كمثال على نقل نموذج التحليل الطيفي للأشعة تحت الحمراء القريبة (PLS-NIRs) لمكونات أربع رئيسية في الذرة وهي الرطوبة والبروتين والدهون والنشا بالإضافة إلى إجمالي القلويدات النباتية في التبغ، تم دراسة تأثير عدد المتغيرات الكامنة (nLVs) في نموذج على خطأ نقل النموذج. أظهرت الدراسة أنه وفقًا لمعدل المساهمة التراكمي الذي يزيد عن 99.9٪، تم تحديد nLVs لنماذج PLS-NIRs لعينات الذرة والتبغ على التوالي عند 1 و13، وعند nLVs=1 كان نموذج الذرة الذي تم إنشاؤه يلبي مؤشرات التكرارية لقيم التنبؤ بالمكونات الأربعة لعينات الأجهزة التابعة وأجهزة المضيف وفقًا للمعايير الوطنية؛ وعند nLVs=13 كان نموذج إجمالي القلويدات النباتية للتبغ، بعد التصحيح المباشر المجزأ (PDS)، يمكن أن يقلل متوسط خطأ التنبؤ النسبي (MRE) لأربع عينات من الأجهزة التابعة إلى أقل من 6%. تم تحديد nLVs لنماذج PLS-NIRs للذرة والتبغ باستخدام التحقق المتقاطع الاحتراقي أو التحقق المتقاطع بأربع أجزاء عند 5~10 و16 و19 على التوالي، وعند هذه القيم من nLVs زادت أخطاء التنبؤ لنماذج الذرة بشكل ملحوظ في عينات الأجهزة التابعة، متجاوزة حدود الخطأ المسموح، وحتى بعد تصحيح PDS، لم تلبي مؤشرات التكرارية للتنبؤ في عينات الأجهزة التابعة مع عينات الأجهزة المضيفة معظم المتطلبات الوطنية؛ وعند nLVs>13، زادت أخطاء النقل لنموذج إجمالي القلويدات النباتية في التبغ مع زيادة nLVs، ولا يضمن التصحيح بواسطة PDS أن تكون MRE للنموذج أقل من 6% لجميع عينات الأجهزة التابعة. يمكن اختيار nLVs استنادًا إلى معدل المساهمة التراكمي الذي يزيد أو يقترب من 99.9% لتجنب الإفراط في التكيف بفعالية وتحسين أداء نقل نماذج الأشعة تحت الحمراء القريبة.

نموذج الانحدار الطيفي القريب تحت الأحمر; الانحدار الجزئي للصغائر; عدد المتغيرات الكامنة; الذرة; التبغ