[发明专利]基于变量重要性的近红外光谱波长选择方法

摘要

一种基于变量重要性的近红外光谱波长选择方法，首先计算原光谱和样本成分含量的PLS回归系数：计算原光谱和随机重排后样本成分含量的PLS回归系数：计算每个变量的统计量s值；重复K次随机检验，每个变量计算K个s值的平均值，所有的变量按平均值的降序排序；通过按排序顺序逐个选择变量来建立一系列模型；对任一模型，计算其校正集的均方根误差值；计算每个模型的均方根误差值和最小的均方根误差值的比值，将第一个该比值超过0.95的模型作为最终的预测模型。该选择方法同时考虑变量的绝对回归系数值和统计量，来估计变量的重要性，更有效区分重要变量和不重要变量，使变量排序结果更合理，避免错误选择变量，保证建模质量。

主权项

一种基于变量重要性的近红外光谱波长选择方法，其特征在于，该方法具体按以下步骤进行：步骤1：通过建立建模集中原始的光谱矩阵和测量值之间的PLS模型得到所有变量的回归系数β；步骤2：将测量值随机排列M次，并一个个建立它们和原光谱之间的PLS模型，每一个变量可以得到M个无效的回归系数；将这些系数存入M×n 的矩阵B_H；步骤3：计算每个变量的统计量s值；首先计算u_j：（1）式中，是第j个变量 (共n个变量) 的绝对回归系数值，可以通过建立原始的光谱数据和样本成分含量的回归模型得到；是第j个变量的关键值；B_Hj是第j个变量的M个无效的回归系数的集合，可以通过一个个地建立原光谱矩阵和M个随机排列的样本成分含量之间的模型得到；和 STD(B_Hj) 分别是B_Hj的绝对平均值和标准偏差；u_j反映了第j个变量的关键值被其M个无效的回归系数超出的可能性；u值越高，可能性越低；统计量s通过下式计算：显然，和u值越大，s越大，变量越重要；步骤4：重复K次随机检验，每个变量计算K个s值的平均值，所有的变量按平均值的降序排序；步骤5：通过按排序顺序逐个选择变量来建立一系列模型；对任一模型，计算其校正集的均方根误差值；计算每个模型的均方根误差值和最小的均方根误差值的比值，将第一个该比值超过0.95的模型作为最终的预测模型；均方根误差值由下式计算：（3）式中：y_i和分别是第i条光谱的样本成分含量和预测值，w是校正集的光谱数字。