• 한국근적외분광분석학회:학술대회논문집
• /
• 한국근적외분광분석학회 2001년도 NIR-2001
• /
• pp.4102-4102
• /
• 2001

In multivariate analysis, absorbance spectrum is measured over a band of wavelengths. One does not often pay attention to the size of this wavelength band. However, it is desirable that spectrum is measured at only necessary wavelengths as long as the acceptable accuracy of prediction can be met. In this paper, the method of selecting an optimal band of wavelengths based on the loading vector analysis was proposed and applied for determining total protein in human serum using near-infrared transmission spectroscopy and PLSR. Loading vectors in the full spectrum PLSR were used as reference in selecting wavelengths, but only the first loading vector was used since it explains the spectrum best. Absorbance spectra of sera from 97 outpatients were measured at 1530∼1850 nm with an interval of 2 nm. Total protein concentrations of sera were ranged from 5.1 to 7.7 g/㎗. Spectra were measured by Cary 5E spectrophotometer (Varian, Australia). Serum in the 5 mm-pathlength cuvette was put in the sample beam and air in the reference beam. Full spectrum PLSR was applied to determine total protein from sera. Next, the wavelength region of 1672∼1754 nm was selected based on the first loading vector analysis. Standard Error of Cross Validation (SECV) of full spectrum (1530∼l850 nm) PLSR and selected wavelength PLSR (1672∼1754 nm) was respectively 0.28 and 0.27 g/㎗. The prediction accuracy between the two bands was equal. Wavelength selection based on loading vector in PLSR seemed to be simple and robust in comparison to other methods based on correlation plot, regression vector and genetic algorithm. As a reference of wavelength selection for PLSR, the loading vector has the advantage over the correlation plot since the former is based on multivariate model whereas the latter, on univariate model. Wavelength selection by the first loading vector analysis requires shorter computation time than that by genetic algorithm and needs not smoothing.

• Structural Engineering and Mechanics
• /
• 제31권1호
• /
• pp.57-74
• /
• 2009

Power signals resulting from spindle and feed motor, present a rich content of physical information, the appropriate analysis of which can lead to the clear identification of the nature of the tool wear. The partial least-squares regression (PLSR) method has been established as the tool wear analysis method for this purpose. Firstly, the results of the application of widely used techniques are given and their limitations of prior methods are delineated. Secondly, the application of PLSR is proposed. The singular value theory is used to noise reduction. According to grey relational degree analysis, sample variable is filtered as part sample variable and all sample variables as independent variables for modelling, and the tool wear is taken as dependent variable, thus PLSR model is built up through adapting to several experimental data of tool wear in different milling process. Finally, the prediction value of tool wear is compare with actual value, in order to test whether the model of the tool wear can adopt to new measuring data on the independent variable. In the new different cutting process, milling tool wear was predicted by the methods of PLSR and MLR (Multivariate Linear Regression) as well as BPNN (BP Neural Network) at the same time. Experimental results show that the methods can meet the needs of the engineering and PLSR is more suitable for monitoring tool wear.

• Journal of Biosystems Engineering
• /
• 제33권4호
• /
• pp.269-275
• /
• 2008

This study was conducted to design an impedance sensor that can measure soil water content of soils. Partial least square regression (PLSR) was applied to soil impedance data preprocessed with a smoothing method. An optimal sub-spectrum size and wavelength range were determined by comparing the coefficient of determination ($R^2$) and root mean square error (RMSE) of the PLSR models obtained using soil impedance data. various PLS analysis. Based on the PLSR analysis, it would be concluded that the optimal spectrum measurement range was $32.0{\sim}50.0\;MHz$ with the optimal sub-spectrum size of about 18.5 MHz.

• 한국지능시스템학회논문지
• /
• 제20권4호
• /
• pp.483-488
• /
• 2010

센서시스템을 이용한 상시감시는 발전소의 효율적인 운전과 안전을 담보하는 데 필수적이다. 상시감시기술을 구현하기 위해서는 우선 센서로부터 전송된 신호로부터 발전소 운전파라미터의 참값을 예측하는 모델 즉 Auto-association (AA) 모델을 확보하는 것이 중요하다. 이를 위해 본 논문에서는 Support Vector Regression (SVR)과 Partial Least Square Regression (PLSR)을 이용하는 방안을 각각 제시한다. 이렇게 해서 구축된 모델은 모니터해야 할 파라미터가 많을 때에도 쉽게 적용할 수 있다. 실제 발전소에서 수집된 데이터셋을 이용하여 AA 모델링의 정확도 및 민감도를 비교한 결과, 정확도 면에서는 SVR이 우수한 반면 민감도 면에서는 PLSR이 다소 나은 것으로 나타났다.

• 한국재난정보학회 논문집
• /
• 제16권3호
• /
• pp.542-549
• /
• 2020

연구목적: 액비의 발효과정에서 생산된 질산성질소는 물의 오염지표로써 본 연구에서는 액비가 살포된 4개의 연구지역을 선정하고, 질산성질소의 오염 농도를 추정할 수 있는 모델을 제작하고자 하였다. 연구방법:현장촬영에 앞서 액비의 비율을 0%, 25%, 50%, 75%, 100%로 5개의 군으로 나누어 스펙트럼 라이브러리를 구축하였다. 스펙트럼의 양상을 토대로 연구지역에서 획득한 초분광 영상에 PLSR (Partial least squares regression) 방법을 적용하였다. 연구결과:구축한 액비의 스펙트럼을 1차, 2차 미분하여 질산성질소의 거동을 확인하였다. 현장실험의 영상을 이용하여 PLSR 농도 추정 모델링을 실시하여 실제 질산성질소의 농도와 비교하였다. 결론: PLSR 농도 추정 모델과 실제 질산성질소의 농도를 비교하였을 때 질산성질소의 농도가 70 mg/kg 이상인 고농도 지역에서 탐지가 가능하다고 판단되었다.

