（控制理论与控制工程专业论文）基于pls的水质多参数监测仪的研究与实现.pdf

摘要 摘要 目前，我国水质自动在线监测仪的设计原理大部分是基于国家的标准方法， 即将传统化学法的分析过程在线化。分析n 0 3 、c o d 、t o c 的含量通常方法是加 入化学试剂使其反应再测量生成物来间接计算浓度，或者加热、燃烧等办法来测 生成的c o ：的含量来间接测量c o d 或是t o c 的浓度。这些方法不仅浪费化学试 剂、浪费能源、费时等，还会给水质带来二次污染等。并且测量参数种类比较单 一，如果要测量多个参数，就必需购买多台监测仪才能满足要求。这不仅使购置 成本、维护成本提高，而且测量程序多、重复性操作等带来诸多不便。因此，研 发简便、快速、可靠、无二次污染，并且可同时测量多个参数的水质自动在线监 测仪具有十分重要的意义。 现有研究表明，废水中决定n o ，、c o d 、t o c 、a b s 2 5 4 值大小的污染物在 紫外光谱区有较强的吸收。在一定的条件下，这些污染物的吸光度与n 0 3 、c o d 、 t o c 、a b s 2 5 4 有很好的相关性，利用这种相关性，可以用紫外吸光度来直接测定 n 0 3 、c o d 、t o c 、a b s 2 5 4 。无须化学试剂、测定快速、操作简便。 本文从有机物的紫外吸收光谱入手，选择某些有一定代表性的实验化学试剂， 探索紫外吸光度与这些试剂浓度的关系，采用偏最小二乘法回归模型，建立紫外 吸收光谱直接测定废水n o ，、c o d 、t o c 的方法，并利用此模型对模拟废水水样 进行预测。 本文利用s i m c a p ( 1 1 5d e m o ) 偏最d x - - 乘法通用平台完成建模和预测。采用 3 0 个样本建立偏最d - 乘回归模型，预测自配模拟废水效果，当提取主成分个数 在l o 个以上时，所有参数的相对误差均 2 1 0 0 0 ；当提取主成分个数为2 1 时五 个参数的平均相对误差均 o 0 0 5 0 。 本文设计了研制水质多参数监测仪所需的硬件，给出了整个硬件平台的原理 图并介绍硬件抗干扰措施等；软件上，主要在m a t l a b 平台上实现了偏最小二乘法 的主要运算功能，同时给出p l s 的软件实现流程图并做了详细介绍。 本文结果为深入研究偏最d , - 乘紫外吸收光谱法直接测定多参数提供了颇有 价值的参考，并为进一步完善此方法打下了基础。 关键字：偏最d x - 乘法多参数化学计量学紫外吸收光谱法水质监测 a b s t r a c t a tp r e s e n t ，a u t o m a t i co n - l i n ew a t e rq u a l i t ym o n i t o rm o s to ft h ed e s i g np r i n c i p l ei s b a s e do nn a t i o n a ls t a n d a r dm e t h o d i sa b o u tt h e 仃a d i t i o n a lc h e m i c a lm e t h o do fa n a l y s i s o ft h ep r o c e s so n l i n e a n a l y s i so fn 0 3 - ，c o d ，a n dt o cc o n t e n ti su s u a l l yb ya d d i n g c h e m i c a lr e a g e n t sa n dt h e nm e a s u r i n gm e i rr e s p o n s et ot h ei n d i r e c tc a l c u l a t i o no ft h e c o n c e n t r a t i o no fp r o d u c t ，o rh e a t i n g ，b u r n i n ga n do t h e rm e t h o d st om e a s r r et h ec o n t e n t o fc 0 2g e n e r a t e db yi n d i r e c t l ym e a s u r i n gt h ec o n c e n t r a t i o no fc o do rt o c t h e s e m e t h o d sa r en o to n l yaw a s t eo fc h e m i c a lr e a g e n t s ，w a s t ee n e r g y ，t i m e c o n s u m i n g ，b u t a l s ot ob r i n ga b o u ts e c o n d a r yp o l l u t i o n ，s u c ha sw a t e rq u a l i t y m e a s u r e m e n tp a r a m e t e r s a n das i n g l et y p eo fc o m p a r i s o n ，i fan u m b e ro fp a r a m e t e r st ob em e a s u r e d ，i tm u s t p u r c h a s em o r et h a no n em o n i t o rt om e e tt h er e q u i r e m e n t s t h i si sn o to n l yt h ep u r c h a s e c o s t s ，m a i n t e n a n c ec o s t s ，b u ta l s om e a s u r e m e n tp r o c e d u r e s ，a n dr e p e t i t i v eo p e r a t i o n i n c o n v e n i e n c e t h e r e f o r e ，t h ed e v e l o p m e n to fs i m p l e ，f a s t ，r e l i a b l e ，n os e c o n d a r y p o l l u t i o n ，a n dm e a s u r e m e n to fm u l t i p l ep a r a m e t e r sa tt h es a m et i m ea u t o m a t i co n l i n e w a t e rq u a l i t ym o n i t o r i n gi sv e r yi m p o r t a n t e x i s t i n gr e s e a r c hs h o w st h a tt h ed e c i s i o nt ow a s t ew a t e rn 0 3 一，c o d ，t o c ， a b s 2 5 4v a l u eo ft h es i z eo ft h ep o l l u t a n t si na r e a sw i t hs t r o n gu va b s o r p t i o n u n d e r c e r t a i nc o n d i t i o n s ，t h e s ep o l l u t a n t sa n dt h ea b s o r b a n c eo fn 0 3 - ，c o d ，t o c ，a b s 2 5 4 h a v eav e r yg o o dc o r r e l a t i o nb e t w e e nt h eu s eo fs u c hac o r r e l a t i o nc a l lb eu s e dt od i r e c t d e t e r m i n a t i o no fu va b s o r b a n c eo fn 0 3 - ，c o d ，t o c ，a b s 2 5 4 n on e e df o rc h e m i c a l r e a g e n t st od e t e r m i n et h ef a s t ，e a s yt ou s e i nt h i sp a p e r , t h eu va b s o r p t i o ns p e c t r ao fo r g a n i cm a t t e rt os t a r t ，c h o o s ea c e r t a i nr e p r e s e n t a t i o no fs o m eo ft h ee x p e r i m e n t a lc h e m i c a lr e a g e n t st oe x p l o r et h eu v a b s o r b a n e ea n dc o n c e n t r a t i o no ft h e s er e a g e n t s ，t h eu s eo fp