基于异常样品剔除的酒醅近红外定量分析模型的精度提升

目的 利用异常识别算法识别出原数据集中存在的奇异点,以建立预测精度更高的酒醅定量分析模型.方法 采用集群分析思维,利用马氏距离、主成分马氏距离、蒙特卡罗交叉验证法对108个样本进行异常样品识别及剔除,以光谱-理化值共生距离算法进行样品集的划分,划分比例为3∶1.结果 酒醅水分近红外定量分析模型经马氏距离处理后预测精度达到最高,预测相关系数上升了 0.43％,预测均方根误差下降了6.94％;酒醅酸度近红外定量分析模型经马氏距离处理后预测精度达到最高,预测相关系数上升了 0.02％,预测均方根误差下降了 0.20％;酒醅还原糖近红外定量分析模型经蒙特卡罗处理后,预测相关系数上升了8.74％,预测均方根误差下降了 42.14％;酒醅淀粉近红外定量分析模型经蒙特卡罗处理后预测精度达到最高,预测相关系数上升了 2.81％,预测均方根误差下降了 57.80％.结论 经过验证,剔除异常样品可建立出预测精度更高的酒醅定量分析模型.