首页   当前位置:全部素材 > 规范图集 > 图标图集

GB/T29858-2013分子光谱多元校正定量分析通则1范围本标准规定了采用分子光谱多元校正定量测定样品成(组)分浓度(含量)或样品性质的指导原则。本标准适用于中红外光谱(约4000cm~400cm1)和近红外光谱(约780nm~2500nm)范围的分子光谱。2规范性引用文件下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件,仅注日期的版本适用于本文件。凡是不注日期的引用文件,其最新版本(包括所有的修改单)适用于本文件。GB/T3358.1统计学词汇及符号第1部分:一般统计术语与用于概率的术语GB/T6379.2测量方法与结果的准确度(正确度与精密度)第2部分:确定标准测量方法重复性与再现性的基本方法GB/T8322分子吸收光谱法术语GB/T27407实验室质量控制利用统计质量保证和控制图技术评价分析测量系统的性能U.NEI3术语和定GB/T3358.1、GB/T8322界定的以及下列术语和定义适用于本文件。3.1校正calibration将一组样品的成分浓度或性质与其光谱进行关联,立模型的过程。3.2校正模型calibration model表达一组样品的成分浓度或性质与其光谱之间关联关系的数学表达式」3.3校正样品calibration samples用来立校正模型的样品,其成分浓度或性质数据已知。3.4预测estimate用校正模型和样品的光谱计算样品成分浓度或性质的过程。3.5预测值estimate values用校正模型和样品光谱计算所得到的样品成分浓度或性质数据。3.6验证样品validation samples用来验证模型性能的样品,其成分浓度或性质数据已知。1理素时网Z.Z.WE1
GB/T29858-20133.7多元校正multivariate calibration用一个以上波长或频率,将一组样品的成分浓度或性质与其光谱进行关联,立模型的过程。3.8参考方法reference method用于测定校正样品和验证样品成分浓度或性质数据的分析方法,通常为标准方法或是推荐认可的方法。3.9参考值reference values参考数据reference data用参考方法测定的校正样品或验证样品成分浓度或性质结果。3.10模型验证model validation用验证样品来检验校正模型预测值与参考值之间一致性的过程。3.11异常值outliers因含有极端组成,致使其光谱不具代表性,在模过程中表现为杠杆值较大,对模型结果有强烈影响的高杠杆值样品对应的数据点,或因数据测定误差较大或数据录入错误等原因,模型预测值与参考值具有显著性差异的样品对应的数据点。3.12未知样品o气其成分浓度或性质数据未知的样品。3.13模型内插model interpolation对成分浓度或性质数据处于校正模型涵盖范围内的样品进行预测的过程。3.14模型外推model extrapolation对成分浓度或性质数据处于校正模型涵盖范围外的样品进行预测的过程。注:包括两种模型外推:—待测样品的成分与校正样品相同,但浓度超出了所有校正样品涵盖的浓度范围;一待测样品包含校正样品中不存在的成分。3.15校正标准误差standard error of calibration;SEC校正均方根误差root mean square error of calibration;RMSEC在多元校正中用来评价校正模型的预测能力,采用校正样品参考值和预测值计算的标准误差。3.16交互验证标准误差standard error of cross validation;SECV交互验证均方根误差root mean square error of cross validation;RMSECV在多元校正中用来评价校正模型的预测能力,采用校正样品参考值和使用交互验证的预测值计算的标准误差。2興尚理Z.
GB/T29858-20133.17验证标准误差standard error of validation:SEV验证均方根误差root mean square error of validation:RMSEV预测标准误差standard error of prediction:SEP预测均方根误差root mean square error of prediction;RMSEP在多元校正中用来评价校正模型的预测能力,采用验证样品参考值和预测值计算的标准误差。3.18预测残差平方和predictive residual error sum of square;PRESS在多元校正中用来选择模最佳主成分数或潜变量数,采用校正样品参考值和使用交互验证的预测值计算的残差平方和。3.19摸型传递calibration model transfer通过控制制造精密度使不同光谱仪器间保持一致性或通过数学方法对光谱或校正模型进行修正,使得在一台光谱仪器上立的校正模型能够在其他光谱仪器上有效使用的过程,3.20模型更新model updating当待测样品组成与组成变化范围有别于校正样品,或因仪器老化或配件更换导致光谱产生新变化时,通过加人新样品,增加校正模型适用范围的过程。