Am Beispiel der Modellübertragung des Partial-Least-Squares-Nahinfrarotspektroskopie-Modells (PLS-NIRs) für vier Hauptkomponenten im Mais – Feuchtigkeit, Protein, Fett und Stärke – sowie der Gesamtpflanzenalkaloide im Tabak wurde der Einfluss der Anzahl der latenten Variablen (nLVs) auf den Modellübertragungsfehler untersucht. Die Studie ergab, dass gemäß der kumulativen Beitragsrate von über 99,9 % die nLVs für die PLS-NIRs-Modelle der Mais- und Tabakproben jeweils 1 und 13 betrugen. Bei nLVs=1 erfüllte das erstellte Maismodell die nationalen Standards für die Reproduzierbarkeitsindikatoren der Vorhersagewerte der vier Komponenten der Nebenmaschinenproben und Hauptmaschine; bei nLVs=13 konnte das Modell der Gesamtpflanzenalkaloide des Tabaks nach segmentierter direkter Kalibrierung (PDS) den mittleren relativen Vorhersagefehler (MRE) bei vier Nebenmaschinenproben auf unter 6 % reduzieren. Die durch Leave-One-Out- oder Vierfach-Kreuzvalidierung bestimmten nLVs für die PLS-NIRs-Modelle von Mais und Tabak lagen bei 5~10 bzw. 16 und 19. Bei diesen nLVs nahm der Vorhersagefehler der Mais-PLS-NIRs-Modelle für Nebenmaschinenproben signifikant zu und überschritt den zulässigen Fehlerbereich, und selbst nach PDS-Korrektur erfüllten die Reproduzierbarkeitsindikatoren der Vorhersagewerte der Nebenmaschinenproben mit Hauptmaschinenproben meist nicht die nationalen Anforderungen; bei nLVs>13 nahm der Übertragungsfehler des Tabak-Gesamtalkaloid-PLS-NIRs-Modells mit zunehmendem nLVs zu, und die PDS-Korrektur konnte nicht gewährleisten, dass das MRE für alle Nebenmaschinenproben unter 6 % liegt. Die Auswahl von nLVs basierend auf einer kumulativen Beitragsrate von über oder nahe 99,9 % kann effektiv eine Überanpassung vermeiden und die Übertragungsleistung von NIRs-Modellen verbessern.

Übertragung von Nahinfrarot-Spektroskopiemodellen; partielle kleinste Quadrate; Anzahl latenter Variablen; Mais; Tabak