作者：王恺怡，杨 盛，郭彩云，卞希慧*
关键字：多元校正，变量选择，最小绝对收缩与选择算子(LASSO)，光谱分析
论文来源：期刊
具体来源：分析测试学报, 2022, 41(3): 1-6
发表时间：2022年
光谱分析技术由于具有处理简单、分析速度快且无损的特点，在复杂体系的定性和定量分析中得到了广泛应用。然而光谱中往往包含成百上千的波长点，其中存在与研究的目标性质不相关的波长点，会导致计算量大且模型预测准确度降低。因此，在建立模型前需要进行变量选择。最小绝对收缩与选择算子（LASSO）可将回归系数收缩为0，进而达到变量选择的目的。该研究将LASSO用于三元调和油样品近红外光谱和生物样品拉曼光谱的变量选择，然后建立偏最小二乘（PLS）和多元线性回归（MLR）模型，分别对香油和肌氨酸的含量进行定量分析，并与无信息变量消除-PLS（UVE-PLS）、蒙特卡罗结合无信息变量消除-PLS（MCUVE-PLS）和随机检验-PLS（RT-PLS）3种变量选择方法进行比较。结果表明，对三元调和油样品，LASSO-PLS预测的准确度最高，对生物样品，LASSO-MLR预测的准确度最高。并且基于LASSO的变量选择方法保留的变量数最少，运算速度最快，因此有望在光谱分析领域得到良好应用。