МЕТОДЫ ПОСТРОЕНИЯ ОБУЧАЮЩЕГО НАБОРА ДЛЯ КАЛИБРОВКИ С ПОМОЩЬЮ ФЛУОРЕСЦЕНТНОЙ СПЕКТРОСКОПИИ НЕБОЛЬШИХ ВЫБОРОК ОБРАЗЦОВ

Ходасевич М. А.; Саскевич Н. А.

МЕТОДЫ ПОСТРОЕНИЯ ОБУЧАЮЩЕГО НАБОРА ДЛЯ КАЛИБРОВКИ С ПОМОЩЬЮ ФЛУОРЕСЦЕНТНОЙ СПЕКТРОСКОПИИ НЕБОЛЬШИХ ВЫБОРОК ОБРАЗЦОВ

Ходасевич М. А., Саскевич Н. А.

2018

https://doi.org/10.29235/1561-2430-2018-54-1-77-83

При проведении калибровки с помощью многопараметрического спектрального анализа ограниченность количества образцов и невозможность априорного контроля величины искомого параметра обусловливают важность решения задачи построения обучающего набора с целью уменьшения ошибки калибровки. На примере калибровки температуры с помощью проекции на латентные структуры в диапазоне от 66 до 150 °C по спектрам флуоресценции Yb3+:CaF2 , зарегистрированным в диапазоне 880–1120 нм с разрешением около 0,2 нм и шагом по температуре 2 °C, продемонстрированы возможные варианты построения обучающего набора из небольших по количеству образцов выборок с применением равномерного распределения, алгоритма Кеннарда – Стоуна и методов кластерного анализа в пространстве главных компонент, показано их влияние на точность калибровки. Применение метода главных компонент позволяет проводить отбор спектров без привлечения априорных знаний о температуре, которой соответствуют спектры флуоресценции. Показано, что среднеквадратичная ошибка предсказанной величины температуры при равномерном распределении образцов обучающего набора по пространству первой главной компоненты составляет 3,98 °C, при использовании алгоритма Кеннарда – Стоуна – 1,07 °C. Минимальная среднеквадратичная ошибка 0,98 °C может быть достигнута с помощью иерархического кластерного анализа пространства главных компонент исследуемых спектров.

Ходасевич М. А., Саскевич Н. А. МЕТОДЫ ПОСТРОЕНИЯ ОБУЧАЮЩЕГО НАБОРА ДЛЯ КАЛИБРОВКИ С ПОМОЩЬЮ ФЛУОРЕСЦЕНТНОЙ СПЕКТРОСКОПИИ НЕБОЛЬШИХ ВЫБОРОК ОБРАЗЦОВ. Известия Национальной академии наук Беларуси. Серия физико-математических наук. 2018;54(1):77-83. https://doi.org/10.29235/1561-2430-2018-54-1-77-83

Цитирование

Список литературы

1. Kalivas, J. H. Calibration Methodologies / J. H. Kalivas // Comprehensive Chemometrics: Chemical and Biochemical Data Analysis / editors-in-chief: R. Tauler, B. Walczak, S. D. Brown. – Elsevier, 2009. – P. 1–32.

2. Rapid identiﬁcation of soil cadmium pollution risk at regional scale based on visible and near-infrared spectroscopy / Tao Chen [et al.] // Environ. Pollut. – 2015. – Vol. 206. – P. 217–226.

3. Noninvasive and fast measurement of blood glucose in vivo by near infrared (NIR) spectroscopy / Xue Jintao [et al.] // Spectrochim. Acta Part A: Molecular and Biomolecular Spectroscopy. – 2017. – Vol. 179. – P. 250–254.

4. Joint analyses model for total cholesterol and triglyceride in human serum with near-infrared spectroscopy / Lijun Yao [et al.] // Spectrochim. Acta Part A: Molecular and Biomolecular Spectroscopy. – 2016. – Vol. 159. – P. 53–59.

5. Da Silva, V. H. Portable near-infrared instruments: Application for quality control of polymorphs in pharmaceutical raw materials and calibration transfer / V. H. da Silva, J. J. da Silva, C. F. Pereira // J. Pharm. Biomed. Anal. – 2017. – Vol. 134. – P. 287–294.