a r t i a ll e a s t s q u a r e s r e g r e s s i o nm o d e l ，t h ee s t a b l i s h m e n to ft h ed i r e c td e t e r m i n a t i o no fu va b s o r p t i o n s p e c t r u mo fw a t e rn 0 3 - ，c o d ，t o cm e t h o d sa n dt h eu s eo ft h i sm o d e ls i m u l a t i o nt o p r e d i c tw a s t ew a t e rs a m p l e s i nt h i sp a p e r ，t h eu s eo fs i m c a - p ( 11 5d e m o ) p l su n i v e r s a lp l a t f o r mf o r t h e c o m p l e t i o no fm o d e l i n ga n df o r e c a s t i n g t h ee s t a b l i s h m e n to f 3 0s a m p l e su s i n gp a r t i a l l e a s t s q u a r e sr e g r e s s i o nm o d e lt op r e d i c tt h ee f f e c to fs e l f - s i m u l a t i o no fw a s t e w a t e r ， w h e nt h en u m b e ro fp r i n c i p a lc o m p o n e n te x t r a c t i o ni nm o r et h a n10 ，a l lp a r a m e t e r sa r e t h er e l a t i v ee r r o r 0 0 9 7 5 来衡量。 ( 2 - 2 6 ) 第二章偏最小二乘法 2 5 小结 本章主要介绍了偏最小二乘法的基本原理与偏最d 、- - 乘法在回归建模时的具 体演算过程，分别介绍了单因变量与多因变量的偏最小二乘回归建模分析方法。 在分析水质的紫外吸收光谱上，可以采用本章所介绍的多因变量回归模型。在本 章里，不仅着重对单因变量的回归模型做了详细的介绍，而且还介绍了多因变量 的回归建模方法。这是因为，单因变量的回归建模方法是多因变量回归模型的基 础，但同时也是多因变量回归建模的特例。本章，还介绍了交叉有效性q 的求解 过程，q 是确定主成分提取个数的判断依据。 偏最d , - - 乘法在处理复杂的与共线性数据具有很优越的特性。因为它在此类 问题上具有这种独特的处理能力，才可以用来处理与分析复杂水质的紫外吸收光 谱，并能区分出各个参数所特有的吸引特性。最后通过吸收光谱与水质中的各污 染物浓度的相关性即可监测出其相应浓度。 1 9 电子科技大学硕士学位论文 3 1 引言 第三章实验及其测量原理 本章运用国家标准方法和紫外吸收多光谱方法进行实验室配制的废水进行水 质中多参数的测量实验，并记录所得到的样本数据。在本章里主要介绍了紫外吸 光度法的基本测量原理。采用紫外吸光度法测量水质中各污染物浓度不会造成二 次污染，这是由于在测量过程中仅是通过测量氙灯光穿透水质的光，再对其进行 光谱分析，最后确定各污染物浓度的过程。所以，只要知道吸光度与污染物浓度 之间的相关关系，并通过此关系，最终必能确定各污染物浓度。 本章，同时介绍了实验所需实验仪器与主要试剂，并对整个实验的步骤与测量 原理进行了简略介绍。本文只进行了实验室自配废水的测量任务，因特殊情况没 有采集实际废水测量。但是，通过本章真实的实验数据仍然可充分说明偏最d - - 乘法回归建模的可行性问题。 3 2 紫外吸光度法的基本测量原理 紫外吸光度法是基于测定试样对紫外光的吸收来测定物质成分和含量的方法。 物质总是不断地运动着，而构成物质的分子及原子处于一定的运动方式，各种方 式属于一定的能级。当分子从外界吸收能量后，产生电子跃迁，即分子最外层电 子或价电子基态跃迁到激发态分子吸收能量如光能，具有量子化特征，即分子只 吸收相当二能级差的能量丝 a e = 易一巨= h v ( 3 1 ) 式中，臣为基态( 跃迁前) 的能量，e 为激发态( 跃迁后) 的能量。 基于e 与e 的能量是一定的，故对丝一定分子来说也是一定的。