Comparison of MLR and PLS models in compositional analysis of rapeseed meal from NIR spectra
 
More details
Hide details
1
Institute of Mathematics and Physics, University of Technology and Agriculture, ul. Kaliskiego 7, 85-796 Bydgoszcz
2
Research Institute of Clinical Pharmacology, Faculty of Pharmacy, Medical Academy, ul. Bujwida 44, 50-345 Wrocław
 
Acta Agroph. 2005, 6(1), 91–102
KEYWORDS
ABSTRACT
Methods of multivariate calibration like Multiple Linear Regression (MLR), Principal Component Regression (PCR) and Partial Least Squares (PLS) are typically used to determine chemical composition from NIR spectra. PLS uses a whole range of spectra and it is a method that can be recognized as a standard tool. However, if the predictors come from spectroscopy then the measurements provide hundreds or thousands of channels (variables), and often a considerable part of the variables carries no, or almost no, important information except noise. For this reason, MLR, although conceptually much simpler and not directed to explore connections between the structures of predictor and response sets, can provide results better than PLS. Therefore it is worth to check which of the methods works better in a given application of multivariate calibration. The present contribution is aimed at comparing the results of both methods when applied to the calibration of basic constituents (oil, dry matter, protein, ash, fibre) of rapeseed meal from NIR reflectance spectra. The selection of wavelength needed to apply MLR was made with two procedures: one based on the approach proposed by Brown et al., and another using an approach developed by ourselves. Comparison of the results shows that the best models can be obtained when PLS modelling is used and the spectra are pre-processed with the MSC method.
METADATA IN OTHER LANGUAGES:
Polish
Porównanie modeli MLR oraz PLSs w analizie składu chemicznego śruty rzepakowej na podstawie widm NIR
PLS, MLR, chemometria, NIRS, śruta rzepakowa
Metody kalibracji wielowymiarowej takie jak wielokrotna regresja liniowa (MLR), regresja na główne składowe (PCR) i metoda częściowych najmniejszych kwadratów (PLS) są typowo używane do określenia składu chemicznego na podstawie widm NIR. PLS jest metodą która może być uznana za standardowe narzędzie. W przypadku pomiarów spektroskopowych dane zawierają setki a nawet tysiące punktów pomiarowych (zmiennych), które często nie wnoszą istotnej informacji poza szumem. W związku z tym MLR, mimo że jest metodą prostszą i nie nastawioną bezpośrednio na szukanie korelacji pomiędzy strukturą zmiennych niezależnych i zależnych, może prowadzić do lepszych wyników niż PLS. Dlatego warto sprawdzić, która z metod daje lepsze wyniki w konkretnym zastosowaniu. Celem tej publikacji jest porównanie wyników uzyskanych z obydwu metod które były zastosowane do kalibracji podstawowych składników w śrucie rzepakowej na podstawie widm odbiciowych w bliskiej podczerwieni. W niniejszej pracy zastosowano dwie procedury selekcji zmien-nych w MLR: pierwsza wykorzystuje algorytm zaproponowany przez Browna i in., druga natomiast została zaproponowana przez autorów. Otrzymane wyniki pokazują, że najlepsze modele kalibracyjne daje metoda PLS stosowana do widm poddanych wstępnemu przygotowaniu korygującemu skutki wielokrotnego rozpraszania promieniowania.
eISSN:2300-6730
ISSN:1234-4125