• 산업식품공학
• /
• 제14권1호
• /
• pp.75-79
• /
• 2010

시중 즉석 면류의 관능적 성질과 back extrusion test 데이터에 대하여 partial least square regression(PLSR)을 실시하였다. 즉석유탕면 8종과 즉석비유탕면 2종에 대한 관능적 속성으로서 경도(A), 탄성(B), 껄끄러운 정도(C), 이에 박히는 정도(D), 굵기감(E)를 검사하였고, 실험 데이터로 힘-변형 곡선 전체를 사용하였다. PLSR의 회귀계수는 힘-변형곡선의 압착단계, 항복단계, 압출단계로 크게 구분되어 각관능속성에 대한 특유의 양 또는 음의 효과를 나타냈다. PLSR의 상관계수는 E>D>A>B>C, 오차(root mean square error of prediction expressed in sensory units)는 D>C>E>B>A, 예측능(relative ability of prediction)는 D>C>E>B>A 로 나타나 종합적으로 '이에 박히는 정도'가 PLSR의 적용에 가장 우수하게 나타났다. '경도'는 예측능은 낮았지만 상관성은 높아서 시료간 순위의 결정에 합당하게 평가되었다.

• Journal of the Korean Data and Information Science Society
• /
• 제15권2호
• /
• pp.307-316
• /
• 2004

Principal Component Regression(PCR) and Partial Least Squares Regression(PLSR) are the two most popular regression techniques in chemometrics. In the field of chemometrics usually the number of regressor variables greatly exceeds the number of observation. So we have to reduce the number of regressors to avoid the identifiability problem. In this paper we compare PCR and PLSR techniques combined with various robust regression methods including regression depth estimation. We compare the efficiency, goodness-of-fit and robustness of each estimators under several contamination schemes.

• Journal of Biosystems Engineering
• /
• 제39권3호
• /
• pp.184-193
• /
• 2014

Purpose: The aim of this study was to develop a technique for the non-destructive and rapid prediction of the moisture content in red pepper powder using near-infrared (NIR) spectroscopy and a partial least squares regression (PLSR) model. Methods: Three red pepper powder products were separated into three groups based on their particle sizes using a standard sieve. Each product was prepared, and the expected moisture content range was divided into six or seven levels from 3 to 21% wb with 3% wb intervals. The NIR reflectance spectra acquired in the wavelength range from 1,100 to 2,300 nm were used for the development of prediction models of the moisture content in red pepper powder. Results: The values of $R{_V}{^2}$, SEP, and RPD for the best PLSR model to predict the moisture content in red pepper powders of varying particle sizes below 1.4 mm were 0.990, ${\pm}0.487%$ wb, and 10.00, respectively. Conclusions: These results demonstrated that NIR spectroscopy and a PLSR model could be useful techniques for measuring rapidly and non-destructively the moisture content in red pepper powder.

• 응용통계연구
• /
• 제10권2호
• /
• pp.227-239
• /
• 1997

분광학분야에서 측정되는 자료는 여러 파장에서 측정된 스펙트럼 행렬과 이 스펙트럼을 통하여 알고자하는 어떤 반응치들의 행렬 또는 벡터로 주어진다. 이 경우 측정 자료에의 많은 잡음(noise)과 파장간의 상관관계가 내재한다. 부분최소제곱회귀 방법은 여러 개의 파장에서 측정된 자료를 모두 이용하는데 자료축약과정을 통하여 자료의 잡음 문제와 상관관계 문제를 해결하는 다변량통계방법이다. 본 연구에서는 이러한 자료에 적합한 부분최소제곱회귀의 이론을 알아보고 실제로 측정된 자료를 통하여 주어진 스펙트럼에 대한 반응치의 예측을 부분최소제곱회귀 방법을 이용하여 고찰하였다.

• 비파괴검사학회지
• /
• 제34권4호
• /
• pp.283-289
• /
• 2014

본 연구는 라만 분광법과 부분최소자승법을 이용하여 불량 분말식품을 비파괴적으로 검출할 수 있는 기술을 개발하기 위해 수행되었다. 향신료와 건강보조식품 등으로 소비가 증가하고 있는 마늘과 생강분말을 실험대상으로 선정하고 옥수수 전분을 농도별로 혼합하여 시료를 제작하였다. 라만 반사스펙트럼과 부분최소자승법을 이용하여 불량 분말식품에 혼합된 옥수수 전분의 농도를 예측하기 위한 모델을 개발하고 교차검증을 통해 그 성능을 평가하였다. 또한 변수중요도척도를 이용하여 예측모델의 개발에 기여도가 높은 라만스펙트럼을 선정한 후 이 스펙트럼을 이용하여 새로운 예측모델을 개발하였다. 그 결과 전체 라만 스펙트럼의 약 1/3에 해당하는 스펙트럼 데이터만을 이용하여 전체 라만 스펙트럼을 이용하여 개발된 예측모델과 같은 성능을 갖는 모델을 개발하는 것이 가능하였다.