元胞自动机及其在图像处理中的应用.doc

面粉灰分近红外光谱检测的异常样本分析 吴胜男，刘翠玲，吴静珠，孙晓荣，董秀丽 （北京工商大学 计算机与信息工程学院，北京 100048） 摘要：利用近红外光谱仪检测面粉灰分时，用马氏距离法和蒙特卡洛交叉验证法（MCCV）分别对异常样本进行剔除，并用偏最小二乘法（PLS）进行建模，最终，用马氏距离法剔除异常样本，当权重系数为1.5，剔除样本数为3时，得到最好结果，相关系数(R2)为92.67，交互验证均方差(RMSECV)为0.0485；MCCV法剔除异常样本，剔除样本数为3，得到最好结果， R2为94.64， RMSECV为0.0411。可见，马氏距离法和MCCV剔除异常样本后模型的准确度都有提高，而MCCV法剔除异常样品后所建的面粉灰分模型更加稳定，准确度更加提高。 关键词：近红外光谱； 异常样本； 面粉灰分； 马氏距离法； MCCV Outlier sample analysis on near infrared spectroscopy determination for flour ash WU Shengnan, LIU Cuiling, WU Jingzhu, SUN Xiaorong, DONG Xiuli （Beijing Technology and Business University, Beijing 100048,China） Abstract:The flour ash was determined by near infrared(NIR)apparatus．Mahalanobis distance method and Monte Carlo cross validation (MCCV) method for abnormal samples removed，and using partial least squares (PLS) modeling, Eventually, Mahalanobis distance method for abnormal samples removed, when the weight factor of 1.5, excluding the number of samples is 3 to get the best results, the correlation coefficient (R2) is 92.67, cross validation mean square error (RMSECV) is 0.0485，MCCV method for abnormal samples removed, excluding the number of samples 3 to get the best results, R2 is 94.64, RMSECV is 0.0411. Mahalanobis distance method and MCCV method for abnormal samples removed have improved the accuracy of the model ，and MCCV method for flour ash model is more stable and more to improve the accuracy. Key words: Near infrared spectroscopy; Unusual samples; Mahalanobis distance; MCCV; Flour ash 0 引 言 随着化学计量学的发展，近红外光谱技术被广泛应用于药品、石油、食品等的品质检测中[1-3]。传统的面粉灰分的检测有方法550℃灼烧法和850℃乙酸镁法等这些方法存在操作繁琐、耗时长、费时费力和检测效率低等问题[4]，而近红外光谱分析技术可以实现快速、无损地对面粉中的灰分的含量进行检测，这会成为面粉品质分析的主要趋势。 近红外光谱分析技术是一种间接分析技术，分析结果的可靠性主要取决于预测模型的准确性和稳定性[5-7]。面粉样品的原始数据，即样品的近红外光谱图和化学值的相关性直接影响模型的预测能力，而异常样品的干扰是影响分析模型的重要因素，因此异常样品的判别与处理是提高模型预测能力的一个重要步骤。产生异常样品的原因：(1)测量仪器、测量方法及环境等客观因素影响；(2)技术人员主观因素的作用；(3)样品的复杂性、多样性。建立定量分析模型时，样品中常常混有异常样本，需要在训练模型之前，把异常样本进行剔除[8]。本文主要探讨马氏距离法以及蒙特卡罗交叉验证法，对异常近红外光谱的判别方法和准则，通过试 验来验证两种方法的有效性，并对两种方法进行比较，从而提高近红