偏最小二乘變量篩選法及其應(yīng)用研究.pdf

1、本論文以偏最小二乘(PLS)變量篩選方法為研究對(duì)象，在對(duì)PLS方法分析的基礎(chǔ)上，結(jié)合變量篩選方法，提出了一個(gè)新的基于PLS的變量刪除判據(jù)，發(fā)展了一種利用PLS的變量篩選方法，編寫(xiě)了VBA程序，并將新方法應(yīng)用于實(shí)踐。意義在于發(fā)展一種適合處理復(fù)雜回歸建模問(wèn)題的化學(xué)計(jì)量學(xué)算法，為分析和解決實(shí)際問(wèn)題尤其是本實(shí)驗(yàn)室相關(guān)的課題提供有價(jià)值的方法。 本論文共分為以下幾個(gè)部分： 第一章，文獻(xiàn)調(diào)研：概述了化學(xué)計(jì)量學(xué)方法的發(fā)展歷程、研究范疇、

2、各種常用的模式識(shí)別技術(shù)和變量?jī)?yōu)選方法。在此基礎(chǔ)上，結(jié)合本實(shí)驗(yàn)室現(xiàn)有分析數(shù)據(jù)和研究課題，提出了本論文研究的立題依據(jù)、研究目的、意義及主要內(nèi)容。 第二章，理論部分：介紹了偏最小二乘方法的原理，在此基礎(chǔ)上找到了一個(gè)新的基于PLS的變量刪除判據(jù)，發(fā)展了一種利用PLS的變量篩選方法，詳細(xì)介紹了此法的推理過(guò)程、原理和驗(yàn)證、操作過(guò)程、方法特點(diǎn)及部分VBA程序。該法根據(jù)PLS建模中的回歸系數(shù)等一些信息，篩選原始自變量，能在不損失模型預(yù)報(bào)能力的前

3、提下，除去冗余的或影響不大的一些原始自變量，使模型更簡(jiǎn)單。 第三至六章，應(yīng)用實(shí)例：(1)應(yīng)用PLS處理膠州灣和萊州灣的幾個(gè)主要污染源附近海域各站點(diǎn)取得的海水樣本的氣一質(zhì)聯(lián)用全譜數(shù)據(jù)，建立海水樣品的分類(lèi)模型，得到的分類(lèi)模型交叉檢驗(yàn)相關(guān)系數(shù)可達(dá)0.91以上，判別準(zhǔn)確率96％以上，結(jié)果較為理想，可為正確判別污染源提供一個(gè)可靠的基礎(chǔ)。采用所得模型的擬合值等一些信息作分類(lèi)圖的方法，與傳統(tǒng)PLS作圖方法比較，所得分類(lèi)圖能更好的表達(dá)回歸模型的

4、分類(lèi)效果。(2)應(yīng)用PLS變量篩選法建立甘草樣本不同生長(zhǎng)方式的HPLC數(shù)據(jù)分類(lèi)模型，篩選出區(qū)分人工與野生甘草樣本的主要變量參數(shù)，得到理想的分類(lèi)效果，與傳統(tǒng)的算法比較，模型得到了大大簡(jiǎn)化和提煉；(3)改進(jìn)新方法的實(shí)現(xiàn)過(guò)程，修改VBA程序，以提高建模的運(yùn)行效率和自動(dòng)化程度。將改進(jìn)后的PLS變量篩選法結(jié)合變量擴(kuò)維技術(shù)處理了以下兩個(gè)實(shí)際問(wèn)題：①處理從云南昆明、思茅、西雙版納三個(gè)口岸繳獲的224個(gè)海洛因樣品的GC-MS數(shù)據(jù)，得到三個(gè)模型的變量數(shù)都

5、小于10個(gè)，實(shí)際判別準(zhǔn)確率均達(dá)95％以上，可有效識(shí)別毒品的來(lái)源，為科學(xué)預(yù)測(cè)毒品犯罪的線路、手段等提供科學(xué)依據(jù)；②處理廈門(mén)地區(qū)133例不同年齡、性別的正常人發(fā)樣中微量元素的原子光譜數(shù)據(jù)，得到模型的判別準(zhǔn)確率也達(dá)95％以上，與一般的PLS方法建立的線性模型相比，CR值提高了30％多，達(dá)到較理想的判別分類(lèi)效果。通過(guò)人發(fā)微量元素含量的信息判別出人的性別和年齡，能為公安偵破等方面起到一定的輔助作用。這些研究無(wú)論對(duì)化學(xué)計(jì)量學(xué)算法的發(fā)展和分析科學(xué)實(shí)際

6、問(wèn)題的解決都具有重要意義。 最后一章總結(jié)了本論文工作的主要結(jié)論和創(chuàng)新點(diǎn)，并提出了對(duì)今后工作的設(shè)想。通過(guò)對(duì)PLS變量篩選方法的研究，找到了用于刪除變量的一個(gè)新判據(jù)，提出了一種基于偏最小二乘法的變量篩選方法；對(duì)傳統(tǒng)PLS作分類(lèi)圖的方法作了改進(jìn)；用PLS法建立了不同區(qū)域海水樣品GC-MS全譜數(shù)據(jù)的分類(lèi)模型；采用PLS變量篩選方法建立了不同生長(zhǎng)方式甘草樣品的簡(jiǎn)單分類(lèi)模型并找到多組變量解。通過(guò)PLS變量篩選與變量擴(kuò)維技術(shù)結(jié)合的方法建立了毒

7、品來(lái)源的分類(lèi)模型，以及人發(fā)微量元素與性別、年齡關(guān)系的回歸模型。對(duì)本文許多數(shù)據(jù)處理的結(jié)果說(shuō)明，本文提出的利用PLS法得到的刪除變量的新判據(jù)篩選變量是一種非常實(shí)用和有效的變量篩選方法。用其建立的回歸模型非常簡(jiǎn)單，可提取出分類(lèi)的重要變量信息，因而便于分析和解決實(shí)際問(wèn)題。對(duì)任何一個(gè)可用PLS方法處理的多變量建模問(wèn)題，都可用PLS變量篩選法簡(jiǎn)化模型。對(duì)于非線性相關(guān)關(guān)系的建模問(wèn)題，將PLS變量篩選法與變量擴(kuò)維相結(jié)合，得到的模型簡(jiǎn)單、信息量強(qiáng)，更符合