6. Identiﬁcation of anisodamine tablets by Raman and near-infrared spectroscopy with chemometrics / Lian Li [et al.] // Spectrochim. Acta Part A: Molecular and Biomolecular Spectroscopy. – 2014. – Vol. 127. – P. 91–97.

7. Sulub, Y. Determination of polymer blends composed of polycarbonate and rubber entities using near-infrared (NIR) spectroscopy and multivariate calibration / Y. Sulub, J. DeRudder // Polym. Test. – 2013. – Vol. 32, № 4. – P. 802–809.

8. Application of benchtop and portable near-infrared spectrometers for predicting the optimum harvest time of Verbena ofﬁcinalis / C. K. Pezzei [et al.] // Talanta. – 2017. – Vol. 169. – P. 70–76.

9. Comparing predictive ability of laser-induced breakdown spectroscopy to visible near-infrared spectroscopy for soil property determination / M. Knadel [et al.] // Biosystems Engineering. – 2017. – Vol. 156. – P. 157–172.

10. Eating quality evaluation of Khao Dawk Mali 105 rice using near-infrared spectroscopy / P. Siriphollakul [et al.] // LWT – Food Science and Technology. – 2017. – Vol. 79. – P. 70–77.

11. Monitoring of alcohol strength and titratable acidity of apple wine during fermentation using near-infrared spectroscopy / B. Peng [et al.] // LWT – Food Science and Technology. – 2016. – Vol. 66. – P. 86–92.

12. Определение химических характеристик и производителя дивинов по их широкополосным спектрам пропускания / М. А. Ходасевич [и др.] // Оптика и спектроскопия. – 2016. – Т. 120, № 6. – С. 1046–1051.

13. Применение многопараметрического анализа широкополосных спектров пропускания для идентификации вин с географическим наименованием происхождения / М. А. Ходасевич [и др.] // Приборы и методы измерений. – 2016. – Т. 7, № 1. – С. 104–113.

14. Alves, J. C. L. Quantiﬁcation of conventional and advanced biofuels contents in diesel fuel blends using near-infrared spectroscopy and multivariate calibration / J. C. L. Alves, R. J. Poppi // Fuel. – 2016. – Vol. 165. – P. 379–388.

15. Clustering and training set selection methods for improving the accuracy of quantitative laser induced breakdown spectroscopy / R. B. Anderson [et al.] // Spectrochim. Acta Part B. – 2012. – Vol. 70. – P. 24–32.

16. Abdi, H. Partial least squares regression and projection on latent structure regression / H. Abdi // Wiley Interdisciplinary Reviews: Computational Statistics. – 2010. – Vol. 2, № 1. – P. 97–106.

17. Determining the Stark structure of Yb3+ energy levels in Y3Al5O12 and CaF2 using principal component analysis of tem perature dependences of ﬂuorescence spectra / M. Khodasevich [et al.] // J. Lmin. – 2017. – Vol. 187. – P. 295–297.

18. Esbensen, K. H. Principal Component Analysis: Concept, Geometrical Interpretation, Mathematical Background, Algorithms, History, Practice / K. H. Esbensen, P. Geladi // Comprehensive Chemometrics. – 2009. – Vol. 2. – P. 211–226.

19. Применение регрессии на латентные структуры для определения температуры активированной ионами эрбия свинцово-фторидной наностеклокерамики по спектрам апконверсионной флуоресценции / В. А. Асеев [и др.] // Оптика и спектроскопия. – 2015. – Т. 118, № 2. – С. 47–49.

20. Kennard, R. W. Computer aided design of experiments / R. W. Kennard, L. A. Stone // Technometrics. – 1969. – Vol. 11, № 1. – P. 137–148.

21. Daszykowski, M. Representative subset selection / M. Daszykowski, B. Walczak, D. L. Massart // Anal. Chim. Acta. – 2002. – Vol. 468. – P. 91–103.

22. Мандель, И. Д. Кластерный анализ / И. Д. Мандель. – М.: Финансы и статистика, 1988. – 176 с.

Источник

Информация

Автор

Ходасевич М. А. Институт физики им. Б. И. Степанова Национальной академии наук Беларуси, Минск
Саскевич Н. А. Институт физики им. Б. И. Степанова Национальной академии наук Беларуси, Минск

Страницы

77-83

Год издания

2018

Ключевые слова

Коллекции

Известия Национальной академии наук Беларуси. Серия физико-математических наук