近红外光谱分析中的变量筛选方法研究

【摘要】：近红外(NIR)光谱作为一种快速、简便、无损的良好分析手段,在食品、农产品、中草药等复杂样品分析及工农业生产中得到了广泛应用[1]。由于近红外光谱信号较弱、吸收峰严重重叠、光谱波长点大量冗余等,需要结合化学计量学方法来进行定量分析。在多元建模分析中,选择代表样本信息的变量,可以解决建模分析中波长点冗余带来的问题。因此,变量筛选一直是近红外光谱建模需要解决的重要问题。本文针对复杂植物样品的近红外光谱分析,探讨了几种变量筛选方法,即区间偏最小二乘法(iPLS)、遗传算法(GA)以及非信息变量删除方法(UVE)[2]、蒙特卡洛(MC)与UVE方法相结合的变量筛选方法(MC-UVE)[3]和基于统计学方法Randomization Test与偏最小二乘法(PLS)结合的变量筛选方法(RT-PLS)[4]。结果表明,变量筛选极大降低了模型的复杂程度,改善了模型的预测精度。