从光谱到浓度：手把手教你构建拉曼定量分析模型（附PLSR算法详解）

拉曼光谱因无损、快速、无需样品制备等优势，已成为实验室定量分析的核心技术之一，但原始拉曼光谱存在荧光背景、基线漂移等干扰，直接用于浓度反演精度极低。本文结合葡萄糖水溶液实例，手把手讲解从光谱采集到PLSR定量模型构建的全流程，重点解析PLSR算法适配拉曼数据的核心逻辑，为从业者提供可复制的技术路径。

1 拉曼定量的核心挑战与预处理必要性

拉曼光谱变量（波数点）通常达数千个，且变量间存在严重共线性（不同波数信号可能源于同一分子振动）；同时，样品荧光、仪器漂移会导致光谱基线偏移，这些问题直接导致普通多元回归（如线性回归）失效。因此，预处理是拉曼定量的前提，常见方法及作用如下：

• 平滑：Savitzky-Golay（SG）平滑抑制随机噪声，保留特征峰；

• 基线校正：自适应迭代最小二乘（ALS）消除荧光背景；

• 归一化：标准正态变量变换（SNV）消除样品散射差异；

• 导数：一阶/二阶导数分离重叠峰，增强特征差异。

2 PLSR算法原理与拉曼数据适配性

偏最小二乘回归（PLSR）是高维数据定量分析的shou选算法，核心是降维+最大化X-Y协方差，适配拉曼光谱的关键优势：

1. 解决共线性：将高维光谱（X）投影到低维潜变量（LV）空间，潜变量间正交，避免多重共线性；

2. 兼顾X-Y关联：普通PCA仅降维X，PLSR同时考虑Y（浓度）信息，更适合定量；

3. 小样本适应：即使样本量少于变量数（拉曼常见情况），仍能稳定建模。

PLSR关键步骤：

1. 数据中心化/标准化：X和Y分别减均值（中心化）或除以标准差（标准化），消除量纲影响；

2. 潜变量提取：第1个潜变量$$t_1$$是X的线性组合，$$u_1$$是Y的线性组合，最大化$$\text{cov}(t_1,u_1)$$；

3. 回归建模：$$Y = XB + E$$（$$B$$为回归系数矩阵，$$E$$为残差）；

4. 最优LV数选择：通过k折交叉验证，当$$\text{RMSECV}$$（交叉验证均方根误差）不再显著下降时停止，避免过拟合。

3 实例：葡萄糖水溶液拉曼定量模型构建

以葡萄糖水溶液（0.1-5.0g/L，25个样本）为实例，用显微拉曼光谱仪（785nm激发，50mW，积分10s）采集800-1800cm⁻¹光谱，流程如下：

3.1 光谱预处理效果对比

采用不同预处理组合，评估对模型性能的影响，结果见表1：

表1 不同预处理对拉曼定量模型性能的影响
注：验证集为随机选取的7个样本，覆盖全浓度范围。

3.2 PLSR最优LV数选择

通过5折交叉验证，当LV数达到8时，$$\text{RMSECV}$$降至0.12g/L；继续增加LV数（9-12），$$\text{RMSECV}$$下降<0.01g/L，且验证集$$\text{RMSEP}$$开始波动，因此选择8个潜变量为最优。

3.3 模型性能评估

最优模型（SG+ALS+SNV+一阶导数+8LV）的核心指标：

• 验证集$$R^2=0.93$$（接近1，拟合度优秀）；

• $$\text{RMSEP}=0.13g/L$$（误差远小于行业允许的0.5g/L）；

• $$\text{RPD}=4.2$$（相对分析误差>3，满足定量要求）。

4 模型应用关键注意事项

1. 基质匹配：复杂基质（如血清、食品）需加入基质匹配样本（真实样品加标），避免基质效应；

2. 采集一致性：激光功率、积分时间、样品容器（石英比色皿）需严格一致，减少仪器漂移干扰；

3. 模型更新：每3-6个月用新样本验证，若$$\text{RMSEP}$$上升>0.05g/L，需补充样本重新建模。

总结

拉曼定量的核心是“预处理去干扰+PLSR降维建模”，实例中SG+ALS+SNV+一阶导数的预处理组合可显著提升精度，PLSR最优LV数需结合交叉验证避免过拟合。本文方法可直接应用于药物浓度、食品成分等领域，为实验室高效检测提供支撑。