3.21在分子器免泰华有.J.NE丁3.22可行性模型feasibility calibration model当不能确定是否可利用分子光谱立多元校正模型时,进行可行性研究,确认样品分子光谱与其成分浓度或性质间是否存在关联关系而立的探索模型。4方法概述4.1本标准方法基于分子光谱信息作为多元校正的因变量信息进行分析。其分析原理是,样品组成变化引起样品属性变化,同样也引起属性之一分子光谱的变化。样品成分浓度或性质变化与对应的分子光谱变化之间存在着相关关系。本标准方法即是基于这一相关关系,通过采用多元校正方法立校正模型,然后应用校正模型和未知样品光谱实现定量预测未知样品一种或多种成分浓度或性质的一种快速分析方法。42本标准为校正模型立、校正模型验证以及用校正模型进行预测提供指导。模型立、验证过程主要包括:首先,收集一组具有代表性浓度或性质变化范围的校正样品和验证样品,组成校正集和验证集;使用仪器测定校正集和验证集的分子光谱,采用参考方法测定样品的浓度或性质参考值;然后,将测定的光谱数据和浓度或性质参考值进行预处理,选择合适的化学计量学方法将预处理后的校正集光谱数据和浓度或性质参考值进行关联,通过矩阵运算,把光谱矩阵和浓度或性质矩阵联系起来,立校正模型:使用验证集光谱和校正模型计算验证集预测值,并与验证集浓度或性质参考值比对,评价校正模型的预测能力和模型的有效性:根据评价结果决定校正模型能否使用或更新。4.3本标准采用化学计量学中多元校正方法立校正模型。多元线性回归MLR、主成分回归PCR和偏最小二乘法PIS是常用方法,适用于光谱变化与浓度或性质变化呈线性相关关系或接近线性相关关系的体系,具有较强的模型内插或模型外推能力。神经网络等方法适用于光谱变化与浓度或性质变化3莲明Z..ET
GB/T29858-2013呈非线性关系的体系,模型内插或模型外推能力较弱。其他多元校正方法也可以用于立校正模型,但不能检测异常值或异常样品,也不能利用本标准的步骤进行模型验证。采用统计检验方法检测校正模型立过程中的异常值或异常样品、模型外推得到的预测值、分子光谱多元校正分析方法重复性以及分子光谱多元校正方法与参考方法一致性。5仪器5.1本标准用来测定分子光谱的仪器包括中红外光谱和近红外光谱仪器。仪器种类包括通用型仪器、专用型仪器、在线仪器和便携式仪器。5.2仪器测定的光谱可以是波长或频率连续光谱,也可以是波长或频率离散光谱。提供的光谱数据应包括吸光度数据和波长或频率数据。5.3光谱数据利用计算机采集和存储。5.4仪器关键技术指标视具体应用要求确定,主要包括波长或频率范围、波长精密度、分辨率、信噪比、光谱测量精密度和同型号仪器之间光谱一致性等指标。5.5仪器应配备光谱测量软件和化学计量学软件。化学计量学软件应具有样品光谱及浓度或性质数据录入、存取和数据格式转换、光谱预处理、多元校正模与验证以及预测未知样品浓度或性质等功能。5.6仪器配备的测样附件应视待测样品形态确定,主要包括透射、漫反射、漫透射、积分球、衰减全反射、光纤探头等附件。5.7考量仪器能否用于分子光谱多元校正分析的最重要指标是光谱测量重复性。一般在全波长或频率范围内或者模采用的波长或频率范围内,推荐不经过预处理,多次重复光谱吸光度标准偏差小于设定的光谱偏差最大限值。该限值由用户通过研究模所用仪器的实际情况和所模型的精密度要求来设定,以使测量光谱重复性符合模型精密度要求。5.8考量仪器能否用于分子光谱多元校正模型传递的最重要指标是仪器间光谱一致性,一般在全波长或频率范围内或者模采用的波长或频率范围内,推荐不经过预处理,仪器间多次重复光谱吸光度标准偏差小于设定的光谱偏差最大限值。该限值由用户通过研究模所用仪器的实际情况和所模型的精密度要求来设定,以使测量光谱重复性符合模型精密度要求。6光谱测量6.1光谱测量应遵循在光谱测量过程中最大限度避免引人误差的原则,以减少对校正模型预测能力的不利影响。62多元校正分析依据为比耳定律,即均匀样品中某物质吸收强度与该物质浓度呈线性关系。样品的吸光度定义为透过率T倒数的常用对数,如式(1):A=log1o(1/T)……(1)透过率T定义为光透过样品后的能量与人射光能量的比值。反射方式测量时,使用反射率R代替透过率。反射率定义为光经样品反射后的能量与入射光能量的比值。注:式A=1Og(1/R)在用于反射时不属于定义,而是用于描述反射率R与吸收物质浓度之间的线性关系。对于一些应用领域,其他线性函数可能更适用,例如,Kubelka-Munk。6.3不同的仪器,可能会使用不同的背景信号测量方式。对所有校正样品、验证样品和待测未!样品的光谱测量应使用同一背景信号测量方式。6.4对校正样品的光谱测量,宜采用每采集一个样品光谱之前,采集一次背景信号的测量方式,以消除背景或仪器性能随时间漂移对光谱测量精密度带来的不良影响。6.5校正样品光谱、验证样品光谱和待测未知样品的光谱,应以同样的方式采集,光谱测量中任何变化罚素荷网Z.ZC.ET
