283153_de-DE

liliconcom

Erstellen von Vorhersagemodellen für Spektraldaten

 

Wie es gemacht wird:

 

1. Untersuchen Sie Daten mit Graph Builder, um eine Vorstellung davon zu bekommen, wie verschiedene Spektren aussehen

2. Verwenden Sie die multivariate Analyse, um alle Wellenlängen und die daraus resultierenden Korrelationskoeffizienten zu untersuchen und die Multicolinearität zu bestätigen

3. Verwenden Sie modellgetriebene multivariate Kontrolldiagramme, um alle Wellenlängenvariablen zu untersuchen und in außer Kontrolle geratene Läufe zu bohren
   
   1. ID, wie viele PCs Sie benötigen, um ein Modell zu erstellen
4. Nehmen Sie Spektren der gewünschten Proben.Zu diesem Zeitpunkt sind keine Ausgabeinformationen (Y) erforderlich.
5. Identifizieren Sie die wichtigsten Dimensionen in den Spektren anhand der Zeile mit den funktionalen Hauptkomponenten f (PCs) aus dem Functional Data Explorer - nicht zur Verwendung im herkömmlichen Sinne
   1. Verwenden Sie den Functional Principal Component Profiler, um eine Vorstellung davon zu erhalten, wie sich Ihre Spektren ändern, wenn sich die interessierende Variable ändert
   2. Speichern Sie die Ergebnisse der funktionalen Hauptkomponenten in der Datentabelle, um sie im experimentellen Design zu verwenden
6. Erstellen Sie ein experimentelles Design mit dem f (Hauptkomponenten) als Faktoren (Kovariaten).
7. Führen Sie das Experiment aus - sammeln Sie die interessierenden Ergebnisse
8. Modellieren Sie die Ergebnisse über PLS und / oder generalisierte Regression (oder andere Methoden, die mit korrelierten Faktoren umgehen können).
9. Bestimmen Sie die insgesamt optimale Lösung
10. Verwenden Sie dieses nachhaltige Modell, um das „Ergebnis“ für alle zukünftigen Proben zu bestimmen. * Das Modell gilt für Proben, die mit demselben kalibrierten Instrument analysiert wurden.
11. 11. Verwenden Sie das Score-Diagramm, um Kategoriedaten zu untersuchen

Zusammenfassung:

• Komprimieren Sie die verfügbaren Informationen zu spektralen Wellenlängen oder zur Masse verschiedener Optionen über funktionale Hauptkomponenten
• Verwenden Sie die kovariate DOE, um die „Ecken der Box“ zum Testen repräsentativer Probenspektren basierend auf der Versuchsplanung auszuwählen
• Modellieren Sie die Daten über PLS - Generalized Regression ist eine hervorragende Alternative, oder Sie müssen möglicherweise komplexere Techniken verwenden, einschließlich neuronaler Netze
• Finden Sie die insgesamt optimale Lösung
• Während neue Proben getestet werden, können die Spektraldaten in die Datentabelle eingegeben werden, um den Pegel der aktiven oder gewünschten Komponente zu bestimmen.
  • Hocheffizientes Experimentieren
  • Nachhaltiges empirisches Modell basierend auf Spektraldaten / Wellenlängen