论文部分内容阅读
针对复杂样品光谱信号存在的杂散光、噪声、基线漂移等因素对定量分析结果的影响,提出了一种基于近红外光谱的预处理及组合方法。首先,对选取的2组数据分别进行无预处理和单一预处理。然后,将9种预处理方法按照效果分为四类,包括尺度缩放、基线校正、散射校正和平滑处理。最后,选出每类预处理方法中的最优预处理方法进行组合研究,并根据建模后的交互验证均方根误差选出最优的预处理方法。实验结果表明,针对不同数据集采用合适的预处理组合方法能提高建模效果,但不同数据集信息与复杂性间的差异会导致不同的最优预处理方法,且最优预处理方法与预测组分和原始光谱有关。因此,将预处理方法按照效果进行分类并组合可得到最佳预处理效果。