JMP in the Upstream 06：我的碳氢化合物是什么？ 使用光谱数据预测辛烷值原会议日期：2022 年 2 月 3 日
涵盖的主题：数据导入和清理、绘制谱线、广义回归和 PLS
在上游 JMP 的这一集中， @Bill_Worley （高级系统工程师）展示了他共同开发的用于在 JMP 中分析光谱数据的插件。 他向我们介绍了将数据导入 JMP 的方法、数据清理和准备、在分析之前可视化数据的技巧以及分析本身。 他展示了几种分析数据的方法，包括偏最小二乘法 (PLS) 和广义回归。 在后一种方法中，他能够将绘制可操作决策所需的光谱数量从 400（收集的总谱线）减少到 340（统计显着的 PLS 模型所需），再到少于 70（Gen Reg）。 想象一下，只需要收集您最初认为的不到 20% 的数据？ 那是真正的时间和真正的金钱节省！
从分析不同辛烷值的汽油样品中得出的谱线。
在上游 JMP 的这一集中，Bill Worley（高级系统工程师）展示了他共同开发的用于在 JMP 中分析光谱数据的插件。 他向我们介绍了将数据导入 JMP 的方法、数据清理和准备、在分析之前可视化数据的技巧以及分析本身。 他展示了几种分析数据的方法，包括偏最小二乘法 (PLS) 和广义回归。 在后一种方法中，他能够将绘制可操作决策所需的光谱数量从 400（收集的总谱线）减少到 340（统计显着的 PLS 模型所需），再到少于 70（Gen Reg）。 想象一下，只需要收集您最初认为的不到 20% 的数据？ 那是真正的时间和真正的金钱节省！
