用于维护复杂体系光谱校正模型预测能力的方法

摘要

本发明提供了一种用于在光谱仪器或者实验条件发生变化的情况下维护光谱校正模型预测能力的方法，其步骤为：1)首先测得数个标准样本的光谱数据；2)运用原光谱校正模型从标准样本的光谱数据中预测其待测组分的浓度(或其他化学和物理性质)，并计算预测系统偏差；3)在标准样本的光谱数据与校正模型预测结果的系统偏差之间建立一预测结果纠正模型；4)将预测结果纠正模型和原校正模型结合使用，从而解决光谱校正模型在实际应用中其预测结果的准确度随光谱仪器或实验条件的变化而变化的普遍问题。本发明使用简单、适用范围广泛，实现了光谱校正模型在同类仪器之间的共享，以及即使在实验条件发生变化的情况下长期使用的有效性。

主权项

一种用于维护光谱校正模型预测能力的方法，具体步骤为：(1)在原光谱仪和原实验条件下，测得一校正样本集光谱数据Xcal，在校正样本集光谱数据Xcal与校正样本待测组分的浓度之间建立光谱校正模型：c＝f(x)；其中x为样本的光谱数据，c为样本中待测组分的浓度(2)选择几个有代表性的标准样本，在新光谱仪或新实验条件下测得标准样本的光谱数据Xstand，利用建立在校正样本光谱数据上的光谱校正模型从标准样本的光谱数据中预测出标准样本中待测组分的浓度，并计算出预测结果的系统偏差；(3)在标准样本的光谱数据与校正模型预测结果的系统偏差之间建立预测结果纠正模型；(4)在新光谱仪或新实验条件下测得的未知待测样本的光谱数据xtest，然后综合运用预测结果纠正模型与原光谱校正模型，从未知待测样本的光谱数据xtest中对待测样本中待测组分的浓度ctest作出准确预测。