论文部分内容阅读
近红外(NIR)光谱分析中的异常样品严重影响所建立模型的分析精度和稳定性，将随机抽样一致性（RANSAC）算法引入到近红外光谱分析中，以建立稳健的近红外定量分析模型。在RANSAC算法的基础上，结合近红外光谱分析的特点，提出了适合于建立近红外光谱稳健模型的改进RANSAC算法。以83份土壤样品的近红外光谱为研究对象，探讨所提出的改进RANSAC算法在建立土壤有机质模型中的效果。结果表明，与直接建立的偏最小二乘法(PLS)模型相比，通过改进RANSAC算法所建立的有机质模型的相关系数R由0.891提高至0.963，交叉验证均方根误差(RMSECV)从0.4979%降至0.3083%。由此可见，改进RANSAC算法对近红外光谱的异常样品具有较好的剔除作用，可以有效地提高模型的分析精度和稳健性。