由上述可知，近红外光谱产生于分子振动,主要反映的是C-H、O-H、N-H、S-H等化学键的信息，能够测量绝大多数种类的化合物及其混合物，而且测量方式很多，几乎所有物态的有机样品都能测量。与传统分析技术相比，近红外光谱分析技术通过对样品的一次近红外光谱简单测量，即可在几秒乃至几分钟之内同时测量一个样品的几种至几十种性质数据或浓度数据。而且被测样品用量很小、无破坏、无污染，具有高效、快速、成本低和绿色的特点。因此，近红外光谱分析技术应用于石油及石油化工、基本有机化工、精细化工等多个领域。由于近红外分析技术存在着一系列技术难点，所以建立一个稳定、准确预测样品的数学模型是近红外光谱分析技术的关键和主要目的，也是近红外光谱分析技术的一个重要资源。
以随机选出的25个样本个体作为测试集，150个样本个体作为训练集，通过运用全谱分析法、多元线性回归法和简单的遗传算法，用150个样本个体生成的参数去预测25个测试样本，并以计算得到平均相对误差的大小来判断三种方法在近红外光谱波长选择上的性能好坏。应用实现可以得知，简单的遗传算法虽然具有一定的有效性，但并未考虑连续相关性，易造成过拟合，影响模型的预测性能。虽然采用多元线性回归法得到的平均相对误差是最小的，但在使用此方法时经常会遇到输入变量件具有多重交互作用的问题，输入变量不仅与输出相关，而且彼此相关。在此情况下，模型中的一个输入变量可能会屏蔽其它变量对结果的影响。因此，逐步回归法选取的变量在大多数情况下不是最优的。


本生物化学毕业设计“波长选择方法及其在近红外光谱数据中的应用”论文由清风毕业设计网[www.lunwen550.com]征集整理！