光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2009年
5期
1264-1267
,共4页
皇才进%刘贤%杨增玲%韩鲁佳
皇纔進%劉賢%楊增玲%韓魯佳
황재진%류현%양증령%한로가
近红外光谱%外部验%f热值%统计比较
近紅外光譜%外部驗%f熱值%統計比較
근홍외광보%외부험%f열치%통계비교
从全国24个省(市)收集到222个秸秆样品,包括172个稻秸样品和50个麦秸样品.采用近红外光谱技术,结合主成分回归、偏最小二乘回归和改进的偏最小二乘回归建立了秸秆热值的定量分析校正模型.近红外光谱模型的建立与优化过程中使用了不同的散射校正方法和光谱导数处理来帮助改善模型精度.对得到的54个模型采用统计学的方法分析外部验证的结果,通过比较外部验证的系统偏差(Bias)和Bias校正的预测标准差(SEP(C)),考察了不同光谱预处理和回归方法对秸秆热值的近红外模型预测性能的影响.结果表明:近红外光谱技术能够快速、准确地分析秸秆的热值,模型的SEP(C)在134～178 J·g-1之间;对外部验证结果的统计分析,能够有效地选择较好的建模方法,确定较优模型.
從全國24箇省(市)收集到222箇秸稈樣品,包括172箇稻秸樣品和50箇麥秸樣品.採用近紅外光譜技術,結閤主成分迴歸、偏最小二乘迴歸和改進的偏最小二乘迴歸建立瞭秸稈熱值的定量分析校正模型.近紅外光譜模型的建立與優化過程中使用瞭不同的散射校正方法和光譜導數處理來幫助改善模型精度.對得到的54箇模型採用統計學的方法分析外部驗證的結果,通過比較外部驗證的繫統偏差(Bias)和Bias校正的預測標準差(SEP(C)),攷察瞭不同光譜預處理和迴歸方法對秸稈熱值的近紅外模型預測性能的影響.結果錶明:近紅外光譜技術能夠快速、準確地分析秸稈的熱值,模型的SEP(C)在134～178 J·g-1之間;對外部驗證結果的統計分析,能夠有效地選擇較好的建模方法,確定較優模型.
종전국24개성(시)수집도222개갈간양품,포괄172개도갈양품화50개맥갈양품.채용근홍외광보기술,결합주성분회귀、편최소이승회귀화개진적편최소이승회귀건립료갈간열치적정량분석교정모형.근홍외광보모형적건립여우화과정중사용료불동적산사교정방법화광보도수처리래방조개선모형정도.대득도적54개모형채용통계학적방법분석외부험증적결과,통과비교외부험증적계통편차(Bias)화Bias교정적예측표준차(SEP(C)),고찰료불동광보예처리화회귀방법대갈간열치적근홍외모형예측성능적영향.결과표명:근홍외광보기술능구쾌속、준학지분석갈간적열치,모형적SEP(C)재134～178 J·g-1지간;대외부험증결과적통계분석,능구유효지선택교호적건모방법,학정교우모형.
