如何建立和评价模型浅析.pptVIP

布鲁克光谱仪器公司 赵丽丽 电话：(010 传真：(010 E-mail:zhao.lili@ 网址：;近红外分析技术的难点和技术策略 ;Reliable wet chemistry as reference (component values) Right sample presentation and correct NIR measurement (Spectra) Comparable amount of sample analyzed by wet chemistry and NIR All different and powerful chemometric tools and algorithms, like PLS, cannot calculate good results from a bad data set;;;怎样建立好的近红外定量分析模型？;确定近红外定量分析的目标准确度;确定近红外定量分析的目标准确度;怎样建立好的近红外定量分析模型？;;;近红外仪器的选择;实 验 条 件 的 选 择;不同光程比色皿测定的光谱;实 验 条 件 的 选 择;;Messfenster der Integrationskugel;不均匀样品测试结果差异;实 验 条 件 的 选 择;高分辨率、高质量光谱;;怎样建立好的近红外定量分析模型？;样品集的选择;大豆样品的挑选（３７３选２６１）;不同含量样品数的选择;样　　品　　分　　布;;建 立 模 型? ? ? ? ? ?检验模型;;各组分之间出现相关性;组分之间存在高度相关;怎样建立好的近红外定量分析模型？;模型优化;模型优化条件的选择：谱区宽度、Rank大小、预处理方法;最佳谱区的选择;矢量归一化预处理的PLS模型;怎样建立好的近红外定量分析模型？;信息的提取;Simple example;Simple Example: 利用所有的因子重构光谱;Simple example, 用两个因子重构光谱: 可获得超过99％的原始光谱信息量;偏最小二乘法的基本思想;在主成分回归中，只对光谱矩阵作了分解，消除了光谱矩阵中的无 用信息；同样，浓度矩阵中也包含了无用信息，也应作相应处理。 偏最小二乘法：分别求出样品集光谱矩阵和样品组分矩阵的主成分 矩阵，将这两个矩阵相关联，求其线形关系，用所建立的线形函数 来预测未知样品。 (其中的最佳主成分矩阵的维数采用内部交叉检验来得出) ;优点： 充分提取样品光谱的有效信息 消除了线性相关的???题 考虑了光谱矩阵与样品成分矩阵之间的内在联系，模型更稳健 适合于复杂分析体系。 缺点： 计算速度较慢，计算过程较繁琐，需要多次迭代 模型建立过程复杂，较抽象，较难理解;内部交叉检验;外部检验（Prediction）;模型内部交叉检验;如何判定近红外定量分析是否可行?;校正;RMSECV vs Rank图表;模型内部交叉检验;模型内部交叉检验;Quant2 OPUS 7: New Mahalanobis Distance threshold;Quant2 OPUS 7: New Mahalanobis Distance threshold;Quant2 OPUS 7: New Mahalanobis Distance threshold;Quant2 OPUS 7: New Mahalanobis Distance threshold;Detection of gaps in calibration range by density values;OPUS Quant2 (PLS) Report;Error and Uncertainty In Analysis;Typical Values for Uncertainty in Methods (unit: %)* ;