红外光谱定量分析

红外光谱的定量分析简述[img]http://www.instrument.com.cn/bbs/images/affix.gif[/img][url=http://www.instrument.com.cn/bbs/download.asp?ID=19088]红外光谱的定量分析[/url]

QuantBasic软件用于红外光谱定量分析 　　化学计量学原理引入到红外光谱学后 ,使得红外光谱定量分析有了突破性进展。利用 MB15 4S型FTIR光谱仪专配的 Quant Basic定量软件 ,对红外光谱定量分析中基线取法进行了研究 ,并得出最优方法。通过对己二酸进行定量分析 ,验证了此软件对混合物中单组分定量不仅操作简便 ,快速可行 ,而且简化了训练集的建立和样品前处理【关键词】：红外光谱 定量分析 FTIR光谱仪【正文快照】：　　1　引言自 2 0世纪 40年代中期 ,第一台红外光谱仪问世后即开始了定量分析的应用和研究工作。红外光谱法具有适用性强 ,气、固、液的样品都可以测试而不破坏原样的特点。但在早期 ,相对于紫外 -可见光光谱 ,红外光谱的定量分析应用范围是有限的。 2 0世纪 70年代以后 ,计算机技

有使用在线红外光谱的吗？请问没有用高手用红外光谱做多组分混合物定量分析的？

我是一名医学在校研究生，现在想做一红外光谱分析仪测尿路结石成分定量分析的实验。我们研究所里没有定量分析的软件，请问各位前辈，对于你们专业人士，定量分析难吗？有哪位愿意帮助我分析的呢？我可以付酬金。

红外光谱定量分析方法有哪些？

请问大家，红外光谱做定量分析，主要分析波数差为10个波数的两个峰的相对含量，能测得准吗？

红外光谱用于定量分析远远不如紫外-可见光谱法。其原因是： 1、红外谱图复杂，相邻峰重叠多，难以找到合适的检测峰。 2、红外谱图峰形窄，光源强度低，检测器灵敏度低，因而必须使用较宽的狭缝。这些因素导致对比尔定律的偏离。 3、红外测定时吸收池厚度不易确定，参比池难以消除吸收池、溶剂的影响。 定量分析依据是比尔定律：ecl=logI0/I或A=ecl。如果有标准样品，并且标准样品的吸收峰与其它成分的吸收峰重叠少时，可以采用作出标准曲线的方法进行分析，即配制一系列不同含量的标准样品，测定数据点，作出曲线。相关步骤可参考紫外-可见光谱的定量分析方法。

红外光谱定性分析：一般采用三种方法：用已知标准物对照、标准谱图查对法和直接谱图解析法。 1. 已知物对照应由标准品和被检物在完全相同的条件下，分别绘制红外光谱图进行对照，谱图相同则肯定为同一化合物。 2. 标准谱图查对法是一种最直接、可靠的方法。在用未知物谱图查对标准谱图时，必须注意：测定所用仪器与绘制标准谱图的在分辨率和精度上的差别，可能导致某些峰细微结构的差别；未知物与标准谱图的测定条件必须一致，否则谱图会出现很大差别；必须注意引入杂质吸收带的影响。如KBr压片可能吸水而引入水吸收带等。 3. 对于未知化合物，可按照如下步骤解析谱图：先从特征频率区入手，找出化合物含有的主要官能团；指纹区分析，进一步找出官能团存在的依据；仔细分析指纹区谱带位置、强度和形状，确定化合物的可能结构；对照标准谱图，配合其他鉴定手段，进一步验证。 红外光谱定量分析： 选取合适的定量吸收峰，测定吸收峰的吸光度，依据朗佰-比尔定律，计算待测组分含量。

