[发明专利]光谱分析模型的构建方法、装置、设备及存储介质

说明书

本发明公开了一种光谱分析模型的构建方法、装置、设备及存储介质，所述方法包括：获取历史光谱的样本数据；提取所述样本数据中的样本信息以及特征信息，将所述样本信息和特征信息组成样本矩阵；根据所述样本矩阵建立预设原始模型，其中，所述预设原始模型包括若干未知预设参数；根据所述样本矩阵按照预设规则对所述预设原始模型进行训练，得到所述未知预设参数的已知值；将所述已知值代入所述预设原始模型中生成目标光谱分析模型。本发明将噪声样本预先加入训练模型中进行训练，从而提高建模的精度。

技术领域

本发明涉及光谱分析技术领域，尤其涉及一种光谱分析模型的构建方法、装置、设备及存储介质。

背景技术

目前，红外光谱的分析是化学计量学、模式识别等相关领域的研究热点，通常的方法是利用偏最小二乘回归法建立定量分析模型，但是建立的最小二乘回归模型在样本中含有噪声和异常样本时，模型的参数会受到影响，从而降低建模精度。

发明内容

本发明的主要目的在于提出一种光谱分析模型的构建方法、装置、设备及存储介质，旨在提高建模精度。

为实现上述目的，本发明提供一种光谱分析模型的构建方法，所述光谱分析模型的构建方法包括以下步骤：

获取历史光谱的样本数据；

提取所述样本数据中的样本信息以及特征信息，将所述样本信息和特征信息组成样本矩阵；

根据所述样本矩阵建立预设原始模型，其中，所述预设原始模型包括若干未知预设参数；

根据所述样本矩阵按照预设规则对所述预设原始模型进行训练，得到所述未知预设参数的已知值；

将所述已知值代入所述预设原始模型中生成目标光谱分析模型。

优选地，所述提取所述样本数据中的样本信息以及特征信息，将所述样本信息和特征信息组成样本矩阵，包括：

提取所述样本数据中的每列样本信息以及对应的光谱长度，将所述样本信息以及对应的光谱长度组成所述光谱矩阵；

提取所述样本数据中的光谱对应的特征，将所述特征组成特征矩阵，将所述光谱矩阵和特征矩阵组成所述样本矩阵。

优选地，所述未知预设参数包括回归系数矩阵、未含噪声的光谱矩阵、未含噪声的字典、所述不含噪声的字典表示所述光谱矩阵的系数，所述光谱矩阵中的噪声、辅助变量、约束条件、所述预设原始模型的惩罚参数以及预设矩阵；

其中，所述预设矩阵对角线上的元素为第一预设值，包含的其他元素为第二预设值。

优选地，所述预设原始模型为：

其中，L表示建立的预设原始模型，T表示所述回归系数矩阵，表示所述未含噪声的光谱矩阵，A表示所述未含噪声的字典，Z表示所述不含噪声的字典表示所述光谱矩阵的系数，E表示所述光谱矩阵中的噪声，J表示所述辅助变量，s.t.表示所述约束条件，η，λ₁和λ₂表示所述预设原始模型的惩罚参数，W表示预设矩阵。

优选地，所述根据所述样本矩阵按照预设规则对所述预设原始模型进行训练，得到所述未知预设参数的已知值，包括：

通过拉格朗日算法将所述预设原始模型变换为第一原始模型：

将所述A，Z，J以及E固定，根据所述样本矩阵对所述第一原始模型进行训练，得到T的已知值；

将所述T，A，Z，J以及E固定，根据所述样本矩阵对所述第一原始模型进行训练，得到的已知值；

将所述T，Z以及J固定，根据所述样本矩阵对所述第一原始模型进行训练，得到A和E的已知值；