基于近红外光谱技术的多酚类物质异常样本识别方法研究

【目的】在近红外定量模型建立过程中,通过剔除异常样本,可以提高模型整体的稳定性和精度。【方法】课题组采用PCA马氏距离法、半数重采样法、蒙特卡洛偏最小二乘交叉检验法对异常样本进行剔除后,利用PLS建立烟叶中多酚类物质咖啡奎尼酸模型,通过模型的平均绝对误差、平均相对误差、相关系数(R)和均方差(RMSEC)进行对比分析。【结果】采用三种方法剔除异常样本后所建模型结果:马氏距离法平均绝对误差为0.15,平均相对误差为2.32%,RMSEC为0.15,R为0.94;半数重采样法平均绝对误差为0.17,平均相对误差为2.43%,RMSEC为0.17,R为0.92;蒙特卡洛偏最小二乘交叉检验法平均绝对误差为0.14,平均相对误差为2.01%,RMSEC为0.14,R为0.95。【结论】采用蒙特卡洛偏最小二乘交叉检验法剔除异常样本较其他方法效果更佳。