当前位置：首页 > news >正文

拉曼光谱定量分析：PLS与PCR 2种数学模型构建对比与Python实现

news 2026/7/6 9:50:16

拉曼光谱定量分析：PLS与PCR数学模型构建对比与Python实现

拉曼光谱技术凭借其非破坏性、高特异性和快速分析的特点，已成为化学、材料科学和生物医学领域不可或缺的分析工具。在定量分析场景中，如何从复杂的光谱数据中提取出准确的浓度信息，一直是研究人员面临的核心挑战。本文将深入探讨两种主流的化学计量学建模方法——偏最小二乘回归(PLSR)与主成分回归(PCR)，通过原理对比、Python实现和实战案例，帮助读者掌握建立稳健定量模型的关键技术。

1. 拉曼定量分析的技术基础

拉曼光谱定量分析的本质是建立光谱特征与目标物浓度之间的数学关系。当激光与样品相互作用时，仅有约10^-6的入射光子会发生非弹性散射，产生拉曼信号。这种微弱信号的提取需要克服荧光背景、噪声干扰和仪器波动等多重挑战。

典型拉曼定量分析流程包含三个关键阶段：

数据预处理：消除非目标变异因素
特征提取：选择信息丰富的谱区
模型建立：构建光谱-浓度的映射关系

在制药行业的质量控制中，拉曼方法的相对标准偏差(RSD)通常要求<5%。这需要优化每个环节的技术参数。例如，某药企在对乙酰氨基酚片剂分析中，通过比较不同预处理组合发现：

预处理方法	RMSEP(%)	R²
原始数据	2.34	0.91
SNV+SG一阶导	1.12	0.98
MSC+基线校正	1.45	0.96

提示：Savitzky-Golay(SG)滤波在保持光谱形状的同时能有效降噪，窗口大小通常选择5-25点，多项式阶数2-3为佳

2. PLSR与PCR的核心原理对比

2.1 主成分回归(PCR)的数学本质

PCR通过两步降维解决光谱数据的高共线性问题：

PCA分解：将原始光谱矩阵X分解为得分矩阵T和载荷矩阵P

from sklearn.decomposition import PCA pca = PCA(n_components=5) scores = pca.fit_transform(X_cal)

线性回归：在得分空间建立与浓度y的线性关系

from sklearn.linear_model import LinearRegression reg = LinearRegression().fit(scores, y_cal)

PCR的局限性在于PCA只考虑X矩阵的方差最大化，可能丢失与y相关的信息。某研究显示，在葡萄糖水溶液体系中，PCR模型需要8个主成分才能达到PLSR用3个潜变量的预测精度。

2.2 偏最小二乘回归(PLSR)的协同优化

PLSR通过同时分解X和y矩阵，找到两者的最大协方差方向。其核心迭代算法(NIPALS)步骤如下：

权重向量w计算：w = X'y / ||X'y||
得分向量t：t = Xw
X载荷p：p = X't / t't
y载荷q：q = y't / t't
矩阵更新：X = X - tp',y = y - tq'

Python实现示例：

from sklearn.cross_decomposition import PLSRegression pls = PLSRegression(n_components=3) pls.fit(X_cal, y_cal)

关键差异对比表：

特征	PLSR	PCR
优化目标	X-y协方差最大化	X方差最大化
变量选择	自动选择相关变量	需手动筛选主成分
小样本表现	更稳健	易过拟合
解释性	潜变量具物理意义	主成分可能无关
计算复杂度	O(n^3)	O(n^3)

3. 完整Python实现流程

3.1 数据准备与预处理

使用scikit-learn和RamanTools构建端到端分析流程：

import numpy as np from ramantools import BaselineCorrector # 示例数据集：乙醇-水混合物的拉曼光谱 X_raw = np.loadtxt('ethanol_raman.csv', delimiter=',') y_conc = np.linspace(0, 100, 50) # 浓度梯度0-100% # 基线校正 bc = BaselineCorrector(method='asymmetric_least_squares') X_corrected = bc.fit_transform(X_raw) # SNV归一化 X_snv = (X_corrected - X_corrected.mean(axis=1, keepdims=True)) / X_corrected.std(axis=1, keepdims=True) # 数据集划分 from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X_snv, y_conc, test_size=0.3)

3.2 模型训练与优化

from sklearn.model_selection import GridSearchCV # PLSR参数优化 pls = PLSRegression() param_grid = {'n_components': range(1, 10)} pls_gscv = GridSearchCV(pls, param_grid, cv=5) pls_gscv.fit(X_train, y_train) # PCR实现 pca = PCA() pca_scores = pca.fit_transform(X_train) reg = LinearRegression().fit(pca_scores[:, :3], y_train) # 选择前3个PC

3.3 模型评估与可视化

import matplotlib.pyplot as plt # 预测结果对比 y_pls = pls_gscv.predict(X_test) y_pcr = reg.predict(pca.transform(X_test)[:, :3]) plt.figure(figsize=(10,4)) plt.subplot(121) plt.scatter(y_test, y_pls, c='b') plt.plot([0,100],[0,100], 'k--') plt.title('PLSR预测结果 (R²=%.3f)' % pls_gscv.best_score_) plt.subplot(122) plt.scatter(y_test, y_pcr, c='r') plt.plot([0,100],[0,100], 'k--') plt.title('PCR预测结果 (R²=%.3f)' % reg.score(pca.transform(X_test)[:, :3], y_test))