近红外光谱变量选择和建模方法分析-分析化学专业论文.docxVIP

摘要摘 摘要 摘 要 近红外光谱州取)作为一种新兴的分析技术，具有分析速度快、操作简单、 无需样品前处理等特点，在许多领域均得到了广泛的应用。然而，近红外光谱 吸收峰强度较弱，多组分信号重叠，并且背景干扰严重，因此，往往需要借助 化学计量学方法来建立光谱与待测组分属性值的关系模型，以实现定性定量分 析。在近红外光谱分析中，如何从复杂的光谱中提取待测组分的定量信息，消 除背景和噪声等无关信息的干扰，一直是研究的重要内容。本论文利用随机模 型的参数统计和连续小波变换(CWT)等方法，从近红外光谱的变量选择和光谱中 定量信息的有效提取与利用两方面开展研究，为改善定量分析模型的性能提供 了新的思路。具体研究内容如下： l、根据光谱变量对模型的影响，定义了“强影响变量(聊，并提出了一种 识别IVs的方法。在该方法中，利用蒙特卡洛(MC)随机取样技术，从校正集中 选取一系列的变量子集来建立大量的随机模型，然后采用主成分分析(ecA)考察 随机模型的分类情况。如果校正集中含有Ws，那么在主成分空间就能观察到分 类现象，从而可以通过统计每一类别中每个变量出现的频率来识别该IVs。最后， 采用所找到的IVs来建立偏最小二乘(PLS)校正模型。利用5组数据对该方法的 效果和普适性进行了考察，研究表明，该方法能够选出合理的IVs，建立简约的、 准确的定量模型，为近红外光谱定量分析提供了一种有力的手段。