[发明专利]一种基于多模型加权平均的酒醅近红外光谱建模方法在审
| 申请号： | 202210012983.5 | 申请日： | 2022-01-07 |
| 公开（公告）号： | CN114357886A | 公开（公告）日： | 2022-04-15 |
| 发明（设计）人： | 贾利红;闫晓剑;张国宏;何涛 | 申请（专利权）人： | 四川启睿克科技有限公司 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06K9/62;G01N21/359;G06F113/08 |
| 代理公司： | 成都虹桥专利事务所(普通合伙) 51124 | 代理人： | 吴中伟 |
| 地址： | 610000 四川省成都市中国（四川）*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 模型 加权 平均 酒醅近 红外 光谱 建模 方法 | ||
1.一种基于多模型加权平均的酒醅近红外光谱建模方法，其特征在于，包括：
步骤1、获取光谱原数据并进行数据集划分：将光谱原数据整体作为训练集T1；将光谱原数据随机划分为训练集T2、验证集V2；将光谱原数据中临近预测集采集时间的A个数据作为验证集V3，剩余样本作为训练集T3；
步骤2、对步骤1中经过数据集划分后的3组数据分别进行至少两种预处理；
步骤3、对预处理后的训练集数据T1、T2、T3分别采用PLS建模；
步骤4、设置模型评价指标；
步骤5、根据模型评价指标进行模型筛选并保存最优模型及对应的建模参数；
步骤6、根据建模参数分别计算三种模型对应的加权值；
步骤7、根据加权值重新建模并保存。
2.根据权利要求1所述的一种基于多模型加权平均的酒醅近红外光谱建模方法，其特征在于，所述步骤2中数据预处理的方法包括：高斯平滑、高斯求导、SG平滑法、去趋势及标准化。
3.根据权利要求1所述的一种基于多模型加权平均的酒醅近红外光谱建模方法，其特征在于，所述步骤4包括：采用训练集T1进行建模的模型采用最小RMSECV指标筛选最优模型，其中Y为真实值，Yp为采用留一法交叉验证的预测值，n为训练集样本数量；采用训练集T2、T3进行建模的模型采用对应验证集最大预测准确率指标筛选最优模型。
4.根据权利要求3所述的一种基于多模型加权平均的酒醅近红外光谱建模方法，其特征在于，所述步骤5中建模参数包括：线性拟合参数值Beta及相关系数值R2。
5.根据权利要求4所述的一种基于多模型加权平均的酒醅近红外光谱建模方法，其特征在于，所述步骤6计算加权值采用的公式为：分别对应训练集T1、T2、T3。
6.根据权利要求5所述的一种基于多模型加权平均的酒醅近红外光谱建模方法，其特征在于，所述步骤7中重新建立的模型为：Yp＝t1×Beta1×Xp1+t2×Beta2×Xp2+t3×Beta3×Xp3，其中Xp1为未知样本的光谱数据经T1对应的最优模型的预处理方法得到的数据，Xp2为未知样本的光谱数据经T2对应的最优模型的预处理方法得到的数据，Xp3为未知样本的光谱数据经T3对应的最优模型的预处理方法得到的数据。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川启睿克科技有限公司，未经四川启睿克科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202210012983.5/1.html，转载请声明来源钻瓜专利网。
