面向可解释近红外光谱模型转移的稀疏动态正交投影框架

论文标题Toward interpretable calibration transfer: A sparse modeling approach integrated with dynamic orthogonal projection 期刊Measurement (Elsevier), 2026 DOIhttps://doi.org/10.1016/j.measurement.2026.122428 MATLAB代码https://github.com/billy14553/sdop一、研究背景与问题近红外NIR光谱定量分析中矫正模型在不同仪器或环境下性能会退化需用模型转移Calibration Transfer修正。现有主流方法如动态正交投影Dynamic Orthogonal Projection, DOP虽能有效对齐源域与目标域光谱分布但属于黑箱操作——在全光谱上建模过程中无法指出哪些波长是转移的关键变量缺乏物理解释性也不利于模型简化。二、主要创新 —— 稀疏动态正交投影SDOP本文提出Sparse Dynamic Orthogonal ProjectionSDOP框架将 DOP 的域自适应能力与 **L₁ 范数惩罚Lasso / Sparse PLS的变量选择能力相结合域对齐阶段沿用 DOP 通过高斯核加权 SVD 正交投影消除源—目标仪器间的系统差异稀疏建模阶段对对齐后的光谱矩阵施加 ℓ₁ 惩罚的稀疏 PLS迭代求解权重向量并用软阈值soft-thresholding将不重要波长的回归系数置零仅保留最具信息量的少数特征波段。核心思想稀疏约束不只是降维手段更是揭示定标转移机制、定位关键化学吸收波段的工具。SDOP的核心流程三、实验结果与亮点在公开Corn玉米淀粉和Gasoline汽油饱和烃 S1数据集上验证预测精度相当SDOP 的 RMSEP 和 R² 与原始 DOP 基本持平如玉米 mp6→m5DOP RMSEP0.12SDOP RMSEP0.12R²0.94极端稀疏性仅保留 10%玉米45%汽油的光谱变量模型系数 90%~96% 为零物理解释性强选出的波长集中在已知化学吸收区——玉米 2000~2400 nmO-H/C-H 多糖特征汽油 1100~1250 nmC-H 甲基/亚甲基与 VIP1 的重要变量吻合优于传统变量选择相比 LASSO、CovSel、CARS 结合 DOPSDOP 选出的是连续波段簇而非孤立点更符合 NIR 宽谱带特性稳定性更好。DOP和SDOP的回归系数对比四、小结SDOP 在保持 DOP 定标转移精度的同时突破了黑箱限制实现了可解释的稀疏定标转移建模为光谱分析师提供了既能用又能看懂的转移模型也适用于其他高维光谱数据如拉曼光谱的拓展研究。