有没有用红外光谱做定量分析的？如果有的话是不是只能对某些特殊物质适用？希望得到解答

红外光谱定性分析：一般采用三种方法：用已知标准物对照、标准谱图查对法和直接谱图解析法。 1. 已知物对照应由标准品和被检物在完全相同的条件下，分别绘制红外光谱图进行对照，谱图相同则肯定为同一化合物。 2. 标准谱图查对法是一种最直接、可靠的方法。在用未知物谱图查对标准谱图时，必须注意：测定所用仪器与绘制标准谱图的在分辨率和精度上的差别，可能导致某些峰细微结构的差别；未知物与标准谱图的测定条件必须一致，否则谱图会出现很大差别；必须注意引入杂质吸收带的影响。如KBr压片可能吸水而引入水吸收带等。 3. 对于未知化合物，可按照如下步骤解析谱图：先从特征频率区入手，找出化合物含有的主要官能团；指纹区分析，进一步找出官能团存在的依据；仔细分析指纹区谱带位置、强度和形状，确定化合物的可能结构；对照标准谱图，配合其他鉴定手段，进一步验证。 红外光谱定量分析： 选取合适的定量吸收峰，测定吸收峰的吸光度，依据朗佰-比尔定律，计算待测组分含量。

红外光谱定量分析法测定阿奇霉素的研究[img]http://www.instrument.com.cn/bbs/images/affix.gif[/img][url=http://www.instrument.com.cn/bbs/download.asp?ID=165929]红外光谱定量分析法测定阿奇霉素的研究[/url]

还有一个问题,双组分红外光谱定量分析方法都适用的那些范围?谢谢老师们指点!!

所谓多元是指多个波长处的谱带，单元是指单个波长处的谱带。在红外光谱中（不是近红外）人们似乎多用单元线性回归和最多两元的比例线性回归来进行定量分析。我很想知道，像近红外那样用多元线性分析方法来分析红外光谱，是不是一个用效的定性（如种类的鉴别）和定量（如组分的比例）分析方法？

需要对纺织材料多组分进行定量分析，但是用化学方法又比较花时间，想能利用一下红外光谱，希望有做过的朋友提供帮助！

①准确扫描校正样品集中各个样品规范的近红外光谱：为了克服近红外光谱测定的不稳定性的困难，必须严格控制包括制样、装样、测试条件、仪器参数等测量参数在内的测量条件；利用该校正校品集建立的数学模型，也只能适用于按这个的测量条件所测量光谱的样品。②选择与建立校正样品集中各个样品：为了克服近红外光谱复杂与变化的高背景，校正样品集中的各个样品必须包括今后待测样品中的全部背景，利用该校正样品集建立的数学模型，就能够校正样品中各种复杂的背景，该数学模型也只能适用于包括这些背景的样品。③准确测定样品集中每个样品的各种待测成分或性质(称为化学值)。因为这些值测定的精确度是近红外光谱运用数学模型进行定量分析精确度的理论极限。④剔除异常值，建立校正校品集(标样集)：由上述①、②环节测定的校正样品集中种样品的光谱与化学值，有可能由于种随机的原因而有较严重的失真，这些样品的测定值称为异常值。为保证所建数学模型的可靠性，因此在建立模型时应当剔除这些异常值。⑤对校正样品集中样品光谱的预处理与分析谱区的选定：光谱的预处理与谱区的选定，是克服近红外光谱测定不稳定的有效环节。根据标样光谱的状况对光谱预处理，包括求导、数字滤波、付立叶变换与小波变换滤波等，以降低系统背景与随机背景。⑥选择算法、确定模型的参数、建立、检验与评价数字模型：常用的算法有逐步回归分析、偏最小二乘法、主成分回归分析等。这些算法的基本思想是应用近红外光谱的全光谱的信息，以解决近红外光谱的谱峰重叠与复杂背景的影响。⑦用外部证实法检验和评价数学模型，以检验数学模型在时间空间上的稳定性。可以用另外几批独立的、待测量已知的检验样品集，用数学模型预测计算检验集中各样品的待测值；对实际值与预测值作线性相关，并用相关系数和预测标准差来表示预测效果，要求相关系数接近1、预测标准差逼近于校正标准差。为了检验数学模型在时间、空间上的稳定性，需要用数学模型预测不同时间和空间的检验样品集，检验预测标准差是否都能得到稳定的结果。

[img]http://www.instrument.com.cn/bbs/images/affix.gif[/img][url=http://www.instrument.com.cn/bbs/download.asp?ID=63054][url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]在品质分析和定量分析中的应用[/url]跟大家分享一下

