近红外光谱逆回归降维定量分析模型

【摘要】：在近红外光谱定量分析中,由近红外光谱数据的高维特点引起的复共线性,是利用化学计量方法建模经常遇到的问题,可利用一种新的逆回归方法处理这一问题。该方法首先利用自变量X和因变量Y的相关性质降维,找到真正与回归函数有关的X的线性组合,再利用新找到的低维变量估计回归函数。文中以103个玉米样品为实验材料,随机选择其中70个玉米样品中蛋白质含量的近红外光谱建立定量分析模型,随后利用该模型预测剩余33个样品的蛋白质含量,预测值和化学测量值的相关系数(R)为0.986,平均相对误差为2.1%,而偏最小二乘回归建模得到的对应结果分别为0.978和2.5%,结果表明新方法比偏最小二乘有更好的表现。为进一步考察该方法建模的稳定性,对样品进行了6次随机分组,并分别用逆回归方法和偏最小二乘法建模、预测并计算预测值与化学测量值的相关系数和相对误差,结果显示六次预测的结果表现出较好的稳定性,并且都优于或至少与偏最小二乘方法相近。逆回归方法利用自变量X和因变量Y的相关性质寻找与回归函数真正有关的自变量组合,为建立近红外光谱定量分析校正模型提供了一种新的思路。