文档介绍：近红外建模与模型评价
联系方式
倪勇: M: **********
E-mail: niyongperten
MSN: ni_yong_2019hotmail
个预测结果通过简单平均或加权平均作为最终的预测结果，可获得更高的预测精度和稳定性。
快速建模的基本过程
1、选取少量样品（如20个）建立基础模型（注意实时性、样品选择、环境控制、化学参考值精度控制等）
2、使用基础模型预测新的样品，粗选特异点，补充基础数据库。
3、使用新的数据库建立新的校准，更新模型，提高精度与适用度。
4、使用初期要养成将比对样品加入基础数据库中的习惯。
5、本地化模型以100－200个样品为宜。
保证模型精度条件
实时性：很多样品的某些成分会随着时间或环境变化而发生改变，如对于最常见的水分含量就受环境的温湿度影响。所以要求建模过程尽量保证实时性，即将扫描与化学分析同步进行。一些常见的积攒样品集中建模的方法并不科学。对于DA7200来说，建立一个很基础的模型只需要很少量的样品，但可以在今后逐步补充新的样品，这一过程可以在分析验证的同时自然完成，所以不要认为建模是突击性的短期行为。
样品筛选：建模用的样品并不是越多越好，样品的收集过程也并不是一个无止境的过程。样品的化学值尽量要涵盖将来要分析的未知样品的范围，并且在该范围内分布均匀，样品的品种本身具有较强的代表性，这样建立的模型并不一定使用很多的样品（通常100个左右），就可以在长时间内保证好的适用度。
化学结果的精度保证：对于用户来说，这一环节是建模过程中最重要的一步。因为化学结果是近红外检测的数据基础，所以化学结果的精度直接决定近红外的精度，从过去的经验来讲，可以采取以下措施控制化学值：1、建模样品的化学值要尽量来自于同一个化验室，如果必须使用多家实验室的结果，也要使用统一标准后的检验结果（如实验室间的集团环比结果很好或使用标准样品先统一结果，消除实验室间的系统误差）。
2、实验室的双试验结果应当满足国家标准，如果结果不好，需要进行多次检验以验证结果。但这并不足以保证检测结果的准确性，一定要做到不同的检验人员进行盲双试样检测的重复性精度也达到要求，如果不满足，则最好选用有经验的化验人员独立检验为仪器提供建模基础数据。3、为了减少建模的工作量，可以使用初步的模型对样品进行粗选，然后选取代表性强且梯度含量好的样品进一步做化学法检测。
4、对于没有条件的实验室，可以先收集样品，然后通过与有条件的实验室合作建立实用的检验模型。5、任何模型都有其适用范围，万能的通用模型是不存在的，适用度往往是以牺牲精度为前提的，所以还是建议尽量建立独立的适用于本企业的近红外模型。
测量条件：测量条件的控制将影响仪器的自身精度，主要包括：
检测环境条件控制
样品的前处理方法
检测装样过程控制等
特别提醒
1、好的曲线需要不断维护：增加新的样品以提高适用度。但不需要特别添加普通数据，要添加的样品应该是影响模型精度的样品（截距调整的节点），只需要养成将日常比对的有标准化学值的样品加入数据库即可。
2、要建立一个基础收集数据库，最好养成统一命名的习惯以便后续查询。
特别提醒
3、样品的收集周期持续半年到一年的时间为宜，这样不但可以扩展曲线范围，而且可以很好克服环境变化的影响。多个品种的样品要同时收集。
4、对于温差变化较大的实验室环境和检测液体样品的情况，需要加入温度补偿样品以克服温度的影响。
特别提醒
5、对于有条件自己建模的用户可以建立自己的校准模型。但如果使用Grams不够熟练，可以将基础数据库发给我们公司，我们将协助建模，但务必保证数据库的完整性和条理性。
6、在收集几十个样品（30个以上）后就要建立初级模型，以便从初级模型上就可以看出误差来源以便解决，以免造成工作上不必要的浪费。
模型不好！
模型一般！
模型很好
异黄酮曲线
精选49个样品建立的液态赖氨酸发酵液中赖氨酸含量预测模型的近红外值与实验室值的相关性R^2=
浓缩磷脂丙酮不溶物近红外检测值与实验室值的相关性R^2＝
整粒花生的含油近红外预测值与实验室值的相关性R^2=
小麦蛋白曲线
小麦面筋曲线
准确度和精确度
准确度表示分析结果与真实值之间的接近程度。
分析结果与真实值之间的差值称误差
精确度表示各次分析结果相互接近的程度
精确度分为重复性Repeatability和再现性Reproducibility
重复性表示同一分析人员在同一条件下所得分析结果的精确度
再现性表示不同分析人员或不同实验室之间在各自的条件下所得到的精确度
近红外与标准方法分析
近红外分析准确度无论如何也不会比对定标样品集标准