[发明专利]一种基于样本共识的近红外光谱建模方法

说明书

本发明公开了一种基于样本共识的近红外光谱建模方法，包括以下步骤：选取n个样本，测定某一有机物样本参考值，记为列向量Y，采集n个样本的近红外光谱数据，记为矩阵X，对矩阵X进行预处理，记为矩阵X_pre，将样本参考值列向量Y和光谱数据矩阵X_pre进行合并，记为矩阵Z，选取矩阵Z中n/4的样本数据作为预测集记为Z_p，按照比例r对矩阵Z中剩余的3n/4的样本数据进行s次随机划分得到矩阵Z_c，以每个Z_c为建模集、Z_p为预测集分别建立s个偏最小二乘回归子模型，再采用样本共识算法计算出模型表达式。本发明的有益效果是在当前样本数据较少的情况下，提出一种样本共识模型，此模型可以充分利用采集到的样本信息，提升检测模型的精度。

技术领域

本发明涉及化学计量学和光谱学领域领域，特别涉及一种基于样本共识的近红外光谱建模方法。

背景技术

近红外光谱的波数范围为12500～4000cm^-1，其光谱信息的来源于此区域有机物含氢官能团的倍频和合频吸收。随着近些年近红外光谱技术的快速发展，以及近红外光谱技术本身所具有快速、无损、安全、样品无需预处理和无需有毒有害化学试剂等优点，使得近红外光谱技术已经被广泛的应用于有机物定性和定量分析中。

虽然近红外光谱技术具有方便、简单、快速等特点，但在实际样本的近红外光谱信息采集过程中，会由于采集样本对象本身所具有的限制(例如样本稀少、样本的季节性、储藏性时间短等特性)或外界环境的限制(例如经济条件、实验时间、仪器的复杂性等条件限制)，使得实际中采集到的样本数据较少，导致构建的定性和定量检测模型具有较低的准确性和稳定性。

发明内容

本发明要解决的技术问题是提供在一定程度上解决模型样本数据较少的问题，并且提升模型的准确性和鲁棒性的基于样本共识的近红外光谱建模方法。

为解决上述技术问题，本发明是通过以下技术方案实现的：一种基于样本共识的近红外光谱建模方法，包括以下步骤：

步骤1，选取n个样本，通过标准化学方法测定某一有机物的样本参考值，记为列向量Y；

步骤2，采集n个样本的近红外光谱数据，记为矩阵X；

步骤3，对矩阵X选用一阶导数、二阶导数、矢量归一化、多元散射校正或平滑处理中的一种或多种方法进行预处理，记为矩阵X_pre；

步骤4，将样本参考值列向量Y和光谱数据矩阵X_pre进行合并，记为样本数据矩阵Z，Z＝[YX_pre]；

步骤5，采用蒙特卡洛取样法随机选取矩阵Z中n/4的样本数据作为预测集记为Z_p，Z_p中属于列向量Y的部分为Y_p，属于X_pre的部分为X_P，Z_p＝[Y_pX_P]；

步骤6，按照比例r对矩阵Z中剩余的3/4的样本数据进行随机划分得到矩阵Z_c，其中r∈[0.5,0.9]，以Z_c为建模集、Z_p为预测集，建立子模型的偏最小二乘回归模型；

步骤7，重复步骤6的操作，对矩阵Z中剩余的3n/4的样本数据进行s次随机划分，以每次得到的Z_c为建模集、固定的Z_p为预测集分别建立s个偏最小二乘回归子模型f₁(x)、f₂(x)、f₃(x)…f_k(x)…f_s(x)；