紅外光譜定量分析中的一種變量聚類偏最小二乘算法

畢一鳴等

摘 要 偏最小二乘算法（Partial least squares， PLS）可以很好地解決分析數(shù)據(jù)中的變量共線性問題，在光譜分析，尤其是近/中紅外及拉曼光譜的定量分析中應用廣泛。針對PLS存在的有效信息提取和噪聲抑制問題，提出一種變量聚類重加權的PLS算法。通過對光譜的各波數(shù)變量進行聚類并分別建模，然后集成為全譜模型。通過對計算并賦予各子類不同的權重，根據(jù)對模型的貢獻對變量進行重加權，從而提高算法的預測精度。汽油中的辛烷值預測和煙草中的煙堿含量預測兩組近紅外數(shù)據(jù)驗證表明，所提出算法優(yōu)于經典的PLS算法，其RMSEP在兩組數(shù)據(jù)中分別降低32%和22%，在光譜數(shù)據(jù)的定量分析中具有潛在的應用優(yōu)勢。endprint