即只能吸 收相当于丝的光能，所以分子对光具有选择性吸收 3 3 。即某分子对特定的光有 一定的吸收。电子能级间的能量差约为2 0 - 1 e v 相当于波长6 0 1 2 5 0 n m 所具有的能 量，紫外可见光区为2 0 0 7 6 0 r i m 所以分子吸收紫外可见光后产生电子跃迁。 水体中的有机污染物浓度对特定波长紫外光的吸收遵循朗伯一比尔定律，是指 当一束平行单色光通过均匀、非散射的稀溶液时，溶液对光的吸收程度与溶液的 第三章实验及其测量原理 浓度及液层厚度的乘积成正比。朗伯一比尔定律 3 4 可用公式表示为： i = i 每k q ( 3 - 2 ) 式中：i 为吸收后的光强度；厶是物质浓度为零( 即不存在吸收物质) 时的光强度； c 为物质浓度；l 为比色皿( 采样槽) 的长度；k 为吸收常数。根据朗伯一比尔定律， 按照吸光度的定义，吸光度a 可以表示为： ， 彳= 一l i l 二= h l 卫1 1k c l ( 3 3 ) l n l 这就表明，特定波长光的吸光度可以作为水中有机物浓度的替代参数。但是，使 用公式时必须注意以下问题1 ( 1 ) 定律明确指出溶液必须是稀的、均匀、非散射，所以不满足上述条件的溶 液，得到的结果将产生偏离。 ( 2 ) 入射光必须为一定波长的单色光，单色性越好，朗伯一比尔定律越准确。 ( 3 ) 溶液对某一波长光的吸收等于溶液中各个成分对该波长光的吸收之和，光 度具有加合性，即 a 1 14 + 4 + 4 + + 4 l = k i c l 三+ c 2 三+ 墨c 3 三+ + 疋e 三 ( 3 4 ) 3 3 仪器与主要试剂 3 3 1 仪器 u - 3 0 1 0 型紫外一可见分光光度计( h i a t c h i ，日本) ； 9 3 7 0 8 型n 0 3 - 测量仪( h a n n a ，意大利) ； s b 型c o d 快速测定仪( 兰州炼化环保仪器研究所) ； a s t r ot o ch t 在线总有机碳分析仪( h a c h ，美国) 3 。3 2 主要试剂 ( 1 ) 邻苯二甲酸氢钾( p o t a s s i u mh y d r o g e np h t h a l a t e ) 化学式k h c s o 。h 4 ，白色结晶，溶于水。称出0 4 2 5 9 溶于1 0 0 0 m l 的纯水中可 配出标准邻苯二甲酸氢钾溶液。 ( 2 ) 硝酸钠溶液：准确称取0 2 0 9 硝酸钠( n a n 0 3 ) 溶于1 0 0 0 m l 纯水中，配出标准 硝酸钠溶液。 2 1 电子科技大学硕士学位论文 ( 3 ) 苯胺溶液( l r n l l ) ：准确移取0 2 5 m l 苯胺( c 。h ，n h ：) 于2 5 0 m l 容量瓶中，加 纯水稀释至刻度、摇匀。 ( 4 ) 腐殖酸溶液：准确称取0 2 5 9 腐殖酸于5 0 0 m l 烧杯中，加入o 5 m o l n o a h 。 搅拌均匀。 ( 5 ) 氰酸钠溶液：准确称取0 5 9 氰酸钾( n a 0 c n ) 溶于10 0 0 m l 纯水中，配出标 准氰酸钠溶液。 用以上所配制好的溶液按一定的比例配成混合溶液。摇匀，静置3 0 分钟后， 对每配好的一份溶液，均分成四份。然后，分别用实验所用的仪器进行实时测量。 并做好记录。 3 4 实验操作步骤 3 4 1 紫外吸收光谱测定 紫外吸收光谱测定采用紫外一可见分光光度计，仪器具有自动扫描功能，波长 范围2 0 0 n m - 7 5 0 n m 。开机预热2 0 m i n ，待分光光度计自检完毕进入测量状态，进入 光谱吸收界面，用超纯水校零后即可进入紫外吸收光谱的测定，扫描曲线由计算 机自动记录。详细操作可见说明书。 3 4 2 多个参数快速测定及测量原理 ( 1 ) 快速测定c o d e q 与c o d f e q 采用c o d 快速测定仪测定水样c o d 。其基本原理为利用k ，c r 2 0 ，在酸性介质 中将水样中有机物氧化，然后利用分光光度计在6 1 0 n m 测定k ，c r 2 0 ，被还原后生成 的c r 3 + 的吸光度，利用标准曲线法测定c o d 含量。 ( 2 ) 快速测定n 0 3 一 采用9 3 7 0 8 型n o ，测量仪测定水样n 0 3 。其测量方法是，配合专用试剂，快 速测定n 0 3 。 ( 3 ) 快速测定t o c 采用在线总有机碳分析仪，其本原理是大体积燃烧产生c o ：，通过测量c o ：的 量，来确定水体中t o c 的含量。 ( 4 ) 快速测量a b s 2 5 4 采用紫外一可见分光光度计，可对特定波长处的吸光值进行测量。a b s 2 5 4 是 第三章实验及其测量原理 特定波长为2 5 4 n m 处的吸光值。 整个实验，分别配制了多个浓度的n 0 3 、c o d e q 、c o d f e q 、t o c 的混合溶液来 进行测量。每一种混合溶液都均分成四份，每一份均用一台仪器测量出是n o ，或 是c o d 的值，每一份都测量三次以上，方可结束该次测量。测量结果做好及时记 录。 整个测量过程，因为所用仪器有四种之多。有手动测量模式，也有全自动测 量模式。无论哪一种测量模式，在测量结束后，退出原先的模式，系统都要提醒 是否保存测量结果。只要选择保存就完成所有的测量工作了。 3 5 小结 本章主要对紫外吸光度法的基本测量原理做了详尽地介绍。对实验仪器及其 测量原理也做了简略介绍。还介绍了主要试剂与实验的操作步骤等。本章，所测 得的紫外吸光度是本次实验中最重要的实验数据。所以，在测量吸光度时，均反 复测量几次。并在分析处理时，比较几次测量结果。如若差别不大，可视作当次 测量结果。 吸光度是与水质污染物的浓度直接相关的特征数据，如果吸光度本身就测量 不准确。将直接影响到整个实验的结果也将是错误的。再者，无论偏最小二乘法 的功能再怎么强大，那也是建立在错误数据的基础上演算而已。这将对整个研究 来说，会存在非常大的负面影响的。所以，吸光度的测量需要十分谨慎才行。 本次实验所采用的仪器，是得到公认的水质监测仪。它们所测量出的结果， 除人为测量所造成的误差外。均可视作水质各参数所对应浓度的真实值。 本文所采用的建模与预测样本全部来自自配实验室样本，并没有对实际污水 进行建模与预测。 电子科技大学硕士学位论文 4 1 引言 第四章建模与预测 有了较充足的实验数据样本，必须对其进行偏最d , - 乘法建模及预测，最后 通过比较预测结果与原始测量，才能说明是否可以采用偏最d , - 乘法作为基本算 法来监测水质的多种污染物浓度的含量问题。由于所测的水质成分是含有n 0 3 - 、 c o d e q 、c o d f e q 、t o c 等多个成分。并且成分间的相互作用、相互干扰等具有高 度的非线性特征，是一个高度非线性的系统。因此对于这种含有多个变量的复杂 系统，必须建立一个复杂的模型，并且此模型必定是非线性的模型。所以通过紫 外吸收多光谱法来测定水质中n 0 3 - 、c o d e q 、c o d f e q 、t o c 、a b s 2 5 4 值而言， 就必须要建立一个能够比较完备表征水质复杂性与非线性的模型不可。在本章中， 将对此模型的建立与预测工作进行详细介绍。一个预测模型的好坏，在于预测结 果与原始测量结果之间的误差大小及重复性来决定。本章采用3 0 个样本建立偏最 小二乘回归模型，预测自配模拟废水结果较好，当提取主成分个数在1 0 个以上时， 所有参数的相对误差均 2 1 0 0 0 ；当提取主成分个数2 1 个时五个参数的平均相 对误差均 0 0 0 5 0 。 4 2 偏最, j 、- - 乘法通用平台软件 偏最小二乘回归( p a r t i a ll e a s t - - s q u a r e sr e g r e s s i o n ，p l s 回归) 是一种 先进的多元分析方法，它于1 9 8 3 年由伍德( s w o l d ) 和阿巴诺( c a b a n o ) 等 人首次提出，主要用来解决多元回归分析中的多变量多重相关性或解释变量多于 样本点等实际问题。伍德和他的合作者开发了在w i n d o w s 下面运行的s i m c a p 通用偏最小二乘法数据分析软件，为偏最小二乘回归的计算和结果解释提供了有 效的计算工具。本文采用的是s i i c a p 系列1 1 5d e m o 版本。 目前该版本。它提供有许多偏最小二乘回归的离群点检测技术。其中主要有偏 f 检验 3 5 1 、残差图与正态分位数图 3 6 】、潜变量图( 即主成份图，或简写为t 厂r 图) 与严椭圆 2 8 】 3 7 】、样本点贡献图 3 8 】等。图形分析技术非常突出。 功能更是强大，可同时查看交叉有效性，相关系数等。尤其是主成分的图示 第口章建模预测 表现方式让使用者对主成分的概念进一步得到增强及加深印象。而已使用也非 常方便，主成分的提取及其它运算速度都是非常迅速。尤其是主成分的增减功能， 对查看主成分对整个模型的拟台效果更是方便。并能在同一窗门下，便可查看其 他几个重要参数来进行比较，对使用者或是研究人员分析问题更全面。 