常见近红外/红外定量分析指标（论文投稿）

一条大咸咸鱼

已于 2023-08-18 09:33:48 修改

阅读量1.3w

点赞数 25

文章标签：近红外光谱分析指标 RPD 定量分析

于 2019-07-14 15:57:40 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_35667901/article/details/95885517

版权

前期近红外定量分析常用决定系数和RMSE作判定指标，但国外期刊要求更多。本文介绍了常见的判定指标，包括决定系数、残差均方根RMSE、标准分析误差SEE和相对分析误差RPD，并给出了RPD的评判标准。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在前期做近红外定量分析过程中，一般采用决定系数和RMSE作为判定指标，但是在投递论文时发现，国外期刊对于指标的要求不止以上两种。常见的有以下几种：

（1）决定系数

$R^2=1-\sum_{i=1}^{n}(y_{i}-y_{i}^{\wedge })^{2}/\sum_{i=1}^{n}(y_{i}-y_{i}^{- })^{2}$

${y}_{i}$ 为第i 个样本的某个组分的标准值；

$y_{i}^{\wedge }$ 为第i 个样本的相应组分的预测值；

$y^{-}$ 为样品集相应组分的平均值。

在相同浓度范围的条件下，所建模型的决定系数的值越接近于1其相应模型的仿真效果越好。但是在实际建模过程中，一般设定的阈值为： $\mathit{0.66}\leq R^2\leq\mathit{0.8}$ 时刚好达到预测效果；当 $\mathit{0.81}\leq R^2\leq\mathit{0.90}$ 时预测效果较好，当 $R^2\geq 0.90$ 时，预测效果最佳。

（2）残差均方根RMSE

$RMSE = \sqrt{\frac{\sum_{i=1}^n\left(y_i-\hat{y}_i \right )}{n-1}}$

在实际分析过程中，基本上所有的文献都是将所有数据的分为calibration set 和 validation set 或者prediction set，所以一般RMSE分为RMSEC 和RMSEP.。此外，一般还会选择进行交叉验证：crose validation ，所以还会有RMSECV等情况。

（3）标准分析误差SEE

$SSE=\sqrt{\sum_{i=1}^{n}(d_{i}-d^{-})^{2}/(n-1)}$

$d_{i}$ 为第 i 个样品的残差，即 $d_{i}=y_{i}-{\hat{y}_{i}}$ ;

$\bar{d}$ 为残差的平均值，即 $\bar{y}=\frac{1}{n}\sum_{i=1}^{n}d_{i}$

（4）相对分析误差 (relative percent deviation) RPD

相对分析误差是一种常用不常见的分析指标，为什么说交常用不常见？因为相对分析误差基于决定系数，在统计意义上，其分析指标间接等价于决定系数。其定义公式如下：

$RPD=\frac{1}{\sqrt{1-R^{2}}}$

但是部分文献上将其定义为：

$RPD=\frac{SD}{SEC}$

或：

$RPD=\frac{SD}{SEP}$

其中SD为分析样本的标准偏差；SEC/SEP为分析样品的均方根误差。

相应的评判指标为：

RPD < 1.4 : 认为所建模型不可靠；

1.4 < RPD < 2.0 : 认为所建模型较可靠；

RPD > 2.0 : 则认为所建模型具备较高可靠性，能够用于模型分析。

个人新建立的weixin公众号，光谱学与光谱分析，欢迎大家关注

评论 7

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。