小规模多原料生物质燃料近红外校准中验证划分优于建模选择的方法学评价

《Applied Sciences》：Near-Infrared Screening of Agricultural and Forest Biomass: A Pilot Study Defining the Requirements for Quantitative Calibration

　　生物质燃料的近红外校准依赖于小型且化学性质多样的样本集，这些样本集的验证方式彼此无法比较。我们报告了来自智利中部的25种农业和林业原料（每种一个批次）的初步研究，包括其发热值和工业分析结果。我们比较了12种预处理流程、5种回归方法族、4种验证设计和3种模型选择方案，并按原料种类而非按扫描次数进行验证。划分单位对性能的影响超过任何建模选择：随机按扫描划分时的R2为0.78–0.85，而留一原料法（leave-one-feedstock-out）划分时R2值仅在0.15至0.63之间。对无灰发热值建模再重新应用实测灰分比例，可将R2从0.53提高至0.74。若同时从光谱预测灰分比例，则R2为0.52。识别原料库中已有批次的一个扫描（98.7%）不同于分类一个未见的原料（0.40–0.60，基线0.32）。在22种材料的情况下，固定流程的表现优于在折叠内部选择的流程。所有模型均适用于干燥、研磨后的材料，以及单一批次的原料间区分。该方法论发现普遍适用于小规模多原料近红外研究。