基于蒙特卡罗无信息变量消除的烟气指标预测

摘要：

使用近红外光谱(NIRS)分析方法对烟叶的CO、烟碱、焦油含量进行无损快速定量分析,可以提高分析方法的预测精度,消除无信息建模变量对模型稳定性的影响.在此以烟叶为研究对象,利用蒙特卡罗无信息变量消除方法(MC-UVE)对烟叶的近红外光谱进行了波段点的筛选,并利用筛选出的波段建立PLS校正模型.结果表明利用蒙特卡罗无信息变量消除方法可以有效选择建模变量,既克服了复杂样品各信息区间对PLS建模贡献率不一样的问题,又能提高模型的稳定性和多元校正的预测精度.

关键词：近红外光谱、蒙特卡罗无信息变量消除、变量筛选、偏最小二乘法

所属期刊栏目：35

分类号：TN911-34

在线出版日期：2013-01-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：82-84