正确 检修仪器
正确
样品是否 为界外点
不是 检查分析方法
校正模型训练集样品的选择
尽可能要覆盖待分析样品的范围 对于待测的物化性质，样品应均匀分布 样品的基底应相同（如PH值或水分） 若各组分间相互反应，要注意光谱采集合采集瞬间
的组成பைடு நூலகம்化 包括尽可能多的有代表性的样本 样本变化范围越大，模型的适用范围越宽，但分析
描述特定近红外波长光的吸收特性和样品组 成之间的关系。
Y = C0 + C1*A1 + C2*A2 + … + Cn*An
红外光谱定量分析流程
光谱定量分析流程
收集样品
测定全部样品的物化性质
测定全波长谱图
对光谱必要的处理
选择校正集
选择验证集
建立多元回归模型
对模型进行评价
日常分析
加入界外点 是 重新建模
• 实验室化学分析的准确度 • 代表性样品的收集 • 光谱的信噪比 • 光谱信息的代表性 • 环境与样品前处理 • 模型优化的条件 • 包括：谱区的选择、光谱预处理方法和
得分因子的维数等。
化学计量学方法在近红外光谱中应用
• 光谱预处理和波段的选择方法: 包括傅立叶变换（Fourier transform）、 卷积(Convolution)、去卷积 (Deconvolution)、微分(derivative)处理以 及相关系数法、遗传算法(GA)等方法， 对光谱进行平滑处理和基线校正，以及 光谱波长范围的优化。如近期的移动窗 偏最小二乘回归法。
• 光谱预处理和波长优选方法在近红外光 谱分析技术中是相当重要的.
近红外光谱定性和定量校正方法:
• 主成分分析(PCA)、 马氏距离（MD）、聚 类分析（CA）、多元线性回归(MLR) 、偏 最小二乘法( PLS) 、人工神经网络(ANN) 和 拓扑( Topological) 方法，以及最近提出的支 持向量机（Support vector machine）等。 目的在于利用这些化学计量学方法建立稳定 、可靠的定性或定量分析模型，以对近红外 光谱进行快速、实时的定性定量分析
• 偏最小二乘法（Partial Least Square, 缩写为 PLS）
• 拓扑学方法和人工神经网络方法（Artificial Neural Net，缩写为ANN）等等。
化学计量学方法用于近红外光谱中，使 近红外的独特优势得到了充分发挥。
• 化学计量学已经成为近红外光谱分析中的不可或缺的重要组成部分。 主成分分析和偏最小二乘是经典的化学计量学方法，也是在近红外光 谱分析中最常用的方法。
建模常用化学计量学方法
• 多元线性回归（Multivarate Linear Regression, 缩写为MLR）
• 主成分分析（Principle Component Analysis, 缩写为PCA）
• 主成分回归（Principle Component Regression，缩写为PCR）
• PCA是在近红外定性和定量分析中都常用的方法，其主要目的是数据 降维，以消除近红外光谱信息中相互重叠的部分，是将光谱数据向协 方差最大方向投影，得到最大限度反映被测样品的组成和结构信息的 新变量，但由于投影过程与因变量不相关，一般预测精度不很高。
• 用PLS建立模型，可以利用全部光谱的信息对样品进行分析，将光谱 矩阵的分解和回归交互进行，由于光谱的非线性会导致过拟合，因此 在近红外光谱的应用有时会受到限制。
• 近红外是间接检测 • 必需校准 • 必需有参考分析方法
近红外技术应用前提条件
一般来讲，能否应用近红外技术定 量精确检测某种成分的含量主要由以下 三方面的因素决定：
1. 被检测的样品是否有很好的近红外光谱 反应特性，即通常所说的“红外活性” 。
2. 仪器自身的特性及相关的技术指标：检 测过程中光谱的重复性精度、信噪比以 及波长范围等因素。
• 将支持向量机用于近红外光谱可有效地改善过拟合现象，而且它允许 高维数据作为输入矢量，可以很好地解决温度等变量引起的光谱非线 性变化问题。
• 因此，对于每一种化学计量学方法而言，都有各自的长处和短处，在 用于近红外光谱时可能受到某些限制。目前已有研究者将这些方法相 互结合，取长补短，再将其应用于近红外光谱分析技术中。
SVM分类器
f
(x)
sgn
n
ai*
yi
K
(
xi
,
x)
b*
i1
NIR建模中的化学计量学方法研究
❖ 建模方法 • PLS、SVR、consensus modeling
❖ 光谱预处理 • 背景扣除、数据压缩 —— 小波变换(WT) • 变量筛选 / 波长筛选 —— WT-UVE、WTIPOW
3. 用于建模定标的样品的化学值的准确程 度。
检测
• 精度 = 重复性 •准确度 = 达到真值的能力
精度高 准确性高
精度高 准确性差
精度差 准确性差
不同实验室比较
0.7
0.65
0.6
0.55
0.5
0.45
0.4
1
2
3
4
5
6
7
8
9
10
11
12
资料来源: CCFRA 合作研究项目, 1997
什么是校准
结果的精度可能变差；模型适用范围小时，分析结 果的精度相对较高，但适用面变窄。
对样品物化性质的测定
对于人工合成样品，比较简单 对于复杂的天然产品，必须选用被大家接受
权威的分析方法。 模型预测结果的准确性在很大程度上取决于
标准测量结果的准确性。 用多次分析结果的平均值来降低误差
影响近红外分析结果准确性因素
联系方式
• 倪勇: M: 13901183005
•
E-mail: niyong@
•
MSN: ni_yong_2006@
•
QQ:609293453
校准 = 教会仪器
• 近红外光谱定量分析技术又称“黑匣子” 分析技术，是一种间接的测量方法，即通 过对样品光谱和其质量参数进行关联，建 立预测模型，然后通过预测模型和未知质 量参数的样品光谱来预测样品的组成和性 质。
建模方法研究
❖ 基于SVM的近红外定性建模方法
提出了将近红外光谱技术（NIR）和基于统计学习 理论的支持向量机（SVM）相结合，来建立识别合格/ 劣质奶粉的近红外定性模型。实验结果表明应用SVMNIR建立判别奶粉安全定性分析模型的方法是可行的， 这将为奶粉安全判别分析提供了一种更为便捷，无损 的绿色分析技术。