用于近红外光谱校准与预测的聚合函数数据模型

基于比尔 - 朗伯公式的函数解释，对近红外 (NIR) 光谱数据进行了校准和预测。考虑到对于每个化学样品，所得光谱是一条连续曲线，由每种分析物的重叠吸收光谱之和加上高斯误差得到，我们假设每个独立光谱可以展开为 B 样条基的线性组合。随后使用两种过程估计独立分析物曲线来进行校准：基平滑和平滑样条。预测通过最小化预测平方误差完成。为了评估预测值的方差，我们使用了留一法折刀技术。通过模拟研究讨论了与标准误差模型的偏差，特别是相关误差如何影响校准步骤，进而影响分析物浓度的预测。最后，通过对两个公开数据集的分析展示了我们方法的性能。