[发明专利]一种近红外光谱和拉曼光谱波长的筛选方法

摘要

一种近红外光谱和拉曼光谱波长的筛选方法，把采集的近红外或拉曼光谱及对应的被测成分浓度数据分成训练集、检验集和预测集；利用原始光谱和被测成分浓度建立PLS模型，得到真实PLS模型系数；将被测成分浓度随机排序，利用被测成分浓度向量与原始光谱矩阵建立大量PLS模型；根据这些模型，分别统计单个波长模型系数大于其真实PLS模型系数的次数，可得到对应概率值；概率值小于域值的波长被保留；利用保留的波长建立最优模型，对预测集样本被测成分浓度进行预测。该方法可准确提取含有光谱信息的波长，简化了定量分析模型，提高了定量分析模型的预测精度，为近红外光谱和拉曼光谱多元校正分析提供了一种新的波长筛选技术。

主权项

一种近红外光谱和拉曼光谱波长的筛选方法，其特征在于包括以下步骤：1)采集被测物样本的近红外光谱或拉曼光谱数据，随机分成三部分，包括训练集、检验集和预测集样本，用常规方法测定训练集和检验集中样本的被测成分浓度含量，得到训练集样本和检验集样本的被测成分浓度向量，其中训练集样本用来建立模型、检验集样本用来确定模型参数、预测集样本用来检验模型的预测能力；2)利用训练集样本的光谱和被测成分浓度，进行偏最小二乘回归，得到真实模型回归系数向量b(1×p)，p指波长点总数；3)将上述训练集样本的被测成分浓度向量随机排序，即被测成分浓度不再与样本光谱呈一一对应的关系，利用这种随机化后的被测成分浓度向量Y与训练集样本的原始光谱矩阵X进行偏最小二乘回归，得到随机模型；4)重复步骤3，得到系列偏最小二乘回归随机模型及其模型回归系数矩阵B；5)对于每个波长，比较其对应的随机模型回归模型系数与其真实模型回归系数的大小，统计随机模型回归系数值大于真实模型回归系数的次数，计算每个波长对应的概率值；6)将波长根据其概率值的升序进行排列，得到概率向量f；7)保留概率值小于最优域值的波长；8)根据保留的波长点位置，仅保留训练集光谱矩阵相应的波长列，得到新的光谱矩阵X1，并且与训练集样本被测成分浓度向量建立偏最小二乘回归模型，利用这个模型，测定预测集样本被测成分的浓度含量。