《表1 基于MCR-LALS定量分析与PLS模型预测结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合多元曲线分辨与洛伦兹谱形约束的拉曼光谱分解算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

R2:coefficient of determination；RMSEP:root-mean-square-error of prediction；MCR-LALS:multivariate curves resolution-Lorentz alternating least squares；PLS-local:partial least squares based on ；PLS-global:partial least squares based on。

为了验证该分辨算法及预测模型的准确性，对比PLS进行定量分析，其中PLS作用范围分别选取全谱段特征谱段，选取主因子个数为3个。光谱经过最大值归一化及基线去除预处理。实验过程重复30次，每次从25个样本中分别随机抽取5个以及10个样本作为训练集，其它样本用于检验分析结果。算法的预测能力通过预测误差均方根（Root-mean-square-error of prediction，RMSEP）以及预测相关系数（Coefficient of determination，R2）进行评价。在其中一次实验中，当训练样本数为10个时，3种方法的预测值与真实值的对比结果如图10所示，样本中PX摩尔浓度分布跨度较大；表1为多次实验所得到的综合评价结果，分别为3种方法分析结果的最大R2、最小R2、平均R2以及对应的最小RMSEP、最大RMSEP、平均RMSEP。由图10及表1可知，在小样本情况下，基于MCR-LALS的定量分析可以得到比较理想的结果，且相比于PLS模型，MCR-LALS随着样本数的变化，预测结果更加稳定。因此，在小样本的情况下，MCR-LALS依然能对混合物拉曼光谱进行有效的分解。