GB/T29858-2013未包含在校正模型中都将会带来误差。66对于不均匀样品如颗粒等,宜采用多次重复测量光谱的平均光谱,使测定的光谱对样品整体具有代表性。67环境因素对光谱测量精密度影响不可忽视,应注意控制环境对光谱测量精密度的影响。例如,如果样品保存在冰箱或冷藏室内,光谱测量前,应将样品放置在环境中,当其温度和环境温度达成平衡后再测量。6.8光谱测量过程中应避免因样品本身发生变化而引起光谱变化。如避免样品光照时间过长造成某些样品成分如水分损失引起光谱变化,6.9在正式采集光谱前,宜通过可行性研究实验,计算同一样品多次重复装样测量光谱的偏差,作为确定光谱测量时样品重复测量次数的重要依据。6.10注意仪器长期稳定性对光谱测量精密度的影响,6.11宜避免样品中待测成分光谱吸收强度过大或饱和产生非线性光谱响应。7校正样品的选择71为立一个良好的校正模型,校正集中的样品应包含使用该模型预测的未知样品中可能存在的所有化学成分,且校正集的化学成分浓度范围应涵盖使用该模型预测的未知样品中可能遇到的浓度范围,以保证未知样品的预测是通过模型内插进行分析的:校正集浓度或性质范围最好还应大于或等于参考方法的再现性标准偏差即再现性除以2.77大小的5倍,至少不低于3倍。在整个变化范围内,校正集中样品的化学成分浓度是均匀分布的:校正集中的样品数量应足够多,以能统计确定光谱变量与校正成分浓度或性质艺间的关系廷充个闪J∠.∠○U.N上72根据待测样品的复杂性,确定立校正模型所需样品数量。如待测样品含有较少的浓度变化成分,则存在的光谱变量数较少,使用相对数量较少的校正样品便可确定光谱与样品成分浓度或性质之间的关系。如待测样品含有较多的浓度变化成分,则需较多数量的校正样品立校正模型。对复杂的混合物,获得理想的校正集非常闲难。只有通过立模型初步确定模型所需光谱变量,才能确定校正样品数量是否足够。73对于应用多元校正方法模,如果使用3个或更少的变量数k立校正模型,别除异常样品后校正集应至少含有24个样品:如果使用大于3的变量数k立校正模型,别除异常样品后校正集应至少含有6k个样品,如果模数据进行了均值中心化预处理,剔除异常样品后校正集应至少含有6(k十1)个样品,这样能够保证模型中含有至少20个自由度以进行统计检验,同时保证有足够的样品数量确定光谱变量与校正成分浓度或性质之间的关系。上述样品数量要求仅为满足统计学的最低要求,实际中应根据影响模因素(如环境温度变化等)和可行性,探索确定合适的样品数量」注:通常,MLR的变量数为被长或毅率数量:PCR为主成分数:PLS为主成分数或潜变量数7.4宜使用主成分分析P℃A方法对校正集光谱进行探索性分析,检查校正集是否有异常的分布或聚类,指导剔除异常样品或相同或极为相近的样品。注:别除异常样品时可能会使一部分信息丢失,因此需谨慎别除异常样品,为提高统计分析的可常性,议对每次别除后的光谱进行检验,并将别除的数量控制在一定的比例之内。7.5不同类型的样品可能会使校正集的空间分布形成多个子集。可根据每个子集立校正模型,提高模型对未知样品预测的稳健性。8验证样品的选择8.1验证集中的样品应包含使用模型分析的待测样品中可能存在的所有化学组成。理素时网Z.Z.WE1
GB/T29858-201382验证集化学成分浓度范围应涵盖该模型分析的待测样品中可能遇到的浓度范围。在整个变化范围内,验证集中样品的化学成分浓度是均匀分布的。8.3验证集中的样品数量应足够多,以能统计确定光谱变量与待校正的成分浓度或性质之间的关系。对复杂的混合物,获得一个理想的验证集非常困难。验证集中的样品数量取决于模型的复杂性。如待测样品含有较少浓度变化的成分,则光谱变量较少,使用数量较少的验证样品便可确定光谱与浓度或性质之间的关系。如待测样品含有较多浓度变化的成分,验证模型时需较多数量的验证样品。在验证过程中最好使用能通过模型内插进行分析的样品。如果模型使用了5个或更少的光谱变量,内插样品数不能少于20:如果模型使用了大于5的光谱变量k,则验证集中的内插样品数应不少于4。另外,验证集还应满足如下要求:涵盖模型立时的浓度或性质变化范围,即验证集浓度或性质范围和标准偏差至少为模型校正集浓度或性质范围和标准偏差的95%,而且在整个范围内尽可能均匀分布;涵盖模型立时的光谱变量变化范围,即如果校正集光谱变量的变化范围由α到b,光谱变量的标准偏差是c,则验证集光谱变量应涵盖至少由α到b范围的95%,且在整个范围内尽可能均匀分布以保证其标准偏差至少涵盖c的95%。只有验证集被模型分析后,确定验证集的光谱变量,才能确定验证集是否满足要求。84验证集应包含异常样品,用于检验立模型时异常样品检测方法的有效性,判断遇到异常样品时模型出现的问题以及异常样品对模型的影响程度。8.5使用与校正集光谱完全一致的方式采集验证集光谱。8.6验证集参考值也应使用与校正集相同的参考方法测定。9参考方法和参考值9.1只含几个化学成分的简单混合物可以配制混合物作为分子光谱多元校正分析的标样。由于化学成分吸收光谱之间可能存在相互干扰,因此,即使只分析一种成分,也不能只改变标样中部分成分的浓度,而是应改变所有成分的浓度,其浓度范围涵盖实际待测样品浓度范围。