该软件还具有建模及预测的功能，并且，列出一系列的系数及图形帮助使用者 分析及在实验中使用相关系数。而且，可以通过图示的方式，列出奇异点并可 以人工对奇异点进行排除，这样提高整个模型的建立的拟合度。其效果比旧版本 在提高拟合度上又更进了一步。 由于条件限制，笔者只能使用d 锄。版本。也就是试用版。且，该版本已经完 全可以满足了使用要求。如图4 1 所示： 4 3 建模与预测分析 431 样本说明 嘲4 - i $ 1 m c a p 软什规截幽 本文所采用的建模与预测样本，全部是建立在实验室自配溶液测量结果的数 据基础上。所选建模样本为3 0 个，预测样奉为1 8 个。实验室所配制的溶液均是 在纯净水的基础上加入其他化学试剂而成的，所以所得溶液的复杂性远低于实际 电子科技大学硕士学位论文 工业废水。由于偏最小二乘法固有的特性，本文所列出的预测模型不能直接预测 其他废水。要预测其他工业或生活废水时，要重新针对不同的废水取样并建立新 的模型方可预测其废水污染物的浓度。这也是使用p l s 建模的缺点。 4 3 2 数据整理 数据的多少与完善度，将对我们得出的结论有重大的影响。本文所做的实验， 由于条件的制约，数据样本的数量并不太丰富。所有的数据样本，如前面所述， 都是直接从实验测量中得来的，没有实际工业与生活废水的数据样本。其中由于 所测的水体中包含有纯水，所以部分样本数据存在0 值，为了在计算相对误差时 不出现除以0 的情况，故已把其中一些结果有0 的样本删除了。除此之外，其他 的建模与预测样本，都是原本所测得数据样本。 1 、整理建模数据 用来建模的实验数据如( 附录一中的建模用的实验数据表1 ) 。所示。建模 数据表，是对几个参数n o ，、c o d 、t o c 、a b s 2 5 4 测量所得的结果组成的。整 个表中，前五列分别对应n o ，- n e q 、c o d e q 、c o d f e q 、t o c 、a b s 2 5 4 的测量结 果。一共是3 0 个样本，波长从2 0 0 n m 一7 3 2 5 n m 。这个表格的设计是按s i m c a p 偏最小二乘法通用平台输入数据的要求建立的。表格数据通通使用e x c e l 进行编 辑，并可直接被s i m c a p 平台导入。 2 、整理预测数据 整理预测数据有别于建模数据，要强调的是：预测数据只包含了各个波长处 的吸光度，表格的前五列全为0 或是留空处置；波长也要从2 0 0 n m 7 3 2 5 n m 。而每 一个吸光度的样本所对应的五个参数浓度值，事先将它们记录好，并将它们存放 在另一张表。这样，等预测完毕，便可以将测量值与最后预测出来的预测值进行 比较。预测数据表见( 附录二的预测用实验数据表2 ) 。 4 3 3 模型建立 数据处理完毕后，就可以在s i m c a p 上建模了。在建模过程中，要把第一行 排除。这是因为第一行不是数据，只是标记或是波长值。其操作如图4 2 所示。同 时，要把前五列设成y 变量。这是因为，前五列就偏最小二乘法中所提及的因变 量。所以一定要在导入时，将y 变量设置好，如图4 3 所示。设置好x 与y 变量 后，为了在查看结果方便，在导入的数据表之后的前五列的第一行中单击并修改 成n 0 3 一、c o d e q 、c o d f e q 、t o c 、a b s 2 5 4 即可 固黝= 蛾：盅磷t h e n c e l 。rc 。掣d e 盛栽? 善：嚣r “” 曼! ! ! 竺i s c 口“q | | j 雾 圈 妇 图4 0 排除第一行 固饕乱蒹岔瓷：警：t 慧舞：翟。舞4 r 怒：i ：“，；兰k 嚣r “哪d 山“ 曼：二l 一ti 回p 一y 口s 耐町 口xv l d l i c o d e q 旦! 苎! ! !l “8 7 4 而 。， i 一 旺型丛划 幽4 0 设置y 变量 t o c h ，o b s e r v e r i d 4 51 3 2c m y0 b v t i 4 5 3 4 7 xv 1 女1 。 4 5 6 7 5 0 u d l t 。h v x v ”，“1 。口2 3 目墨雹墨_ ，1 。0 1 。3 1 9 1 ：- ：? ：。 啪|董啪鄂哪扔m钔踊倌蝌强矧拼拼|写瑚拼粥引瑚m g；o冒啪强瑚雠哑拼一啪刚研研僻旧科瘩鲫拟一船盯砖船粥啦岳|詈：啪晒琳一 州椰舶伽川mm懈懈m懈丌酊叫舶研积|s研啦瞄强 ；汕；|旧研伸旧取嚣謇|姒一 篇篡l l 臻嚣l | 电子科技大学硕士学位论文 设置好之后，就点击下一步，就可以完成数据导入了。