以相思树聚戊糖含量为例, 通过用不同精确度的数据建立的近红外模型预测性能, 讨论了不同精确度的数据对近红外模型准确性的影响。 结果表明, 建模原始数据的精确度在一定程度上影响着近红外模型的预测性能, 精确度越高, 建立的模型越好。 但对于精确度较小的的样品, 所建立的模型预测性能也能较好的预测未知样品。

建立适应不同产地相思树化学组分含量的近红外光谱分析模型对预测木材化学组分含量具有重要的意义。 用常规化学法测量了取自广西78个和福建33个相思树样品的聚戊糖含量, 并结合近红外光谱数据用偏最小二乘法建立了广西相思树聚戊糖含量的近红外光谱模型。 校正模型的决定系数R2cv为0.947, 内部交叉验证均方差RMSECV为0.464, 验证模型R2val为0.925, RMSEP为0.455。 为了扩大模型的适用范围, 用福建不同数量样品对该模型进行修正。 结果表明: 在广西模型的基础上加入一个有代表性的福建样品就能大大降低直接用广西模型预测福建样品的误差。 加入3个有代表性的福建样品后能够得到较好的模型。 用该模型预测未参加建模的福建样品, 预测模型的R2val为0.904, RMSEP为0.759。 用4组(每组3个样)不同的福建样品修正广西模型, 用固定的20个未参与修正广西模型的样品来验证, 预测误差略有不同, 表明样品的选择在一定程度上影响着修正模型的质量。