基于随机抽样一致性算法的近红外光谱稳健模型研究

近红外(NIR)光谱分析中的异常样品严重影响所建立模型的分析精度和稳定性,将随机抽样一致性(RANSAC)算法引入到近红外光谱分析中,以建立稳健的近红外定量分析模型。在RANSAC算法的基础上,结合近红外光谱分析的特点,提出了适合于建立近红外光谱稳健模型的改进RANSAC算法。以83份土壤样品的近红外光谱为研究对象,探讨所提出的改进RANSAC算法在建立土壤有机质模型中的效果。结果表明,与直接建立的偏最小二乘法(PLS)模型相比,通过改进RANSAC算法所建立的有机质模型的相关系数R由0.891提高至0.963,交叉验证均方根误差(RMSECV)从0.4979%降至0.3083%。由此可见,改