In praktischen multivariaten Kalibrierungsanwendungen beeinflussen viele Faktoren die Vorhersageleistung des Partielle Kleinste Quadrate (PLS)-Modells. Das Instrumentenrauschen, als Ursprung der Spektraldaten, ist ein wichtiger Einflussfaktor. Frühere Forschungsarbeiten verwendeten oft verschiedene Filter oder Glättungsmethoden, um die Auswirkungen des Instrumentenrauschens zu verringern. Allerdings gibt es nur wenige Berichte darüber, wie das Instrumentenrauschen den Modellierungsprozess und die Vorhersagefähigkeit von PLS beeinflusst. Diese Arbeit erläutert und beweist, wie das Instrumentenrauschen über die Berechnung der ersten latenten Variable ins Modell eingeführt wird. Durch eine theoretische Ableitung des PLS-Berechnungsprozesses wird diskutiert, dass die Einführung des Rauschens einen kumulativen Effekt auf die Berechnung der PLS-Gewichts- und Ladungsvektoren hat und sich mit der Berechnung nachfolgender latenter Variablen im Modell fortsetzt, wodurch das PLS-Modell beeinflusst wird. Außerdem wird eine theoretische Zerlegung des Vorhersagefehlers des PLS-Modells vorgenommen, die diesen in Fehler des rauschfreien Idealmodells und Fehler durch Rauschpropagation unterteilt. Die Ergebnisse zeigen, dass Instrumentenrauschen nicht nur die Vorhersageleistung des PLS-Modells verringert, sondern auch die Wahl der optimalen Modellkomplexität beeinflusst.

Nahinfrarotspektrum;Partielle Kleinste Quadrate;Multivariate Kalibrierung;Instrumentenrauschen