因样品红外光谱谱图中峰峰之间重叠比较严重，现在想通过对油样的中红外光谱进行傅里叶解卷积，提高分辨率，将隐藏的峰显示出来。然后用物质的特征峰峰面积或峰高建立模型，对物质进行定量分析。哪位大侠知道哪些软件可以实现傅里叶自卷积功能，以及具体的操作。希望做过这方面研究的朋友们，发我些相关资料或给我些建议，实现物质的准确定量。在此谢谢大家了！[img]http://simg.instrument.com.cn/bbs/images/brow/em09505.gif[/img] [img]file:///C:/Users/ADMINI~1/AppData/Local/Temp/LVM_1QM[SND_W(A)9W3SSL8.jpg[/img]

[em01] [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]定量分析的七个环节① 准确扫描校正样品集中各个样品规范的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]：为了克服[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]测定的不稳定性的困难，必须严格控制包括制样、装样、测试条件、仪器参数等测量参数在内的测量条件；利用该校正校品集建立的数学模型，也只能适用于按这个的测量条件所测量光谱的样品。 ② 选择与建立校正样品集中各个样品：为了克服[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]复杂与变化的高背景，校正样品集中的各个样品必须包括今后待测样品中的全部背景，利用该校正样品集建立的数学模型，就能够校正样品中各种复杂的背景，该数学模型也只能适用于包括这些背景的样品。可以按光谱特征或浓度来选择校正校品集。③ 准确测定样品集中每个样品的各种待测成分或性质（称为化学值）。因为这些值测定的精确度是[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]运用数学模型进行定量分析精确度的理论极限。④ 剔除异常值，建立校正校品集（标样集）：由上述 ① 、② 环节测定的校正样品集中种样品的光谱与化学值，有可能由于种随机的原因而有较严重的失真，这些样品的测定值称为异常值。这些失真的样品，若包含在校正校品集中，就会影响所建数学模型的可靠性，因此在建立模型时应当剔除这些异常值。一般定量分析程序中都包含用统计方法指出某些异常值，应用人员可以根据情况决定是否将这些异常样品剔除。 ⑤ 对校正样品集中样品光谱的预处理与分析谱区的选定：光谱的预处理与谱区的选定，是克服[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]测定不稳定的有效环节。根据标样光谱的状况对光谱预处理，包括求导、数字滤波、付立叶变换与小波变换滤波等，以降低系统背景与随机背景。[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]定量分析数学模型所包含的谱区（光谱的数据点）一般应根据样品的特点而选定；增加谱区的范围就可以增加对光谱信息采集的范围，即提高信息量；但因为每个光谱的数据点也包含了测量误差，因此数学模型所利用的数据点越多，则包含的测量误差也越大，为了减少[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]中某些信息量小、失真大的部分谱区，以避免这些谱区的测量误差影响数学模型的稳定性，需要选择建立数学模型所用的谱区。可以依据导数光谱或相关系数随频率变化的相关图，用以选择数学模型包括的频率范围。 ⑥ 选择算法、确定模型的参数、建立、检验与评价数字模型：常用的算法有逐步回归分析、偏最小二乘法、主成分回归分析等。这些算法的基本思想是应用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]的全光谱的信息，以解决[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]的谱峰重叠与复杂背景的影响。如前所说，不同组分虽然在某一谱区可能重叠，但在全光谱范围内不可能完全相同，因此，为了区别不同组分，必须应用全光谱的信息。可用内部交叉证实法确定数学模型所用的最佳维数（即阶数）。内部交叉证实的方法是评价确定数学模型的一种有效方法。这种方法是依次、每次从校正样品集中提出一个或几个样品，然后用剩余的样品建立数学模型，并用数学模型预测原来提出的一个或几个样品，作为对数学模型的检验。反复进行上述步骤，直至校正样品集中的每个样品都被预测检测过一次为止。为了评价数学模型，将内部交叉证实时用数学模型预测计算的校正集中各样品的化学值与各样品的实际值作线性相关，计算相关系数和校正标准差，并用相关系数与校正标准差来评价数学模型的预测效果。要求相关系数接近 1 、校正标准差逼近于校正集测定标样化学值的标准差。如果内部交叉证实的方法确定数学模型预测的效果较好，则可以运用外部证实法进一步检验和评价数学模型；不然，须重复 ④ 、 ⑤ 、 ⑥ 以优化数学模型 ⑦ 用外部证实法检验和评价数学模型，以检验数学模型在时间空间上的稳定性。可以用另外几批独立的、待测量已知的检验样品集，用数学模型预测计算检验集中各样品的待测值；对实际值与预测值作线性相关，并用相关系数和预测标准差来表示预测效果，要求相关系数接近 1 、预测标准差逼近于校正标准差。为了检验数学模型在时间、空间上的稳定性，需要用数学模型预测不同时间和空间的检验样品集，检验预测标准差是否都能得到稳定的结果。如果外部证实的方法确定数学模型预测的效果好，则可以考虑[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析中应用这些数学模型；不然须重复 ④ 、 ⑤ 、 ⑥ 以优化数学模型。如果测定的样品在时间和空间条件上有一些新的变化，原有的数学模型已不适合此新条件，则需重新建立有代表性的校正样品集（可以在原有的样品集中增加一些新的样品类型，以使新的校正样品集能代表新的类型样品），然后再按照 ①—⑦ 环节对数学模型进行修正与维护。