导入数据后，就可以进行 偏最小二乘法的独特运算了。可点击和。嘟碉这三个按键进行主成分加或是减少 r 一广一一r 一 的操作。在窗口上还可以看到 r 2 k ：0 9 9 4r 2 y ：0 9 8 2 ；q 2 ：0 9 7 8 这三个系数，p , 2 x 代表 的是提取x 变量的主成分与原x 变量的拟合度，而r 2 y 代表的就是提取y 变量 的主成分与原y 变量的拟合度。q 2 则代表的是交叉有效性。这三个量，会随着提 取主成分个数的增加而增大，最大值是1 。 4 3 4 预测及误差分析 建好模型并已经整理好预测数据后，就可以开始进行预测工作了。预测时，为 了更好地说明预测结果只与测量所得的紫外吸光度有关。事先，将所测出来的实 验数据中的五个参数的浓度值全清零，可得到另一个数据表。也就是数据表中的 前五列要全清零。所要用于预测的表格前面一部分如下表，表4 1 所示： 表4 1 没把前五列清零时的表 l | 】1 0 3 l e q c 0 n e q b f e q c 姐s 2 5 4 2 0 02 0 2 52 0 52 0 t 52 1 0 。2 i 2 5 22 6 0 55 4 1 5 2 6 1 1 7 74 5 1 2 36 1 0 9 92 8 3 8 7 科2 8 8 2 3 9 22 8 3 1 9 2 7 so 儿52 6 70 惦22 6 1 0 1 1 7 3 2 7 2 95 4 0 4 46 1 o 耵4 5 4 0 26 0 02 8 17 8 筠2 3 5 4 72 8 38 1 0 t2 9 8 1 52 6 5 8 3 0 82 6 2 5 2 3 6 4 2 5 4 85 4 2 5 9 6 i 2 9 44 5 6 2 7 6 1 1 5 82 7 9 6 0 9 4 2 0 5 1 0 9 42 8 5 1 9 舛2 丁4 5 4 6 22 6 5 6 5 9 7 籀2 s 2 l 55 4 5 21 4 8 4 31 6 t 4 1 51 0 0 “1 6 t 3 72 5 l o l3 0 3 9 4 1 6 3 0 4 9 2 0 22 9 6 1 52 9 2 4 惦82 9 ，6 0 0 5 6 6 6 3 81 4 0 7 31 6 1 r 1 0 i 为1 5 7 72 e 5 4 53 0 3 h 糖3 0 4 2 2 1 62 9 7 5 0 3 82 9 2 9 8 2 22 9 8 1 1 5 6 7 7 3 驰i 4 8 4 91 5 7 ，4 8 l1 0 2 ，91 6 7 4 l2 9 8 2 7 3 3 3 0 4 7 1 9 2 3 0 3 5 1 8 22 9 7 酣8 42 9 0 1 7 6 3 2 9 4 5 8 3 2 8 | 7 5 9 81 4 8 2 61 6 7 2 2 61 0 0 9 t 1 6 7 2 32 9 7 2 7 83 0 5 4 2 53 0 4 2 3 2 9 8 6 6 2 82 9 2 6 9 6 , 12 9 7 3 6 8 e 9 o e 9 23 2 5 ，i 矧8 丁51 4 5 ，t 引t ，3 1 5 8 13 2 2 4 7 惦3 2 2 6 9 5 53 i 5 9 9 l3 1 2 6 1 93 1 6 3 4 1 3 1 04 2 3 93 2 8 5 9 7 8 5 21 4 5 8 8篱7 03 1 1 5 8 5 83 1 64 6 3 23 1 93 “3 1 4 2 4 2 23 0 7 6 3 0 83 1 1 6 3 9 3 l l3 6 6 43 2 8 5 7 0 惦 1 4 6 嚣f 6 e3 0 9 i 8 舛3 5 5 笛3 1 8 4 4 63 1 8 4 6 5 53 i 3 3 43 1 t4 n 1 2 4 7 7 53 2 5 3 73 6 4 3 3 81 4 5 4 1 9 6 4 2 93 1 3 5 7 4 , 13 2 0 0 1 43 2 1 2 0 8 53 1 5 9 5 0 53 1 2 2 s 1 5 3 1 7 3 t 眶 1 3 3 3 2 03 2 5 1 13 6 3 8 4 21 4 5 1 ，0 6 3 t 73 1 1 3 1 3 1 6 5 5 5 63 1 66 8 0 23 1 3 8 0 1 63 1 4 1 4 53 1 6 1 6 9 9 1 4 0 0 0 0 蒉1 7 7 04 0 3 1 6 91 0 9 0 l4 0 3 10 1 5 7 4 7 83 2 3 6 1 9 2 3 2 2 