原文由 hptlc(hptlc) 发表:
各种新的化学计量学方法层出不穷,是选择越新的方法越利于近红外分析吗?
化学计量学并没有您说的发展的那么快,像PCA从提出理论已超过半个世纪了。PLS也有30多年了。
方法不在于多,贵在精。开发出一套新的更好的经得起考验的化学计量学方法并不比开发一种全新的仪器容易。好的数学算法也都是各行各业当做宝贝一样在使用的,比如图像处理的JPEG和JPEG2000图像格式的核心是分别是PCA和小波变换。扯远了,打住。
目前比较公认的化学计量学方法也无外乎大家平常耳熟而详的这几种。一类是基于线性代数的,如核心是矩阵svd,qr分解等等的PCA和PLS等。二是系统聚类分析,核心是如何计算距离和确定类的连接方式。三是神经网络。四是其它杂类,包括遗传算法,向量机、基于统计的贝叶斯分类、小波变换等等。我这是即兴的总结,很不严谨,不要太当真呵呵。
近红外应用的好坏,在计量学方面对分析人提出的要求高吗?
近红外数据所包含的有效信息是与大量杂质的信号和噪音共存的,重现性虽然比色谱强,但也仍是需要特别小心的地方之一。综合以上因素,背景校正、平滑、数据标准化、特征提取、建模、模型的优化和迁移等等都显得非常重要。做近红外的科研,必须掌握一定的化学计量学基础知识。
大家是否需要自己研究计量学方法,才能满足近红外分析的应用呢?
综上,做近红外分析能把目前的几种关键方法灵活掌握了就算大功一件。也不要指望有什么一劳永逸的方法。目前化学计量学的算法在解决实际问题中仍有不足之处,在黑箱的灰色化方面力所不逮,这是好事情,说明今后需要做的工作还很多,更待去努力。hptlc讨论很深入啊~~
看来这NIR和计量学方法都很有研究和经验啊~欢迎常来分享讨论!