Um das Problem der schlechten Generalisierbarkeit von Modellen in der nahinfrarotspektroskopischen Analysetechnik zu lösen, wurde eine neue Modellübertragungsmethode vorgeschlagen — kleinste-Winkel-Regression kombiniert mit einfacher linearer direkter Standardisierung (Least angle regression combined simple linear regression direct standardization, LAR-SLRDS). Diese Methode verwendet zunächst Wavelet-Transformation zur Vorverarbeitung der Spektraldaten der Proben, nutzt dann LAR zur Auswahl spektraler Merkmalswellenlängen über das gesamte Proben-Spektrum und kalibriert schließlich die ausgewählten Variablen mit SLRDS. Die Leistung von LAR-SLRDS wurde mit nahe-infrarotspektroskopischen Daten von Benzin- und Arzneimittelproben validiert. Die Spektraldifferenzen der Benzinbestandteile C7, C8, C9 und C10 betrugen 0,0028, 0,0027, 0,0026 bzw. 0,0027, die Vorhersage-Standardabweichungen 0,4106, 0,8492, 1,0349 bzw. 1,2158; die Spektraldifferenzen der Aktivitäts-, Härte- und Gewichtsbestandteile im Arzneimitteldatensatz betrugen 0,0300, 0,0318 und 0,0336, die Vorhersage-Standardabweichungen 1,9338, 0,4402 bzw. 2,1309. Die Ergebnisse zeigen, dass der LAR-SLRDS-Algorithmus nicht nur die Unterschiede zwischen Haupt- und Nebeninstrumentenspektren zur Modellübertragung eliminieren kann, sondern auch die Genauigkeit und Stabilität des PLS-Quantifizierungsmodells verbessert und ein breites Anwendungspotenzial besitzt.

Nahinfrarotspektroskopietechnik; Modellübertragung; kleinste-Winkel-Regression; einfache lineare direkte Standardisierung