[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]定量分析的七个环节① 准确扫描校正样品集中各个样品规范的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]：为了克服[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]测定的不稳定性的困难，必须严格控制包括制样、装样、测试条件、仪器参数等测量参数在内的测量条件；利用该校正校品集建立的数学模型，也只能适用于按这个的测量条件所测量光谱的样品。 ② 选择与建立校正样品集中各个样品：为了克服[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]复杂与变化的高背景，校正样品集中的各个样品必须包括今后待测样品中的全部背景，利用该校正样品集建立的数学模型，就能够校正样品中各种复杂的背景，该数学模型也只能适用于包括这些背景的样品。可以按光谱特征或浓度来选择校正校品集。③ 准确测定样品集中每个样品的各种待测成分或性质（称为化学值）。因为这些值测定的精确度是[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]运用数学模型进行定量分析精确度的理论极限。④ 剔除异常值，建立校正校品集（标样集）：由上述 ① 、② 环节测定的校正样品集中种样品的光谱与化学值，有可能由于种随机的原因而有较严重的失真，这些样品的测定值称为异常值。这些失真的样品，若包含在校正校品集中，就会影响所建数学模型的可靠性，因此在建立模型时应当剔除这些异常值。一般定量分析程序中都包含用统计方法指出某些异常值，应用人员可以根据情况决定是否将这些异常样品剔除。 ⑤ 对校正样品集中样品光谱的预处理与分析谱区的选定：光谱的预处理与谱区的选定，是克服[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]测定不稳定的有效环节。根据标样光谱的状况对光谱预处理，包括求导、数字滤波、付立叶变换与小波变换滤波等，以降低系统背景与随机背景。[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]定量分析数学模型所包含的谱区（光谱的数据点）一般应根据样品的特点而选定；增加谱区的范围就可以增加对光谱信息采集的范围，即提高信息量；但因为每个光谱的数据点也包含了测量误差，因此数学模型所利用的数据点越多，则包含的测量误差也越大，为了减少[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]中某些信息量小、失真大的部分谱区，以避免这些谱区的测量误差影响数学模型的稳定性，需要选择建立数学模型所用的谱区。可以依据导数光谱或相关系数随频率变化的相关图，用以选择数学模型包括的频率范围。 ⑥ 选择算法、确定模型的参数、建立、检验与评价数字模型：常用的算法有逐步回归分析、偏最小二乘法、主成分回归分析等。这些算法的基本思想是应用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]的全光谱的信息，以解决[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]的谱峰重叠与复杂背景的影响。如前所说，不同组分虽然在某一谱区可能重叠，但在全光谱范围内不可能完全相同，因此，为了区别不同组分，必须应用全光谱的信息。可用内部交叉证实法确定数学模型所用的最佳维数（即阶数）。内部交叉证实的方法是评价确定数学模型的一种有效方法。这种方法是依次、每次从校正样品集中提出一个或几个样品，然后用剩余的样品建立数学模型，并用数学模型预测原来提出的一个或几个样品，作为对数学模型的检验。反复进行上述步骤，直至校正样品集中的每个样品都被预测检测过一次为止。为了评价数学模型，将内部交叉证实时用数学模型预测计算的校正集中各样品的化学值与各样品的实际值作线性相关，计算相关系数和校正标准差，并用相关系数与校正标准差来评价数学模型的预测效果。要求相关系数接近 1 、校正标准差逼近于校正集测定标样化学值的标准差。如果内部交叉证实的方法确定数学模型预测的效果较好，则可以运用外部证实法进一步检验和评价数学模型；不然，须重复 ④ 、 ⑤ 、 ⑥ 以优化数学模型 ⑦ 用外部证实法检验和评价数学模型，以检验数学模型在时间空间上的稳定性。可以用另外几批独立的、待测量已知的检验样品集，用数学模型预测计算检验集中各样品的待测值；对实际值与预测值作线性相关，并用相关系数和预测标准差来表示预测效果，要求相关系数接近 1 、预测标准差逼近于校正标准差。为了检验数学模型在时间、空间上的稳定性，需要用数学模型预测不同时间和空间的检验样品集，检验预测标准差是否都能得到稳定的结果。如果外部证实的方法确定数学模型预测的效果好，则可以考虑[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析中应用这些数学模型；不然须重复 ④ 、 ⑤ 、 ⑥ 以优化数学模型。如果测定的样品在时间和空间条件上有一些新的变化，原有的数学模型已不适合此新条件，则需重新建立有代表性的校正样品集（可以在原有的样品集中增加一些新的样品类型，以使新的校正样品集能代表新的类型样品），然后再按照 ①—⑦ 环节对数学模型进行修正与维护。

