中红外和近红外光谱数据应用于通过移动窗口偏最小二乘回归在多组分光谱作波长间隔选择-MWPLSR解说.docVIP

中红外和近红外光谱数据应用移动窗口偏最小二乘回归在多组分光谱分析波长间隔选择 一种新的波长间隔的选择过程中，移动窗口偏最小二乘回归（MWPLSR）提出了一种多组分光谱分析。这个程序在整个光谱区域建立了一系列的PLS模型，然后达到期望误差水平的最低复杂程度的一个窗口 PLS模型找到有用的间隔。根据提出的理论证明波长选择的必要性，它表明MWPLSR提供了一种消除由??非组合物相关的因素所产生的额外的可变性可行的方法，例如实验条件和样品的物理性能的扰动。MWPLSR的一个显着优点是，模型是对来自非组合物相关的因素的干扰非常稳定。此外，光谱间隔少模型复杂性方面的选择模型样品。MWPLSR过程与用于多组分光谱分析一种是把所有选择间隔建立一个PLS模型，另一种是在每个区间分别建立了PLS模型的组合。多PLS模型相结合，提供了一种个别性能新的潜在的工具。的是使用两个开放路径傅里叶变换红外数据集和一个近红外数据集，每个有不同的噪声特性进行评估。结果表明，所提出的振动光谱为基础的多组分分析非常有前途的，并给出比全谱PLS建模要好得多预测。 多组分光谱的分析已经在分析化学中进入广泛使用。多组分谱分析的主要目标是建立与多元光谱仪的输出到组合物或分析样品的性质的模型。在大多数情况下，线性模型建立由于数学简单性和物理或化学解释性。而在现代光谱仪器的进步带来了增强的分辨率和灵敏度以及光谱测量，数据收集的膨胀量和增加的样品实际上涉及的复杂性，需要的有用的方法，以打击固有的超定系统的持续在多组分光谱的分析和建立强大和稳定的线性校正模型。多组分光谱的分析已经提出了各种线性回归方法，其中最流行的是所谓的潜变量（LV）的方法，包括主成分回归法（PCR），偏最小二乘（PLS）回归，以及它们的类似物。这个证明的含义是这些LV方法可以消除波长选择的必要性，并有一个内置的容量来处理的全光谱的超定问题。然而，有越来越多的证据表明，无论是在理论上还是实验上，波长选择仍然可以显著细化这些全光谱技术的性能。它已认识到其上基于理想的假设理论证明可能是不现实的，并消除无信息光谱通道在多组分光谱分析即使在LV的方法应用于情况下实践仍然具有潜在重要性。 波长的选择是由建立模型给出最小预测误差光谱通道的子集的决定。从波长选择中获得的好处是模型不仅共线性多变量光谱稳定，而且模型和样品的组合物之间的关系的解释性。在多组分光谱的分析波长选择已经提出了一些。这些在客观标准可以彼此区分开来，用于测量波长子集的最优或搜索算法来寻找最优子集。典型的客观标准包括光谱信号噪声比，条件数或校验矩阵的行列式，信息量准则（AIC）和统计数据以及（MSEP），而常规的搜索算法包括逐步选择，单纯形优化，分支定界组合搜索，模拟退火和遗传算法（GAS）。然而，大多数的常规方法，通常加上逆最小二乘步骤，被设计来选择几个波长，使得多组分频谱分析的超定系统可被转换到一个精确确定的。因为只有少数的光谱通道被用于模型和在整个光谱信息不被，这些方法可能会分析精度和分析。为了的常规波长选择方法的缺陷，有不同的方法，可以在与LV建模技术相结合来实现波长选择。一些方法光谱信道排序基于相关回归系数的不确定性。具有不确定性的波长无意义的建模过程中可以逐步，而具有小的不确定性的波长可以逐步包括在模型中。与此相反，研究重点是波长间隔，而不是个别的光谱点的选择。光谱区间搜索的理念是大多数种类的光谱响应的连续性。例如，振动和转动光谱给福格特的配置文件，一般都具有至少半高全宽，通常8-20 cm-1。这意味着固有的光谱间隔的存在。此外，利用谱间隔而不是个别的光谱点，不仅能够与全谱建模技术的波长选择过程一个简单的耦合，从而提供改进分析精度的可能性，同时也使人们有可能实施有效的算法，以便确定有益间隔。在本研究中，我们证明了间接（或反）校准的预测误差可以通过包括非理想的光谱区域进行膨胀，非理想光谱区域的共同特点是这些区域用于校准模型时增加LV模式的复杂性。因而一种新的波长间隔的选择方法，移动窗口偏最小二乘 回归（MWPLSR）。这种方法在移动过的光谱窗口方向建立了一系列的PLS模型，然后在模型复杂性和残差的总和有用的谱间隔。当多个频谱间隔被选中，MWPLSR过程与用于PLS的多组分光谱分析两：建立一个PLS模型PLS模型的组合。光谱区间的选择诺里斯衍生间隙大小的经验优化光谱衍生物和分析物浓度之间的相关系数许和谢希特提出了一种基于净分析信号的范数的相对误差，然后优化窗口的位置和大小的波长的选择标准该窗口以这样一种方式给出最小相对误差。他们的方法是区别MWPLSR的，它的目的是在一阶预测误差的近似变得不切实际情况下纠正全光谱方法Norgaard和他的同事提出了一种基于MWPLSR比较相似间隔偏最小二乘回归（iPLS）光谱间隔选择。MWPLSR过程不一样，IPLS