[发明专利]基于近红外光谱的校正模型建模方法

权利要求书

1.一种基于近红外光谱的校正模型建模方法，其特征在于，包括：

步骤1，根据近红外光谱数据的预处理结果，获取全谱权重值；

步骤2，以所述全谱波长的权重值为阀值，将所述全谱滤长划分为相关波长集、无关波长集和噪声波长集；

步骤3，将浓度数据、所述相关波长集和所述无关波长集作为RBF神经网络的输入，同时将所述RBF神经网络的隐节点数设置为训练集的样本个数，训练所述RBF神经网络；

步骤4，利用所述RBF神经网络的输出值与所述浓度数据通过偏最小二乘算法得出主成分个数；

步骤5，根据所述训练集中的各样本的贡献值和贡献率的大小确定所述RBF神经网络的隐含层节点；

步骤6，将所述主成分个数作为新的RBF神经网络的隐含层的节点个数，并将步骤5中的隐含层节点作为所述新的RBF神经网络的陷节点，将所述相关波数集、无关波数集作为所述新的RBF神经网络的输入，训练所述新的RBF神经网络从而得到校正模型。

2.根据权利要求1所述的方法，其特征在于，所述步骤1之前还包括以下步骤：

根据光谱样本之间的距离及浓度样本之间的距离，对光谱数据进行划分，从而得到校正集，其中，所述校正集用于建立所述校正模型。

3.根据权利要求1所述的方法，其特征在于，所述步骤2还包括：

将所述校正集等分为多个子区间，分别计算每个所述子区间的权重值；

根据所述全谱权重值和所述每个子区间的权重值，利用下式将所述各子区间划分到所述相关波长集、无关波长集和噪声波长集中：

S1=S1∩Ii,Wi>αWS2=S2∩Ii,αW≥Wi≥βWS3=S3∩Ii,Wi<βW]]>

其中，

S₁为相关波数集，

S₂为无关波数集，

S₃为噪声波数集，

α为阈值浮动上限比例，

β为阈值浮动下限比例，其中0＜β＜1＜α＜2，

W为全谱权重值，

W_i为子区间的权重值。