[论文解读] Improved quantification of naphthalene using non-linear Partial Least Squares Regression

Manuel Bastuck, M. Leidinger+2 more|arXiv (Cornell University)|Jul 21, 2015

Advanced Chemical Sensor Technologies参考文献 1被引用 5

一句话总结

本文提出一种非线性偏最小二乘回归（PLSR）方法，以提升在温度循环工作条件下，使用WO3金属氧化物半导体气体传感器对萘的定量检测性能。通过应用双对数变换和局部加权PLSR（LW-PLSR），该方法显著增强了模型的线性度与分辨率——在0至20 ppb范围内实现4 ppb的分辨率，优于标准PLSR在六种萘浓度（0–40 ppb）下对非线性传感器响应的处理效果。

ABSTRACT

A test dataset is generated using temperature cycled operation with a WO3 metal oxide semiconductor (MOS) gas sensor. Six concentrations of naphthalene from 0 to 40 ppb are measured and, subsequently, used to evaluate the performance of three variants of Partial Least Squares Regression (PLSR). Ordinary PLSR produces highly non-linear models due to the non-linear response of the sensor. Double-logarithmic data results in a model with much better linearity which has a resolution of 4 ppb in the range from 0 to 20 ppb. The more complex Locally Weighted PLSR (LW-PLSR) produces an even better model, especially for higher concentrations, without making any assumptions for relationships in the underlying data.

研究动机与目标

• 为解决WO3金属氧化物半导体传感器对萘的非线性响应问题，该响应限制了其定量精度。
• 评估三种PLSR变体——普通PLSR、双对数变换PLSR和局部加权PLSR（LW-PLSR）——在温度循环传感器数据集上的性能表现。
• 在不假设数据内在关系的前提下，提升低浓度萘检测（0–40 ppb）中的定量分辨率与模型线性度。
• 验证非线性PLSR方法在固有非线性传感器响应上优于标准线性回归的可行性。

提出的方法

• 通过将WO3金属氧化物半导体（MOS）气体传感器在温度循环条件下暴露于六种萘浓度（0–40 ppb）下，生成了测试数据集。
• 应用了三种PLSR变体：标准PLSR、双对数变换PLSR（对预测变量和响应变量均进行对数变换）以及用于非参数建模的局部加权PLSR（LW-PLSR）。
• 采用双对数变换以线性化传感器的非线性响应，从而改善模型拟合度与分辨率。
• 采用LW-PLSR对数据中的局部关系进行建模，无需假设全局函数形式，从而在高浓度区域提升精度。
• 基于整个浓度范围内的线性度、分辨率与预测准确性，评估模型性能。
• 该方法利用多变量校准技术从传感器信号中提取潜在变量，有效抑制噪声并增强预测能力。

实验结果

研究问题

• RQ1 与标准线性PLSR相比，非线性PLSR模型是否能提升WO3 MOS传感器对萘的定量检测性能？
• RQ2 对传感器数据进行双对数变换是否能显著提升低浓度萘检测中的模型线性度与分辨率？
• RQ3 在不预先假设任何函数关系的前提下，局部加权PLSR（LW-PLSR）在捕捉非线性传感器响应方面相较于标准PLSR与双对数PLSR表现如何？
• RQ4 在0–20 ppb范围内，使用非线性PLSR对温度循环工作的WO3传感器进行萘定量检测，可实现的分辨率是多少？
• RQ5 在整个0–40 ppb浓度范围内，非线性PLSR在多大程度上降低了预测误差？

主要发现

• 普通PLSR因WO3传感器对萘的固有非线性响应，导致模型表现出高度非线性特征。
• 双对数变换PLSR显著提升了模型线性度，并在0–20 ppb浓度范围内实现了4 ppb的分辨率。
• LW-PLSR在高浓度萘检测中表现优于标准PLSR与双对数PLSR，且无需假设任何潜在函数关系。
• 双对数变换有效线性化了传感器响应，从而在低浓度区域实现了更精确、更稳定的定量检测。
• LW-PLSR展现出对数据中局部非线性模式的优越适应能力，显著降低了全局模型失效区域的预测误差。
• 本研究证实，非线性PLSR技术对于在温度循环工作条件下实现MOS传感器对萘的精确定量至关重要。