最小二乘法在学实验数据分析中的应用.docVIP

最小二乘法在化学实验数据分析中的应用 摘要:介绍了一种线性模型参数回归分析方法—最小二乘法，并以化学实验测试数据为例，讨论了最小二乘法在化学实验数据分析中的应用。并对正交最小二乘法和经典最小二乘法的结果进行了简略比较。 化学实验中，经常需要根据实验测得一系列数据，例如，n对数据(x1, y1) (i=1, 2, … , n)，去寻找自变量x和因变量y之间的关系，此关系应该最能反映出给定数据的一般趋势。这就是用某种曲线拟合的方法来回答这个问题一这些变量之间的最佳关系是什么。如果从图形上看，这个问题就是按给定理平面上n个点(x1，y1)进行曲线拟合问题。要找出不同变量之间的关系。在传统的处理方法中，通过手绘、目测的方法来达到目的。但是，在有些情况下，因为误差的引进，使得到的结果并不是最佳的近似，甚至得出令人费解的结论。而最小二乘法是一种有效的方法，用它反映给定的函数的一般趋势，可以不受实验随机误差的影响而出现随机波动。随着计算机科学的发展，最小二乘法越来越被人们所采用。 经典的最小二乘法(classical least square, CLS)在化学领域的数据处理中获得广泛应用。值得指出的是，此方法的应用有一重要前提，即假设自变量的值是完全准确的，或其测量误差与因变量的测量误差相比可以忽略不计。例如，以分析化学中的标准曲线为例，自变量元素浓度与因变量物理测量值相比，其测量误差可以忽略