9 3 8 4 3 1 5 9 1 73 1 4 6 5 2 23 1 t 6 5 3 l i 5 4 73 5 86 23 们4 s 01 8 93 ，9 33 1 6 0 9 3 83 2 0 8 9 0 0 3 2 1 2 73 1 4 1 “l3 1 1 9 1 1 53 2 i 1 1 4 6 1 50 5 8 83 5 9 7 4 0 0 8 l l1 8 8 7 94 0 0 6 03 1 40 1 0 63 1 99 7 1 43 2 1 1 4 3 1 5 7 0 0 13 1 24 1 3 43 1 94 5 3 8 1 7 | 1 2 0 93 5 t 了43 ，8 5 3 21 8 8 t 2 3 9 84 83 1 9 1 1 4 93 2 2 6 8 2 8 3 2 1 7 9 1 3 3 1 7 2 5 4 l3 1 0 5 9 e3 1 4 4 9 1 0 1 8 2 0 筠篱1 t4 0 2 8 3 l1 9 0 4 7 4 0 2 8 l3 i 3 8 5 4 33 2 3 1 l “3 2 4 ，3 8 筠3 1 5 3 2 5 03 1 0 12 3 2 1 1 9 1 4 l ，| 0 4 9 43 5 9 1 5 04 “61 9 0 2 4 0 03 1 2 7 0 “3 2 1 t t 3 2 i 6 7 43 1 5 0 7 2 2 3 0 9 筠8 8 3 2 1 1 3 2 4 2 1 52 1 7 5 2 5 32 6 6 92 4 21 4 2 5 5 9 4 42 4 3 2 6 毒8 2 5 5 4 2 72 4 4 0 6 6 2 3 1 1 9 9 43 2 4 1 1 9 9 3 1 2 4 7 5 8 3 2 4 6 6 0 8 3 0 7 3 7 5 8 3 2 3 0 3 2 8 3 0 6 4 5 7 6 3 2 0 3 7 2 5 3 2 8 。4 8 5 33 4 2 舛，6 3 2 6 2 4 7 6s 4 36 2 3 3 2 93 5 7 8 3 4 7 1 4 3 2 9 4 5 4 8 3 4 4 2 5 8 0 3 2 4 0 7 1 93 4 1 6 1 2 1 3 2 9 0 1 1 ，3 4 5 9 3 4 8 3 3 3 9 0 3 63 4 7 3 5 5 3 3 0 5 t 6 8 3 4 4 0 8 9 7 3 2 74 1 0 63 4 3 3 3 2 2 3 3 1 9 9 9 l 辩80 7 1 6 0 3 3 8 1 1 t 科3 1 1 9 8 2 2 52 2 7 5 2 1 2 7 1 0 6 2 1 0 4 4 1 2 2 1 2 4 0 7 72 0 9 9 2 1 2 7 8 2 92 1 0 1 3 2 3 筘0 3 4 4 53 8 4 3 7 7 褥0 3 9 4 3 3 3 4 3 2 0 6 3 5 91 8 2 43 8 30 1 3 i 篱0 3 1 2 23 拓2 0 2 3 0 34 7 54 1 6 8 7 3 9 0 6 0 3 34 1 7 2 9 2 l 3 8 6 4 5 5 5 4 1 4 4 9 0 4 3 8 7 3 4 0 14 1 8 5 4 3 2 3 8 8 i 9 2 2 4 1 5 7 8 2 1 3 3 7 3 9 7 24 1 5 0 2 拓 3 9 0t 6 6 44 2 06 9 1 4 3 8 94 5 9 24 1 0 5 0 4 8 3 8 6i 5 2 74 1 65 3 2 4 3 8 7 4 8 1 84 2 24 8 2 3 9 0 0 1 5 5 4 2 0 7 4 6 4 上表为实验过程中测量得出的五个参数的浓度值及其所对应的浓度值，这个 表要做好存档。因为最后，要将该表中的浓度值与预测所得结果进行比较及对其 进行误差分析。只有用误差的大小才能说明采用偏最t j , , - - 乘法建模与用来预测的 可行性。 搦喇m啪。啦吼况。m瞄讹咙璐嘲蚋m 鸵丙瑚巧00一墙l乱巧巾吼巾0 t t抛一粥讹潮喇茹；。钉褥l；i射箦m辩矧嚣 拗刚瞒蝌嗡锄讯嘲讲；玺蛾m呈m m 眦m 嘴控增泐增m啪卅懈耄!m耄；蝴啪玳卅嘞湖一控柏一髂一抬钟一蟾拈籍驰吼筠驰印耵。媚篱 第四章建模与i * 测 表4 之前五列清零后的表 ，岳塞 “。 1 t e 。 盟 1 口e 1e- f 1 s w ep r q 州 s b 吖10 0 0 口21 0 0 0 口a d 科l 恃p m d d m s v 曾 吲4 4 导入预测数据 电子科技大学碰学位