中国烟草总公司郑州烟草研究院研究生在Nature Index收录期刊发表封面论文

变量选择是构建近红外校正模型的关键环节，直接影响预测结果的可靠性。中国烟草总公司郑州烟草研究院研究生的相关研究突破了现有变量选择算法在烟草化学成分（尤其是低含量成分）定量分析中存在的明显局限性，创新性地提出了一种融合异常变量剔除、加权惩罚和变量聚合策略的鲁棒变量选择算法，显著提升了烟草近红外定量分析模型的预测准确度和稳定性。

此项研究成果发表于分析化学学科国际顶级期刊《Analytical Chemistry》（中科院1区Top期刊，Nature Index收录期刊，影响因子6.8），并荣膺当期封面文章。郑州院2022级硕士研究生李蓓蓓为论文第一作者，烟草化学研究室赵乐研究员和郭军伟正高级工程师为论文通讯作者。

该研究基于烟草近红外光谱特征，以模型集群分析（Model-Population Analysis, MPA）框架为基础，结合波长点和波长区间变量选择算法思想，建立了异常值去除-权重惩罚与聚合（Outlier Removal with Weight Penalization and Aggregation, OR-WPA）新型变量选择算法。该算法能够识别与目标化学成分密切相关的特征变量，剔除不相关或冗余特征，有效提高烟草低含量成分近红外预测模型的预测准确度和稳定性。将该算法成功应用于加热卷烟基材中具有相似吸收基团的化学成分和玉米中常量成分的定量分析，验证了OR-WPA算法在实际生产场景中的有效应用。