[img]http://www.instrument.com.cn/bbs/images/affix.gif[/img][url=http://www.instrument.com.cn/bbs/download.asp?ID=100969][url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分辨率对定量分析的影响[/url]分享！

求一张SO2的红外光谱图，以及如何利用红外定量分析SO2含量

请问傅里叶变换红外光谱仪分析样品的检出限如何计算？红外光谱法的定量分析是否准确度很高？

[color=#DC143C]① 准确扫描校正样品集中各个样品规范的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]：为了克服[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]测定的不稳定性的困难，必须严格控制包括制样、装样、测试条件、仪器参数等测量参数在内的测量条件；利用该校正校品集建立的数学模型，也只能适用于按这个的测量条件所测量光谱的样品。 ② 选择与建立校正样品集中各个样品：为了克服[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]复杂与变化的高背景，校正样品集中的各个样品必须包括今后待测样品中的全部背景，利用该校正样品集建立的数学模型，就能够校正样品中各种复杂的背景，该数学模型也只能适用于包括这些背景的样品。可以按光谱特征或浓度来选择校正校品集。③ 准确测定样品集中每个样品的各种待测成分或性质（称为化学值）。因为这些值测定的精确度是[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]运用数学模型进行定量分析精确度的理论极限。④ 剔除异常值，建立校正校品集（标样集）：由上述 ① 、② 环节测定的校正样品集中种样品的光谱与化学值，有可能由于种随机的原因而有较严重的失真，这些样品的测定值称为异常值。这些失真的样品，若包含在校正校品集中，就会影响所建数学模型的可靠性，因此在建立模型时应当剔除这些异常值。一般定量分析程序中都包含用统计方法指出某些异常值，应用人员可以根据情况决定是否将这些异常样品剔除。 ⑤ 对校正样品集中样品光谱的预处理与分析谱区的选定：光谱的预处理与谱区的选定，是克服[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]测定不稳定的有效环节。根据标样光谱的状况对光谱预处理，包括求导、数字滤波、付立叶变换与小波变换滤波等，以降低系统背景与随机背景。[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]定量分析数学模型所包含的谱区（光谱的数据点）一般应根据样品的特点而选定；增加谱区的范围就可以增加对光谱信息采集的范围，即提高信息量；但因为每个光谱的数据点也包含了测量误差，因此数学模型所利用的数据点越多，则包含的测量误差也越大，为了减少[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]中某些信息量小、失真大的部分谱区，以避免这些谱区的测量误差影响数学模型的稳定性，需要选择建立数学模型所用的谱区。可以依据导数光谱或相关系数随频率变化的相关图，用以选择数学模型包括的频率范围。 ⑥ 选择算法、确定模型的参数、建立、检验与评价数字模型：常用的算法有逐步回归分析、偏最小二乘法、主成分回归分析等。这些算法的基本思想是应用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]的全光谱的信息，以解决[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]的谱峰重叠与复杂背景的影响。如前所说，不同组分虽然在某一谱区可能重叠，但在全光谱范围内不可能完全相同，因此，为了区别不同组分，必须应用全光谱的信息。可用内部交叉证实法确定数学模型所用的最佳维数（即阶数）。内部交叉证实的方法是评价确定数学模型的一种有效方法。这种方法是依次、每次从校正样品集中提出一个或几个样品，然后用剩余的样品建立数学模型，并用数学模型预测原来提出的一个或几个样品，作为对数学模型的检验。反复进行上述步骤，直至校正样品集中的每个样品都被预测检测过一次为止。