[发明专利]一种基于循环变量筛选非线性PLS的LIBS定量分析方法

权利要求书

1.一种基于循环变量筛选非线性PLS的LIBS定量分析方法，其特征在于，包括以下步骤：

采集待测物质的激光诱导击穿光谱的原始全谱数据，进行归一化和降噪处理，得到多维谱线数据集；

将多维谱线数据集划分为训练集、校验集和测试集；

利用训练集数据、校验集数据进行PLS建模，循环迭代筛选模型参数、确定循环筛选次数，获取最优非线性PLS模型；

将测试集数据输入建立的非线性PLS模型，自动获取待分析元素浓度；

所述最优非线性PLS模型的建立具体包括以下步骤：

步骤a、在训练集数据中选取待分析谱线强度的非线性形式以及全谱数据进行PLS建模，获取待分析谱线强度的回归系数变量；

步骤b、将PLS模型的各个回归系数变量按绝对值从大到小排列，循环筛选回归系数变量再次进行PLS建模，直到满足预设的终止条件停止迭代，从而确定循环筛选次数；

步骤c、并将校验集数据输入步骤b的PLS模型，计算校验集下的待检测元素浓度的均方根误差；

步骤d、以均方根误差最小时对应的变量、对应的主成分数，建立循环筛选变量后的非线性PLS模型；

多维谱线数据集的总样本数为N，选取n_val个样本作为校验样本，利用校验样本优化模型的参数，选取n_tes个样本作为测试样本，用于评价最终模型的预测精度，将其余n_tra个样本作为训练样本进行建模；

所述待分析谱线为待分析元素E1的m条特征谱线和干扰元素E2的h条特征谱线；

所述循环变量筛选每次去掉的是回归系数绝对值最小的a个谱线强度；所述循环变量筛选的终止条件为回归系数变量数小于设定值n_min。

2.根据权利要求1所述的一种基于循环变量筛选非线性PLS的LIBS定量分析方法，其特征在于，所述训练集、校验集和测试集是按比例进行划分；并且在划分校验样本和测试样本时，使其均匀分布在总样本的浓度范围之内，以实现最充分的评估模型性能的效果。

3.根据权利要求1所述的一种基于循环变量筛选非线性PLS的LIBS定量分析方法，其特征在于，所述PLS模型参数包括：待分析元素回归系数、干扰元素回归系数、筛选后谱线的回归系数。

4.根据权利要求1所述的一种基于循环变量筛选非线性PLS的LIBS定量分析方法，其特征在于，所述获取的最优非线性PLS模型为：

其中，C为元素浓度，p为最高次幂数，m为挑选的待分析元素E1元素谱线数，α_i,j为待分析元素E1线回归系数，i为谱线强度的次幂数，j为挑选的E1元素谱线的序号，I_E1为E1谱线强度，h为挑选的干扰元素E2元素谱线数，β_i,q为干扰元素E2谱线回归系数，q为挑选的E2元素谱线的序号，I_E2为E2谱线强度，u为从全谱中筛选后的谱线数，k为从全谱中筛选后的谱线的序号，γ_k为筛选后谱线的回归系数，I_k为筛选后谱线的强度。

5.根据权利要求4所述的一种基于循环变量筛选非线性PLS的LIBS定量分析方法，其特征在于，所选特征谱线的非线性形式为p次多项式形式。

6.一种基于循环变量筛选非线性PLS的LIBS定量分析系统，其特征在于，包括光谱采集设备模块、数据预处理模块、划分数据集模块、PLS建模优化模块、测试模块；

所述光谱采集设备模块，用于采集待测物质的激光诱导击穿光谱的原始全谱数据；

所述数据预处理模块，用于对采集待测物质的激光诱导击穿光谱的原始全谱数据，进行归一化和降噪处理，得到多维谱线数据集；

所述划分数据集模块，用于将多维谱线数据集划分为训练集、校验集和测试集并存储在存储器中；

所述PLS建模优化模块，用于利用训练集数据、校验集数据循环迭代进行PLS建模，获取模型参数、循环筛选次数，以及最优非线性PLS模型；

所述测试模块，用于将测试集数据输入建立的非线性PLS模型，自动获取待分析元素浓度并输出。