Для решения проблемы низкой универсальности моделей в технологии анализа ближнего инфракрасного спектра предложен новый метод переноса модели — метод наименьшего углового регрессии, объединённый с однофакторным линейным методом прямой калибровки (Least angle regression combined simple linear regression direct standardization, LAR-SLRDS). Этот метод сначала применяет вейвлет-преобразование для предварительной обработки спектральных данных образцов, затем с помощью LAR выбирает волновые точки спектральных характеристик полного спектра образца, и, наконец, использует SLRDS для калибровки выбранных переменных. Производительность LAR-SLRDS была проверена на данных ближнего инфракрасного спектра образцов бензина и лекарств: различия спектров компонентов бензина C7, C8, C9 и C10 составили 0.0028, 0.0027, 0.0026 и 0.0027 соответственно, а стандартные ошибки прогноза — 0.4106, 0.8492, 1.0349 и 1.2158; различия спектров компонентов активности, твёрдости и веса в наборе данных лекарств — 0.0300, 0.0318 и 0.0336 соответственно, стандартные ошибки прогноза — 1.9338, 0.4402 и 2.1309. Результаты показывают, что алгоритм LAR-SLRDS не только устраняет различия между спектрами основных и вторичных приборов для реализации переноса модели, но и повышает точность и стабильность количественной модели PLS, обладая широким потенциалом применения.

технология ближнего инфракрасного спектра; перенос модели; наименьшее угловое регрессирование; однофакторный линейный метод прямой калибровки