小波变换结合多维偏最小二乘方法用于近红外光谱定量分析

将小波变换和多维偏最小二乘法相结合用于近红外光谱定量校正模型的建立。首先将原始光谱进行小波变换分解，得到系列小波细节系数，通过选取一组受外界因素少、信息强的小波系数组成三维光谱阵，然后再采用多维偏最小二乘法建立校正模型。实验结果表明，该方法所建近红外校正模捌的预测能力更强，并更具稳健性。     

基础数据准确性对近红外光谱分析结果的影响

基础数据的准确性是影响近红外光谱分析结果的一个重要因素。文章以人工配制的四组分混合物体系和实际的汽油校正集样本为例,通过人为增加基础数据误差的方法,研究了基础数据的准确性对近红外光谱分析结果的影响。结果表明,基础数据的准确性对近红外分析模型及其预测结果都有一定的影响,基础数据越准确,所建立模型的精度越高,其对未知样本的预测结果也越准确。对于精度相对较差测试方法提供的基础数据,通过大量样本的光谱分析和化学计量学统计处理,近红外方法有可能得到更精确的预测结果。     

近红外分析中光谱预处理及波长选择方法进展与应用

光谱预处理和波长选取方法在近红外光谱分析技术中相当重要。本文综述了常用的NIR预处理和波长选取方法及这一领域的最新进展,详细介绍正交信号校正(OSC)、净分析信号(NAS)和小波变换(WT)等新光谱预处理方法以及无信息变量消除(UVE)和遗传算法(GA)等波长选取方法,并给出了这些方法的具体算法和一些应用实例。