92对于浓度测量,其浓度单位宜使用体积单位,如体积分数、克每毫升、摩尔每立方厘米等。若使用如质量分数等其他浓度单位的参考值立多元模型,可能会产生非线性关系,造成浓度预测准确度下降。9.3对于复杂体系的混合物,如石油化工产品等,不可能配制标样,应采集实际样品立分子光谱多元校正模型。此时,使用参考方法测定校正集和验证集的参考值。浓度或性质的模型预测准确度在:很大程度上取决于参考值的精密度和准确度。模型预测值与参考值的一致性不可能超过参考方法的重复性,即使模型预测值为真值。了解参考方法的精密度或重复性对分子光谱校正模型的立十分关键。使用重复多次测定的参考值的平均值模可有效提高模型精密度。9.4如果参考值由一个实验室测定,则需通过合适的质量控制程序监控测量过程确定偏差和精密度,详见GB/T27407。如果参考方法没有规定偏差和精密度,则可通过多家实验室间的比对试验确定。9.5小心妥善采集、保存样品,否则,类似石油炼制烃类等产品可能会随时间而变化。用于光谱采集或参考值测量的样品组成应能够代表取样时样品组成,而且在样品储存运输过程中,组成不能发生变化。应按照样品所属行业的国家标准或行业标准等标准方法取样。例如,石油类样品按照GB/T4756、GB/T11147、SH/T0233、SN/T0826等国家标准或行业标准取样。储存、运输样品时,保证样品成分不变十分关键。不宜长期储存样品,因为尽管取样时采取了预防措施,但样品仍可能随时间而变化。样品的变化会引起仪器所测光谱的改变,从而影响预测值,同时也会引起参考方法测定的成分浓度或性质的变化。因此,应在较短的时间内同步完成样品参考值和样品光谱的测定。如有困难,应根据具体情况设定完成时限。96对于成分分布不均匀的样品,取样和制样方式应确保测定的参考值对样品整体具有代表性。97若参考方法是现行标准方法,且方法中规定了重复性和再现性,此时,只需检查参考值的测量是否6罚素村网Z.沁
GB/T29858一2013符合方法要求,同时用符合质量控制程序的数据,统计检验参考方法的重复性是否在标准方法规定的范围内,如果参考方法没有规定重复性和再现性数据,则至少从校正集中选择3个能涵盖整个模型参考值范围的样品,其中1个样品位于整个参考值范围的下部1/3范围,1个样品则位于中部1/3范围,1个样品位于上部1/3范围。每个样品至少测量6次,计算多次重复测量的标准偏差,并与模期望的重复性进行比较。98如果参考方法是现行标准方法,参考值是由多家实验室测定的,则可直接使用该参考值。多家实验室的标准偏差可用作参考方法再现性误差的估计值。9.9若参考方法不属于现行标准方法,分析方法重复性和再现性由模者按照GB/T6379.2方法确定。910如果某一校正或验证样品的参考值采用多种参考方法测定,应对上述测定结果进行狄克逊检验,以确定所有参考值是否来自于同一个总体,或者是否存在一个或多个可别除的置疑数据。注:狄克逊检验方法参见附录A。10可行性模型的立10.1对于一个新的应用领域,当不能确定能否利用分子光谱立多元校正模型时,应进行可行性研究,以确定样品分子光谱与其成分浓度或性质间是否存在相关关系,是否能够立满足实际需求的模型。若证明可行,则扩充完善模型并验证模型,10.2收集约30个~50个样品,样品基本能涵盖实际样品的成分浓度或性质范围。避免所收集样品主要成分间存在共线性,除非实际样品的确存在共线性。样品成分浓度或性质变化范围在数值上应大于或等于参考方法再现雅标在偏差的5至少不小3倍.乙,SC.NE10.3分子光谱采集条件如样品颗粒大小、样品外观及操作等能够再现。如果在实际分析过程中会使用不同测量条件,则需采集各个测量条件下每个样品的光谱。10.4参考值由参考方法测定,如果成分浓度或性质的范围小于参考方法再现性标准偏差的5倍,则应对每个样品进行,次重复测量,使成分浓度或性质变化范围的F倍大于参考方法标准偏差的5倍,至少不小于3倍10.5使用多元校正方法立可行性模型,过程见第12章,10.6立校正模型时,宜使用交互验证方法的SECV或PRESS对校正模型进行检验。其他统计方法也可全面评价所模型质量。若交互验证的SECV证明模型能够满足精密度要求,则收集更多的样品完善校正集和验证集,采集分子光谱,测定参考值,立和验证最终模型。11数据预处理11.1为消除光谱测量过程中引入的噪声对摸型的不利影响,宜在模型立前采用各种数据预处理方法对光谱数据进行预处理。常用数据预处理方法包括:平滑、微分、多元散射校正MSC、中心化和标准化等。微分可降低光谱基线变化的不利彩响,但同时也会降低光谱的信噪比:平滑可提高信嗓比,但也会降低分辨率:MSC可降低固体颗粒散射作用的影响。为减少矩阵逆数学运算带来的误差,宜对参与模的光谱数据和浓度或性质数据进行中心化处理。中心化处理是将每个光谱减去校正集的平均光谱,或者将每个浓度或性质减去校正集的平均浓度或性质。如果利用预处理后的光谱数据立的模型满足实际测量精密度要求并通过有效性检验,则该预处理方法可用。11.2对校正集原始光谱数据或预处理后光谱数据进行统计分析,选择随成分含量变化而变化明显的理时Z.ZC.E1
评星:
  • 0
  • 0

