[发明专利]一种基于子空间分析的近红外光谱分析方法

说明书

本发明涉及分析化学领域，具体为一种基于子空间分析的近红外光谱分析方法。一种基于子空间分析的近红外光谱分析方法，包括如下步骤：（1）校正集样品处理；（2）完成预测样本组分值确定。本发明采用统一步骤对样品光谱进行分析，获得样品组分信息，克服了PLS算法的主要不足。实验结果表明预测性能优于现有的PLS算法，预测均方根误差均小于PLS的预测均方根误差。本发明还可应用于其它谱分析，如紫外光谱分析、拉曼光谱分析、色谱分析等。

技术领域

本发明涉及分析化学领域，具体为一种基于子空间分析的近红外光谱分析方法。

背景技术

近红外光谱分析技术具有测试速度快、分析过程简单、适用于漫反射测试等优点，该技术已应用于蛋白质、氨基酸、脂肪、淀粉、水分等组分含量的快速测定。由于近红外光谱具有严重的重叠性，物质近红外光谱中与组份含量相关的信息很难直接提取出来并给予合理的光谱解析。因此，需要采用化学计量学中的多元校正方法从测量的光谱中提取有效信息进行定量分析。

传统的多元校正方法主要有K矩阵法、P矩阵法、多元线性回归分析法、主成分回归分析法、偏最小二乘法(PLS)等。大量实验表明，在大部分情况下PLS算法性能优于其它方法。虽然PLS算法有大量的应用，但是PLS算法主要存在以下不足：(1)PLS算法计算得分矩阵与载荷矩阵时需同时考虑光谱与组分矩阵，如果在组分矩阵存在未知组分信息，那么预测结果将会受到影响；(2)PLS算法中隐变量的确定有多种方法，选用不同方法确定的隐变量，其预测结果相差较大。

发明内容

本发明旨在克服PLS算法的主要不足，提出一种基于子空间分析的近红外光谱分析方法。

本发明的技术方案在于：

一种基于子空间分析的近红外光谱分析方法，包括如下步骤：

(1)校正集样品处理：

步骤1.1选择p个具有代表性的样品作为校正集样本，其中p为正整数；根据样品近红外光谱响应性质，在M个波长内测量其近红外光谱，对样品进行测定，获得其N个组分值；

步骤1.2用p行、M列的近红外光谱矩阵X表示校正集样品的近红外光谱，其中X的每一行代表一个样品的吸光度；按同样顺序构建p行、N列的组分矩阵Y，其中Y的每一行代表一个样品的组分值；

步骤1.3近红外光谱矩阵X预处理：

步骤1.3.1计算上述步骤1.2中构成的近红外光谱矩阵X的平均值行向量mX，如下所述：

式中，mX_k为行向量mX的第k列元素，X_i,k为矩阵X的第i行k列元素；

步骤1.3.2计算去均值近红外光谱矩阵X0

X0_i，k＝X_i，k-mX_k i＝1，2，…，p (2)

式中，X0_i,k为矩阵X0的第i行k列元素，X_i,k为矩阵X的第i行k列元素；

步骤1.4组分矩阵Y预处理：

步骤1.4.1计算上述步骤1.2中构成的组分矩阵Y的平均值行向量mY，如下所述：

式中，mY_k为行向量mY的第k列元素，Y_i,k为矩阵Y的第i行k列元素

步骤1.4.2计算去均值组分矩阵Y0，如下所述：

Y0_i，k＝Y_i，k-mY_k i＝1，2，…，p (4)