随着计算机技术和化学计量学的发展以及近红外光谱技术的进步，傅里叶变换近红外光谱（FT-NIR）分析技术越来越多地在许多领域被广泛使用，已经成为一种极具竞争力的光谱定量分析方法。目前我所所级公共技术服务中心建立的数学模型有：牡蛎中总氨基酸快速检测数学模型和牡蛎中糖原检测数学模型。

1.傅里叶变换近红外光谱法定量数学模型建立基本条件

1）样品中待测定的化合物分子中C-H、N-H、O-H和C-O等基团基频振动的合频和倍频振动的吸收峰位于近红外光谱区，即必须待测化合物有近红外吸收。

2）待检测样品中待测化合物含量必须超过0.3%，且含量越高准确度越高。

3）校正集至少由20个样品组成，即有效的基础数据不少于20个，基础数据越多准确度越高。

4）基础数据来源于标准测定方法（可以理解为常规化学方法），该方法准确性和精度要超过NIR定量模型测定值。

2.NIR定量数学建模基本流程

 1）收集样品：准备已知含量的标准样品若干（建议50个以上），越多越好。

2）采集光谱：将3-5g样品直接放置在积分球采集点上，利用RESULT-Integration软件设计信息采集工作流，设置采集参数为在4000~10000 cm-1范围内扫描32次，分辨率8.0cm-1,优化增益无衰减，以漫反射的方式采集光谱。每个样品分别测试。

3）数学模型的建立与优化：采集所有样品的漫反射红外透射光谱图后，在“Standards”界面添加建立模型使用的样品光谱，导入建模样品的国标法测定值，采用最小二乘法（PLS）作为建立数学模型的化学计量学方法，利用TQ Analyst 定量分析软件进行数学预建模。根据预建模的关联结果，利用马氏距离的方法诊断光谱中异常值（挑选样品），采用乘法散射校正(multiplicative scattering correction MSC)、一阶求导（1st Derivative,Db1）、Norris平滑（其中segment lengths 选择5，gap between segment选择5）等方法对光谱进行预处理，得到关联系数较高的数据模型。

4）验证模型：对模型进行交叉验证，即每次从建模样品集中取出一个样品，用剩下的（N-1）个样品建立模型，预测被取出的样品，如此循环直至所有样品均被预测一次。考察预测值与国标法测定值的相关系数（R）和均方差（RMSECV）

利用建立完成化学计量学数学模型，并随机抽取的俩个样品分别进行10次重复性实验。表征近红外光谱定量模型建模效果的指标有校正相关系数RC、交叉验证相关系数Rcv,校正集误差均方根RMSRC、交叉验证误差均方根RMSSECV，各参数的计算方程式如下：

式中：C_i为真实值或标准方法测定得到的参考值，Ĉ_(i,c)是模拟拟合值，Ĉ_(i,cv)是交叉验证时的模型拟合值，Ċ是参考值的平均值，n是校正集样品数。

撰稿人：于颖