作者：王愷怡，楊 盛，郭彩云，卞希慧*
關鍵字：多元校正，變量選擇，最小絕對收縮與選擇算子(LASSO)，光譜分析
論文來源：期刊
具體來源：分析測試學報, 2022, 41(3): 1-6
發表時間：2022年
光譜分析技術由于具有處理簡單、分析速度快且無損的特點，在復雜體系的定性和定量分析中得到了廣泛應用。然而光譜中往往包含成百上千的波長點，其中存在與研究的目標性質不相關的波長點，會導致計算量大且模型預測準確度降低。因此，在建立模型前需要進行變量選擇。最小絕對收縮與選擇算子（LASSO）可將回歸系數收縮為0，進而達到變量選擇的目的。該研究將LASSO用于三元調和油樣品近紅外光譜和生物樣品拉曼光譜的變量選擇，然后建立偏最小二乘（PLS）和多元線性回歸（MLR）模型，分別對香油和肌氨酸的含量進行定量分析，并與無信息變量消除-PLS（UVE-PLS）、蒙特卡羅結合無信息變量消除-PLS（MCUVE-PLS）和隨機檢驗-PLS（RT-PLS）3種變量選擇方法進行比較。結果表明，對三元調和油樣品，LASSO-PLS預測的準確度最高，對生物樣品，LASSO-MLR預測的準確度最高。并且基于LASSO的變量選擇方法保留的變量數最少，運算速度最快，因此有望在光譜分析領域得到良好應用。