为了评价数学模型，将内部交叉证实时用数学模型预测计算的校正集中各样品的化学值与各样品的实际值作线性相关，计算相关系数和校正标准差，并用相关系数与校正标准差来评价数学模型的预测效果。要求相关系数接近 1 、校正标准差逼近于校正集测定标样化学值的标准差。如果内部交叉证实的方法确定数学模型预测的效果较好，则可以运用外部证实法进一步检验和评价数学模型；不然，须重复 ④ 、 ⑤ 、 ⑥ 以优化数学模型 ⑦ 用外部证实法检验和评价数学模型，以检验数学模型在时间空间上的稳定性。可以用另外几批独立的、待测量已知的检验样品集，用数学模型预测计算检验集中各样品的待测值；对实际值与预测值作线性相关，并用相关系数和预测标准差来表示预测效果，要求相关系数接近 1 、预测标准差逼近于校正标准差。为了检验数学模型在时间、空间上的稳定性，需要用数学模型预测不同时间和空间的检验样品集，检验预测标准差是否都能得到稳定的结果。如果外部证实的方法确定数学模型预测的效果好，则可以考虑[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析中应用这些数学模型；不然须重复 ④ 、 ⑤ 、 ⑥ 以优化数学模型。如果测定的样品在时间和空间条件上有一些新的变化，原有的数学模型已不适合此新条件，则需重新建立有代表性的校正样品集（可以在原有的样品集中增加一些新的样品类型，以使新的校正样品集能代表新的类型样品），然后再按照 ①—⑦ 环节对数学模型进行修正与维护。[/color]

近红外（near-infrared，NIR）光谱是当分子受到近红外区域的电磁辐射后，吸收一部分近红外线，使分子中原子的振动能级与转动能级跃迁而产生的分子吸收光谱。主要反映的是含氢基团（C-H，O-H，N-H，S-H）基频振动的倍频和合频信息，其波长范围为780-2500 nm。[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术以其快速分析、无损检测、操作简便等优点而成为一种重要分析手段，但其吸收信号弱，谱带重叠，需要通过化学计量学方法解析重叠光谱及消除干扰。目前结合化学计量学方法的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术已在农业与食品工业、生命科学与医药、烟草工业、环境工程及石油化工等领域得到了广泛的应用。[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术已被公认为一种精确的水含量测定方法，由于溶剂的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]中包含了有关溶质的重要信息，因此[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术不仅可以作为探测水结构的工具，还可以用来确定水与环境中其他成分的相互作用。水光谱组学作为[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析的一项新兴内容，借助化学计量学方法，分析不同扰动因素（温度、压强、溶质等）下水的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]的变化，在分子水平上反映溶液中其他分子的信息。大量研究工作表明，温度或溶质等扰动因素的变化会引起水中氢键数目的变化，使水的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]谱带的位置和强度发生改变。因此，通过分析光谱中水的谱峰变化，可以反映溶液中溶质的结构信息。由于水光谱组学能够特征识别与水结构相关的水吸收模式，近红外结合水光谱组学可以提供发掘隐藏在[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]中的信息的可能性，为分析水溶液提供新的途径。据报道，[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]结合水探针不仅被用作分析水和金属离子之间相互作用的生物标志物，还被用作反映蛋白质变性过程的指针。除此之外，水探针也实现了水溶液和血清中葡萄糖的准确定量。可见，“敏感”的水是[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术用于定性分析和定量分析的“好帮手”。

