На примере переноса модели ПЛС-ДИК (PLS-NIRs) для четырех основных компонентов кукурузы: влажности, белка, жира и крахмала, а также суммарных растительных алкалоидов табака было исследовано влияние количества скрытых переменных (nLVs) модели на ошибку переноса модели. Исследование показало, что согласно накопленной доле объясненной дисперсии более 99,9% количество скрытых переменных в моделях PLS-NIRs для образцов кукурузы и табака составило 1 и 13 соответственно. При nLVs=1 построенная модель кукурузы соответствовала национальным стандартам по показателям воспроизводимости прогнозов четырех компонентов образцов ведомых приборов и ведущего прибора; при nLVs=13 построенная модель суммарных растительных алкалоидов табака после применения покомпонентной прямой коррекции (PDS) обеспечивала среднюю относительную ошибку прогноза (MRE) для четырех образцов ведомых приборов менее 6%. При использовании метода скользящего контроля и 4-кратной перекрестной проверки nLVs для моделей PLS-NIRs кукурузы и табака составили 5~10 и 16 до 19, соответственно, при этих nLVs ошибка прогноза на образцах ведомых приборов резко увеличивалась, превышая допустимый диапазон ошибок, и даже после коррекции PDS показатели воспроизводимости прогнозов ведомых приборов с ведущими образцами в основном не удовлетворяли национальным стандартам; при nLVs>13 переносная ошибка модели суммарных растительных алкалоидов табака значительно увеличивалась с ростом nLVs, и коррекция PDS не гарантировала, что MRE модели для всех ведомых образцов будет меньше 6%. Выбор nLVs по критерию накопленной доли объясненной дисперсии более или близкой к 99,9% позволяет эффективно избежать переобучения и улучшить переносимость моделей ДИК.

перенос модели ДИК; частичный наименьших квадратов; количество скрытых переменных; кукуруза; табак