《表2 各分析模型对预测集样品的预测结果》

  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

《激光诱导击穿光谱结合CARS变量筛选检测油漆涂层中的Pb》

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

表2给出了所建定量分析模型以及全光谱PLS模型的预测结果。可以明显看出，CARS-PLS模型对红色油漆涂层预测样品中的Pb含量预测最准确。考虑到预测集样品数量少，存在模型不稳定的因素，因此对三种定量模型进行留一交叉验证，该方法通过方均根误差（RMSE）评价模型的准确度，RMSE越小，模型精度越高，稳定性越好。通过计算可知，单标量定标、MLR、CARS-PLS的RMSE分别为0.0061、0.0055、0.0039，进一步说明CARS-PLS模型的预测精度最高。MLR模型预测精度次于CARS-PLS模型，这是因为MLR模型中未考虑油漆涂层中基体元素的影响；而全光谱PLS模型相较于MLR模型和CARS-PLS预测精度较差，这是因为PLS模型中引入了与油漆涂层中Pb元素含量无关的信息，即噪声。综上可知，CARS算法在光谱分析中能够准确提取光谱中Pb元素有关的信息，剔除噪声，从而提高模型的预测精度。