烟叶通用近红外定量模型稳健性的研究.pdf

光谱及预测结果的不稳定，实际应用时，建议仪器开机至少1h后才能进行光谱的 采集。 （2）针对如何建立一个稳健、可靠、准确的数学模型，从理论和实际应用 方面对模型建立过程中如何充分提取光谱中有效信息，降低背景信息的干扰等一 系列问题进行了研究，并从校正集样本的选取、波长选择、模型补偿等方面对模 型稳健性的影响进行了探讨。 校正样本集选取方面：对比了人工选取、主成分空间、GH-NH、K-S等几种校 正集样本的选择方法，研究发现GH-NH距离法无论是从样品浓度覆盖范围还是建 模效果方面，其样本选择都是最优的，实际应用中可以将GH-NH法与人工挑选相 结合，将是挑选代表性样本的最佳方法。 波长选择方面：提出一种新的基于随机森林重要性评分（RFFIM）和主成分 分析（PCA）的波长选择方法RFFIM-PCA，该方法可以有效剔除光谱中噪声和冗余 信息的干扰，选出和待测组分密切相关且对外界变化不敏感的波长区域，模型具 有高的稳健性和准确性。 模型补偿方面：研究了高水分含量烟叶样品的模型补偿和修正，发现加入3 个不同水分含量的样本即可实现较好的补偿效果。 （3）针对提高模型的通用性和适应性问题，对一些模型转移算法进行了研 究，提出了烟叶样品模型转移必要性判断标准及转移评价标准。对两台不同仪器 之间模型转移问题，提出一种结合RFFIM波长选择和Shenk’s算法的模型转移算法 RFFIM-Shenk’s，并和S/B、DS、PDS、Shenk’s等算法进行了对比，取得了较好的 转移效果。对烟片、烟末不同样品状态的之间的模型转移效果不是太理想，提出 一种混合建模策略，研究发现在已有的烟末模型样品集基础上加入10%左右的新 样品，即可达到较满意的效果。 （4）针对目前烟草行业近红外应用主要以单台仪器为主，网络化中心建模 无法成功推广的现状，提出了烟叶品质快速分析网络平台的构建方式，并对其基 本网络体系的架构、烟叶品质数据库、光谱库的构建、云计算服务平台搭建等进 行了设计与分析。 关键字：近红外光谱；烟叶；光谱采集稳定性；稳健数学模型；模型转移；网络 中心建模 II 万方数据 Research on Robustness of Near Infrared Tobacco Quantitative Model Abstract As a rapid, accurate and inexpensive analysis means, near infrared (NIR) spectroscopy is widely applied in tobacco industry. But tobacco is a nature complex product, its diffuse reflectance spectrum contains not only the physical and chemical information of the sample, but also carries complex background information such as instrument type, environmental parameters et al. The variety of the spectrum makes NIR quantitative model strong influenced by external variations, poor adaptability and central network modeling can not be successfully implement