第34卷，第5期 2014年5月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 34,No. 5 -pp1429-1433
May,2014
基于稳定竞争自适应重加权采样的光谱分析无标模型传递方法
张晓羽，李庆波：张广军
北京航空航天大学仪器科学与光电工程学院，北京100191
摘要提出了一种基于稳定竞争自适应重加权采样（stability competitive adaptive reweighted sampling， SCARS)的无标模型传递方法。利用有用信息标准即稳定度指数（定义为回归系数除以其标准偏差的绝对值）和传递后的预测均方根误差（rootmeansquarederrorofprediction，RMSEP），选择重要的、受测样参数影响不敏感的波长变量，能够消除或减少不同仪器或测量条件对样本信息反应差异，提高模型传递效果。此外，在该方法中，光谱变量被压缩、降维，从而使模型传递更稳定。采用该方法对谷物的近红外光谱分析模型在不同仪器之间进行传递研究。结果表明，该方法能消除仪器间的大部分差异，较好地实现模型传递效果。与正交信号校正法（orthogonalsignalcorrection，OSC）、蒙特卡罗结合无用信息变量消除法（MonteCarlounin-formativevariableelimination，MCUVE）、竞争自适应重加权采样法（competitive adaptivereweighted sam-pling，CARS)的比较表明，SCARS不仅在传递精度上能取得比OSC、MCUVE及CARS更好的效果，而且能有效地对光谱数据进行压缩，简化并优化传递过程。
关键词稳定竞争自适应重加权采样；无标样；模型传递；波长筛选；光谱分析
中图分类号：0657
引言
文献标识码：A
DOI : 10. 3964/j. issn. 1000-0593 (2014 )05-1429-05
受测样参数影响不敏感的谱段建模[6-11]。通过光谱预处理算法进行模型传递时，假设在整个光谱范围内基线的变化和斜率的变化是一致的，但在大部分情况下该假设并不成立，因
模型传递的目标是将在一台仪器上建立的定量校正模型可靠地移植到其他相同或类似的仪器上使用，或将在某一条件建立的模型用于同一台仪器另一条件采集的光谱，从而减少建模所需的时间和费用。模型传递的成功与否直接影响光谱分析技术的推产和应用。自前解决模型传递间题主要有两种方法，一种是增强校正模型适应性的方法，或称有标样的方法；另一种是提高校正模型稳健性的方法，或称无标样方法。有标模型传递方法的效果很好，可以成功解决很多模型传递的问题1.2]。然而，当两台仪器相隔很远，或者样品的化学性质不稳定等，不能在不同的仪器上测定标准化样品时，无法使用有标模型传递方法，需使用无标模型传递方法3]。使用这类方法不需要任何标准样品，不需要计算主从仪器之间的模型传速函数。从自前的各种无标样方法的效果看，还远达不到有标样方法的精度，因此，如何实现更有效的无标样方法仍将是模型传递研究中的重要课题，
无标模型传递方法包括各种光谱预处理算法[4.6]，如多元信号校正、正交信号校正、有限脉冲响应等；还可以选择收稿日期：2013-07-28，修订日期：2013-11-19
此其对模型传递结果的改善较小。本研究提出了一种基于稳定竞争自适应重加权采样（stabilitycompetitiveadaptivere-weighted sampling，SCARS）的无标模型传递方法。SCARS 最初是由Zheng等12]提出的一种波长优选方法。基于该理论，本研究提出一种无标模型传递的方法。该方法通过一个能为多元校正提供有用信息的稳定度指数（定义为回归系数除以其标准偏差的绝对值）以及传递后的预测均方根误差(root mean squared error of prediction，RMSEP)来选择重要的、受测样参数影响不敏感的波长变量，克服同一样晶在不同测试系统中的量测信号（即光谱)间的不一致性，能较好地解决不同系统条件下的模型传递回题。另外，在该无标样方法中，光谱变量被压缩、降维，从而使模型传递更稳定。
本研究给出了基于SCARS的无标模型传递算法，并将
该方法用于谷物的近红外光谱模型传递，对容物的脂肪含量和蛋白质含量进行预测分析，详细讨论了模型传递中波长变量的选择，并与正交信号校正（orthogonalsignalcorrection， OSC）、蒙特卡罗结合无用信息变量消除（MonteCarlounin-
基金项目：国家自然科学基金项目(60708026)和长江学者和创新团队发展计划项目(IRT0705)资助作者简介：张晓羽，1987年生，北京航空航天大学仪器科学与光电工程学院博士研究生
e-mail ; xiaoyuzhangxi@ 126 .con
*通讯联系人e-mail：gjzhang@buaa.edu.cn