Выбор спектральных переменных и повышение точности калибровки температуры методом проекции на латентные структуры по спектрам флуоресценции Yb-=SUP=-3+-=/SUP=- : CaF-=SUB=-2-=/SUB=-

Abstract

Поступила в редакцию 22.01.2018 г.На примере спектров флуоресценции Yb 3+ : CaF 2 , зарегистрированных в полосе 880−1120 nm с разреше-нием около 0.2 nm в температурном диапазоне от 66 до 150• C с шагом 2 • C, рассмотрена эффективность интервальных методов выбора переменных и дивизимного метода оптимизации интервалов с помощью генетического алгоритма с целью повышения точности калибровки температуры с помощью проекции на латентные структуры. Лучший результат по величине среднеквадратичной ошибки предсказания температуры в проверочной выборке (0.45• С) получен с помощью интервальной проекции на латентные структуры по комбинации движущихся окон. Показано, что применение методов выбора спектральных переменных позволило более чем в 2 раза повысить точность калибровки температуры. DOI: 10.21883/OS.2018.05.45958.22-18 Решение задач калибровки или идентификации по спектральным данным с помощью классического спек-троскопического подхода подразумевает использование небольшого количества спектральных отсчетов на от-дельных длинах волн или в спектральных интервалах. Например, спектрометрическая идентификация химиче-ских веществ и соединений с помощью баз данных или массивов спектров ИК диапазона [1] в настоящее время проводится по интенсивности, форме и распо-ложению небольшого количества характеристических полос. Достоинством такого подхода является четкий физический смысл спектральных отсчетов на отдельных длинах волн или в спектральных интервалах. В про-тивоположность этому подходу многопараметрический спектральный анализ обращается к информации, скры-той в широкополосных спектрах, и представляет в мало-размерном и нефизичном базисе только существенные данные, выделенные из мультиколлинеарных спектров. Компромиссный подход [2], когда из широкополосных спектров удаляется часть, приводящая к переопределен-ности многопараметрических моделей, позволяет умень-шить влияние избыточности спектральных данных на качество регрессионного и дискриминантного анализов для решения задач калибровки или идентификации.Рассмотрим некоторые методы выбора переменных на примере одного из эффективных регрессионных мето-дов анализа многопараметрических данных -проекции на латентные структуры (PLS -projection to latent structures or partial least squares) [3]. В [4] нами было предложено использовать метод PLS для определения температуры по широкополосным спектрам апконвер-сионной флуоресценции, активированной ионами эр-бия свинцово-фторидной наностеклокерамики, и пока-зано [5], что этот метод позволяет получить меньшую ошибку предсказания температуры, чем измерения со-гласно широко применяемому методу FIR (fluorescence intensity ratio) по отношению интенсивностей двух полос флуоресценции с температурно связанных уровней [6].