作品评论(0)

登录 后参与讨论
相关推荐:
本站所有资源由用户上传,仅供学习和交流之用;未经授权,禁止商用,否则产生的一切后果将由您自己承担!素材版权归原作者所有,如有侵权请立即与我们联系,我们将及时删除
浏览:152 次数:2
下载:免费下载 收藏:0
等级:
编号:200591 5
文件格式:pdf文本
文件大小:2.72MB
投稿:1001 进入
上传时间:2022/8/15 22:10:28
如有侵权请联系删除

您可能在找这些:

网站首页 典尚平台 建筑素材 三维模型 室内装修 视频素材网 上传教程 帮助中心 热门搜索 版权申明 关于我们 联系典尚

Copyright © 2000-2020 www.jzsc.net.粤ICP备07047611号 All Rights Reserved.

客服QQ:609470690 客服电话:0755-83549300 深圳市典尚风设计有限公司

Copyright© 2016典尚平台 JZSC.NET

网站推荐使用腾讯、Chrome浏览器浏览,不推荐360,很卡

粤公网安备 44030302000908号

QQ咨询
推广分享
×
复制本页url网址

推广详情

如您已登录,分享网址将自动加载您的推广编号,您将获得2元/注册用户的奖励。

推广记录  积分记录

网站首页
回顶部