[发明专利]一种基于化学值分类的近红外定量建模新方法

说明书

技术领域

本发明属于近红外建模数据处理领域，尤其是涉及一种基于化学值分类的近红外定量建模新方法。

背景技术

近红外光谱反映的是含氢基团有机化合物分子倍频和合频的吸收，由于其检测速度快、多组成分同时测定、无损等特点，大量应用在烟草、食品、中药、农业等领域，但是建立一个稳定、适用的近红外定量模型不仅需要大量样本的光谱信息以及化学值，而且光谱信息和化学值要一一对应，化学值的准确性非常重要，但是在实际应用中特别是对于在线近红外，由于取样等原因获取的光谱本身与化学值就不是严格的一一对应关系，第二，传统获取化学值的方法，一是做流动分析仪，二是做实验室近红外，由于流动分析仪是人员操作，在操作过程中会存在误差，这个误差是不能避免的，属于系统误差，实验室近红外本身就是二次检验，实验室近红外是参照流动分析仪建立的预测模型，预测的结果与流动分析仪也会存在误差，而且不管是哪一种方法都需要对样品进行前处理，这些误差都会导致化学值的不准确，根据PLS方法建立的校正模型，模型误差以及相关性往往非常高，但是在实际预测时，会出现模型误差非常大，相关性大，或者模型误差大，相关性小等等模型时好时坏的情况，传统遇到这种情况，要么重新取样建模，要么对模型进行更新维护，势必给厂家带来极大的人力、物力、财力的浪费，但是可能问题依然存在，而且厂家不可能再花费大量的时间重新做化学值以及厂家已经开始在生产，必须需要一个模型的情况下，如何在一批复杂数据的情况下，建立一个相对稳定以及相关程度高的模型至关重要。

发明内容

为了在一批数据复杂的情况下，建立一个相对稳定以及相关程度高的模型，本发明的目的是提供一种基于化学值分类的近红外定量建模新方法。

为了实现上述的目的，本发明采用了以下的技术方案：

一种基于化学值分类的近红外定量建模新方法，包括以下步骤：

步骤一、获取近一批红外光谱x_cal及其相对应的化学值y_cal；

步骤二、对光谱x_cal进行一定的预处理；

步骤三、对化学值y_call进行分区间处理，划分成A、B、C……Q若干个区间，并求出每个区间的平均值，用平均值代替各个区间的化学值，组成新的化学值分布y_calq；

步骤四、用原来的化学值分布y_cal和新的化学值分布y_calq构造一个新的化学值函数y_cal1；

步骤五、对两组化学值y_cal、y_cal1分别进行建模，用线性PLS对y_cal进行建模，得到预测值y_c,用非线性的BP神经网络对新的化学值分布进行y_cal1建模，得到预测值y_c1；

步骤六、对两组建模数据y_c、y_c1运用PLS方法进行加权组合，计算出各自的权重比，并建立一个新的模型；

步骤七、对建立的模型进行验证；

步骤八、用本发明方法和PLS方法重新预测一批样本，通过比较模型外部验证误差与跟随性评价验证本方法的合理性与适用性。

作为进一步改进，所述的步骤一中，获取一批建模光谱x_cal和化学值y_cal其中包含m个光谱以及与其谱图标签属性相对应的基础化学值y_calm(y_calm表示第m个光谱对应的化学值)，光谱由p个波长点组成。

作为进一步改进，所述的步骤二中，近红外光谱中虽然含有原料的化学、外观、物理信息，但是近红外光谱易受外界环境、仪器自身移动部件不稳定性的影响，采用一定的光谱预处理方法，从一定程度上能够消除或者降低上述的不确定性，因此本发明采用S-G求导对原始光谱进行预处理；S-G求导方法为：首先对每个光谱进行S-G平滑，窗口宽度为2k+1，之后用差分宽度为w对平滑后的光谱进行一阶求导。