[发明专利]一种近红外光谱和拉曼光谱波长的筛选方法

权利要求书

1.一种近红外光谱和拉曼光谱波长的筛选方法，其特征在于包括以下步骤：

1)采集被测物样本的近红外光谱或拉曼光谱数据，随机分成三部分，包括训练集、检验集和预测集样本，用常规方法测定训练集和检验集中样本的被测成分浓度含量，得到训练集样本和检验集样本的被测成分浓度向量，其中训练集样本用来建立模型、检验集样本用来确定模型参数、预测集样本用来检验模型的预测能力；

2)利用训练集样本的光谱和被测成分浓度，进行偏最小二乘回归，得到真实模型回归系数向量b(1×p)，p指波长点总数；

3)将上述训练集样本的被测成分浓度向量随机排序，即被测成分浓度不再与样本光谱呈一一对应的关系，利用这种随机化后的被测成分浓度向量Y与训练集样本的原始光谱矩阵X进行偏最小二乘回归，得到随机模型；

4)重复步骤3，得到系列偏最小二乘回归随机模型及其模型回归系数矩阵B；

5)对于每个波长，比较其对应的随机模型回归模型系数与其真实模型回归系数的大小，统计随机模型回归系数值大于真实模型回归系数的次数，计算每个波长对应的概率值；

6)将波长根据其概率值的升序进行排列，得到概率向量f；

7)保留概率值小于最优域值的波长；

8)根据保留的波长点位置，仅保留训练集光谱矩阵相应的波长列，得到新的光谱矩阵X₁，并且与训练集样本被测成分浓度向量建立偏最小二乘回归模型，利用这个模型，测定预测集样本被测成分的浓度含量。

2.根据权利要求1所述近红外光谱和拉曼光谱波长的筛选方法，其特征在于：所述系列偏最小二乘回归随机模型为1000个，模型回归系数矩阵为B(1000×p)。

3.根据权利要求1所述近红外光谱和拉曼光谱波长的筛选方法，其特征在于：所述最优域值是指：首先根据概率值从小到大对波长进行排序；然后每次保留不同数目的排序后的波长分别建模对检验集样本被测成分浓度进行测定；最后考察预测均方根误差(RMSEP)值与建模所用波长数的关系，得到预测均方根误差(RMSEP)值最小时对应的波长数N，从而确定概率向量f的第N个值为最优域值。