[发明专利]一种基于主成分分析相似判别的油品性质检测方法

说明书

本发明提出了一种基于主成分分析相似判别的油品性质检测方法，在对样本的近红外光谱进行常规预处理后，通过主成分分析得到光谱数据的得分矩阵，选取得分矩阵的前三个得分向量组成新的得分矩阵，根据校正集样本库和待测样本的得分向量绘制三维主成分分析图，在图中以待测样本为中心绘制长宽高比例3:2:1的立方体框，使得位于立方体框中的样本个数为50±5，并将这些样本作为待测样本的相似样本，然后根据相似样本的光谱数据建立偏最小二乘模型，最后对待测样本性质进行预测。该方法能快速、准确预测油品性质，有助于提高企业经济效益。

技术领域

本发明为一种油品性质快速检测方法，具体是一种基于主成分分析相似判别的油品性质检测方法。

背景技术

目前，近红外光谱分析方法已广泛应用于油品性质分析中，同传统的实验室化验方法相比，该方法具有分析速度快、精度高和耗费少等优点。

基于局部样本的建模方法，是一种能够提高模型准确性的有效方法，其基本思想是：基于光谱从校正集样本中选取与待测样本最相似的一组样本，然后由这些样本(即局部样本)经过统计分析或经典的校正方法得到最终的预测结果。基于局部样本的建模策略适用于非线性体系的校正，同时可充分利用样本库的优势，避免传统因子分析方法因样品组成等变动需要频繁更新模型的弊病。

我们前期已提出一种基于相似判别的辛烷值检测方法，该方法对光谱进行预处理后，采用主成分分析(PCA)方法计算吸光度矩阵的得分矩阵，利用累积贡献率达85％-95％对应的得分向量组成新的得分矩阵，基于新得分矩阵采用欧式距离计算待测样本与光谱数据库中样本的光谱距离，并将其作为查找相似样本(即局部样本)的判别条件，选出光谱距离小于阈值的相似样本作为校正样本建立偏最小二乘模型，并对待测样本进行预测。

上述方法一般选取得分矩阵的前两个得分向量，相当于在二维坐标图中计算待测样本与光谱数据库中样本的光谱距离。不可避免地，有些样本的第一主成分和第二主成分很相近，但第三主成分有差别，这造成在二维主成分分析图中的位置分布假象，进而造成相似样本选取不正确，预测结果的精度不够理想。

发明内容

为了解决上述问题，本发明提出了一种基于主成分分析相似判别的油品性质检测方法。

本发明具体步骤如下：

(1)获取待测油品样本的近红外光谱；

(2)对待测油品光谱和校正集中样本光谱进行常规预处理；

(3)将预处理后的所有光谱数据进行主成分分析；

(4)根据主成分分析后的得分矩阵，选取前m个得分向量，绘制主成分分析图；

(5)根据主成分分析图，按照一定规则选取待测样本的p个相似样本；

(6)根据相似样本采用偏最小二乘建立模型；

(7)通过建好的模型对待测样本的性质进行预测。

光谱预处理方法采用基线校正、波段截取和矢量归一。

在提取了光谱的主要特征的前提下，本方法希望精确选取与待测样本最相似的临近样本，因此本方法绘制了三维主成分分析图，即以第一主成分为横轴，第二主成分为纵轴，第三主成分为竖轴。

由于第一主成分代表吸光度矩阵变异最大的方向，第二主成分次之，第三主成分再次之，因此本方法在主成分分析图中绘制立方体框，立方体框的长宽高比例为3:2:1，将位于立方体框内的样本作为待测样本的相似样本。

本方法选取50个相似样本，即p＝50±5。

有益效果：