[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url](Near lnfrared Spectroscopy，NIBS)分析技术是20世纪70年代发展起来的一种新的成分分析技术，其应用波长范围大约为3-0．70um，属红外光谱范围，是电磁波的一个组成部分。NIRS作为电磁波的一个组成部分，具有电磁波和物体作用时表现出的一般特性，如透射、漫反射、吸收等，此外，其最突出的特点是这一光谱区域为含氢基团的倍频和合频吸收区。物质的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]是其中各基团振动的倍频和组合频率的综合吸收表现。尽管朗伯一比尔(Lamher-Beer)定律适合每个基团的吸收强度与其含量之间的定量关系，但对于一个吸收峰高度叠加光谱的定量分析，简单地应用朗伯一比尔定律显然是不合适的。这也是传统的光谱工作者避开近红外区的原因之一。 早期的NIRS分析技术主要是利用近红外的透射(Near lnfrared Transmittance，NIT)光谱测定液体中的水分含量和苯、乙醇等含一OH基团的化合物[刨。由于大多数食品和农产品的未破坏无损伤物料对NIRS来说是不透明体，测量其透射率有一定困难，所以该技术未能用于食品和农产品分析。真正使NIBS分析技术应用于农产品方面是1976年Norris将近红外反射光谱应用于谷物的水分研究并提出相对NIRS定量分析技术之后，其理论是：物质中某一化学成分的含量与近红外区内多个不同的波长点吸收率呈线性关系。 通过对一批已知其化学成分含量的NIRS校正，可获得X个波长点的回归系数，再用这个被确定的模型来预测未知样品中该化学成分的含量。 近十几年来，随着计算机技术的发展，大量光谱数据的处理成为可能；同时，NIRS分析技术本身也不断地发展，如采用的光谱区段、进样方法、光谱采集方法及定标用的统计方法等，都使NIBS分析技术的应用日益广泛，由最早谷物中水分含量的测定发展到同时测定谷物中的蛋白质、淀粉、油分等多种组分，应用范围也由农业扩展到食品、医药、纺织、石油等行业。2 国内外应用NIB分析技术检测饲料品质情况 NIBS分析技术毕竟是在对农产品尤其是谷物品质分析的研究中形成和发展起来的，目前文献涉及的NIBS分析绝大多数是相对NIB分析，而且多数是农产品方面的品质分析和应用研究，在饲料方面的应用也几乎全是对饲料作物及其产品的品质分析和应用研究。近十几年来笔者检索到的用NIRS分析技术测定水分和／或蛋白质和／或脂肪的报道共有221篇，除26篇涉及医学、15篇涉及环境生态、9篇涉及木材及其加工等行业外，其余171篇都是关于农产晶类的研究，其中饲料类33篇。这33篇报道，都采用相对NIR分析方法。 虽然相对NIB分析技术作为预测粗蛋白含量的快速检测方法已于1989年被AOAC首次通过，但由于该方法在实际应用中技术性能变化较大，AOAC也只是对该方法作一些规则性描述。上述33篇饲料类文献表明，长期以来许多学者对相对NIB分析技术作了很多研究，水分、蛋白质、脂肪、灰分是做得比较多的项目，定标应用效果良好，参见文献国外的实验材料多数选单一原料，也有报道混合饲料的相对NIB效果差于单一原料，对动物性饲料原料或混料的研究较少。 我国NIBS分析技术的研究起步较晚。"七五"期间，以中国农业科学院畜牧所为主，全国约20家研究所联合研制了一些饲料质量分析定标软件，如饲料用玉米、大豆粕、苜宿粉、蛋鸡配合饲料中的干物质(DM)、粗蛋白(CP)、粗纤维(CF)和灰分含量定标软件以及6种饲料的消化能(DE)和代谢能(ME)、4种饲料原料的氨基酸(AA)、6种饲料的植酸磷、饲料添加剂中喹乙醇分析软件。之后，中科院长春光机所研制出了具有9个滤光片NIRl501型近红外反射光谱仪，到1996年出现了该国产NIR分析仪在饲料检测中的应用研究。与国外情况相似，我国的NIBS技术也多以粮谷作物及其产品为研究对象，文献中提及的"饲料"都是饲草类或粮谷类配合饲料。