[发明专利]一种光谱数据分析方法及装置

权利要求书

1.一种光谱数据分析方法，其特征在于，包括：

根据各样本的分子光谱和理化参考值建立样本数据库，根据光谱距离建立待测样本与所述样本数据库中的若干个样本的邻近光谱组，并分别根据各邻近光谱组建立对应的矩阵；

对各矩阵进行主成分分析，计算得到各矩阵每个主成分对应的得分以及贡献率，并根据累计贡献率阈值对各矩阵进行筛选，得到若干个目标矩阵；

计算所述待测样本的光谱与所述若干个目标矩阵对应的邻近光谱组之间的马氏距离，根据马氏距离计算得到拟合评价参数相关相对预测误差RRPE；

选择RRPE最小的目标邻近光谱组，根据所述目标邻近光谱组预测所述待测样本的理化数据，并根据所述目标邻近光谱组的RRPE确定所述样本数据库对所述待测样本的代表性是否充足；

若判断获知所述样本数据库的代表性不充足，则将所述待测样本添加至所述样本数据库，完成数据库的自动更新；

所述选择RRPE最小的目标邻近光谱组，根据所述目标邻近光谱组预测所述待测样本的理化数据，并根据所述目标邻近光谱组的RRPE确定所述样本数据库对所述待测样本的代表性是否充足，具体包括：

选择RRPE最小的目标邻近光谱组为自变量，所述待测样本光谱为因变量进行回归拟合得到回归系数，并根据所述回归系数预测所述待测样本的理化数据；

若所述目标邻近光谱组的RRPE大于或等于预设的右阈值，则确定所述样本数据库的代表性不足，待测样本的预测结果需要验证，且提示当前样本数据库需要更新；

若所述目标邻近光谱组的RRPE小于所述右阈值且大于预设的左阈值，则确定所述样本数据库的代表性正常，可满足待测样本的预测需求；

若所述目标邻近光谱组的RRPE小于或等于所述左阈值，则确定所述样本数据库的代表性充足，样本数据库无需更新。

2.根据权利要求1所述的方法，其特征在于，所述根据光谱距离建立待测样本与所述样本数据库中的若干个样本的邻近光谱组，并分别根据各邻近光谱组建立对应的矩阵，具体包括：

根据K最近邻分类算法KNN计算出所述样本数据库的样本中与所述待测样本的光谱距离最近的i个光谱，组成邻近光谱组NSS_i，计算出所述样本数据库的样本中与所述待测样本的光谱距离最近的(i+1)个光谱，组成邻近光谱组NSS_i+1，以此类推，计算出所述样本数据库的样本中与所述待测样本的光谱距离最近的(i+n)个光谱，组成邻近光谱组NSS_i+n，并根据NSS_i、NSS_i+1、……、NSS_i+n分别建立对应的矩阵；

其中，i为大于等于10的整数，n为正整数。

3.根据权利要求1所述的方法，其特征在于，所述根据马氏距离计算得到拟合评价参数相关相对预测误差RRPE，具体包括：

分别计算各邻近光谱组的马氏距离之比MDr_i:

MDr_i＝Max(D_i,D₁₀)/Min(D_i,D₁₀)

其中，D₁₀表示所述待测样本的光谱到NSS₁₀的距离；

筛选得到小于设定阈值的目标MDr_i，并对各目标MDr_i对应的邻近光谱组和所述待测样本进行拟合，得到拟合评价参数相关相对预测误差RRPE。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述分子光谱包括：紫外光谱、可见光谱、近红外光谱、中红外光谱或太赫兹光谱，所述分子光谱的光谱范围为10nm-3mm。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述各矩阵主成分的累计贡献率阈值的范围为0.9-0.95和0.95-0.99。

6.根据权利要求1所述的方法，其特征在于，所述回归拟合的算法包括：多元线性回归算法、主成分回归算法、偏最小二乘回归算法、人工神经网络算法和支持向量机回归算法的任意组合。