283153_zh-CN

liliconcom

建立光谱数据的预测模型

 

怎么做的：

 

1. 使用Graph Builder检查数据以了解不同光谱的外观

2. 使用多元分析来检查所有波长和所得的相关系数，以确认多元共线性

3. 使用模型驱动的多元控制图检查所有波长变量并深入失控的运行
   
   1. 识别您需要建立模型的PC数量
4. 采集所需样品的光谱。此时无需输出（Y）信息。
5. 通过功能数据浏览器中的功能主要成分f（PC's）按行识别光谱中最突出的尺寸-不适用于传统意义上的
   1. 使用Functional Principal Component Profiler可以了解您的光谱如何随目标变量的变化而变化
   2. 将功能性主成分分数保存到数据表以用于实验设计
6. 使用f（主成分）作为因子（协变量）创建实验设计
7. 运行实验–收集感兴趣的输出
8. 通过PLS和/或广义回归（或其他能够处理相关因素的方法）对结果建模
9. 确定总体最佳解决方案
10. 使用此可持续性模型来确定所有未来样本的“结果” *该模型将适用于使用同一校准仪器分析的样本）
11. 11.使用得分图检查分类数据

概括：

• 通过功能主要组件压缩有关光谱波长或不同选项质量的可用信息
• 根据实验设计，使用协变量DOE选择“框角”以测试代表性样品光谱
• 通过PLS建模数据–广义回归是一个很好的替代选择，或者您可能需要使用更复杂的技术，包括神经网络
• 寻找整体最佳解决方案
• 在测试新样品时，可以将光谱数据输入到数据表中以确定活性成分或所需成分的水平。
  • 高效实验
  • 基于光谱数据/波长的可持续经验模型