2. Metody estymacji współczynników modelu oraz weryfikacji zdolności predykcyjnych
2.1. Metody estymacji współczynników modelu Aby wyestymować współczynniki

i C dla wybranego modelu (wykładniczego lub Langmuira) należy określić błąd, który będzie minimalizowany w procesie estymacji.
W przypadku rozważanym mamy do wyboru jeden z dwóch kryteriów określania błędu
W zależności od tego czy na podstawie stężenia chcemy oszacować intensywność, czy na podstawie intensywności świecenia chcemy oszacować stężenie wybieramy odpowiednie kryterium błędu. W zastosowaniach najczęściej potrafimy odczytać intensywność a interesuje nas stężenie, więc minimalizujemy błąd

.
Oprócz wyboru kryterium błędu wybrać należy metodę estymacji współczynników, do wyboru jest regresja jednokrokowa lub dwukrokowa. Dwukrokowa regresja polega na wyestymowaniu współczynników

i na podstawie tych estymatorów oszacowaniu współczynników

i C. Regresja jednokrokowa to połączenie obu kroków w jeden i ocenianie

i C w jednym kroku. Wyniki symulacji pokazują, że regresja jednokrokowa jest obarczona mniejszym błędem.
2.2. Weryfikacja zdolności predykcyjnych
Po oszacowaniu współczynników

i C można ocenić błąd predykcji. Błąd ten wyznaczony jest na zbiorze testowym z wzoru.
Rys. 1. Błąd procentowy
Porównanie błędów dla różnych sond zobrazowane jest na Rysunku 1. Czarna gruba linia obrazuje błąd otrzymany w oparciu o metodę Langmuira, czerwona wąska linia to błąd wyznaczony przy wykorzystaniu metody wykładniczej.
Widoczne jest, że dla każdej sondy otrzymujemy wyraźnie mniejszy błąd predykcji.
Rys. 2. Przykładowe dopasowania dla sond.
Rysunek 2 przedstawia dla dwóch przykładowych sond jak estymatory stężenia dopasowują się do rzeczywistych wartości stężenia. Widoczne jest, że model wykładniczy lepiej ocenia rzeczywiste wartości niż model Langmuira.