文献于1996年应用国产滤光片式NIR分析仪对全国各饲料厂及原料供应商采集的50个鱼粉样品(48个用于定标)的水分、粗蛋白含量进行定标、预测，效果良好。同年，福建省测试技术研究所用NIR分光光度计成功地测定成鳗饲料中粗纤维含量。王文杰报道曾用NIR技术对预混料中维生素A、喹乙醇、土霉素的检测进行研究，证明NIR是一种有应用价值的监测手段。丁丽敏用NIR技术对鱼粉的氨基酸含量和豆粕、玉米的真可消化氨基酸含量进行定标和预测，结果表明鱼粉赖氨酸和总的氨基酸的定标效果达到可利用程度，而蛋氨酸和胱氨酸的定标精度有待进一步提高；豆粕中除与胱氨酸有关的方程较差外，其它氨基酸的定标方程经检验有良好的预测性能；玉米真可消化氨基酸的定标性能不如豆粕好，目前还不能实际应用。3 饲料领域中如何应用NIRS定量分析技术 上述国内外研究工作均采用相对NIR法，尚未见NIT分析技术在饲料领域中的研究报道。纵观近10年来国内外的应用研究情况，应用NIRS作为饲料的定量分析技术，都遵循这样的过程--定标(Calibration)和预测(Prediction)。定标目的在于建立常规分析方法和NIRS分析法得到的结果之间可靠的函数关系，包括定标样品的选择，常规法测定定标样品某成分含量，获取定标样品的光谱数据并进行数学处理，经回归计算产生某成分的定标方程，再对该成分定标方程的准确性进行评价。定标样品在数量理论上只要比回归自由度的数目多一个就可以计算，但实际上数量越多，定标方程越有普遍意义。实际工作中，至少应考虑取50个样品。光谱数据的预处理和采用的回归校正方法是影响定标方程效果的主要因素，预处理较多采用趋势变换法、标准正态变量转换法、乘性散射校正法和加权乘性散射校正法等，回归校正方法常用逐步回归分析法(SMLR)、主成分分析法(PCR)、最小偏差分析法(PLS)和傅立叶转化等，其中PLS法是目前NIBS分析上应用最多的回归方法。预测是考察定标方程在实际应用中的可行性，其样品的选择和处理与定标用的样品大致一样，只是样品数目和成分含量分布不必象定标样品严格，结果需用预测标准差(Standard Error of Prediction)和相关系数(Rc)来衡量。为了获得满意的Rc要注意尽量多收集样品，并增加样品的覆盖范围，使各不同含量水平的定标样品数目尽可能均匀分布。 上述国内外研究工作为我国饲料行业应用NIRS分析技术提供了大量的经验和基础数据，但是近10年来我国NIRS分析技术在仪器和研究方法上均落后于欧美国家，目前NIBS分析技术还没有在我国农业科研和生产中得到真正的应用。由于应用NIRS分析技术作为一种定量分析方法，与化学法或物理化学法相比，主要具有如下优点：(1)无需称样，可以连续无限次地进行分析；(2)样品制备简单，只需粉碎，不用任何化学试剂处理，或者根本不用样品制备，对样品无损耗，测定后仍可作它用；(3)测定快速，只需几秒钟或几分钟即可完成，且一次可完成多个成分的测定。因此，NIRS分析法也称无损分析法，已引起化学和分析测试工作者的普遍重视，许多科学家认为此种技术将成为21世纪快速、实时分析和过程分析的最先导技术。

[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]检测云南烟叶主要化学成分快速定量分析模型的方法摘要：应用近红外测定了910个具代表性的云南省全省12个地区收购烤烟的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]数据, 并采用化学计量学中的偏最小二乘法分别对实验数据进行处理,建立了预测云南全省烟叶总糖、尼古丁、氯和钾、水份含量的校正模型.通过对模型进行数理统计检验 ,其预测值与测定值不存在显著性差异，满足检测效果，满足了复烤企业配方打叶的原料及成品的快速检测需要。[em01]

近红外光谱定量分析中，定量模型的评价有两个指标RMSEP、RMSEC，为什么一般RMSEP的值大于RMSEC