[发明专利]一种多指标协同分析波长组合及其选择方法

摘要

本发明公开了一种多指标协同分析波长组合及其选择方法。所述多指标协同分析波长组合的选择方法，包括以下步骤：S1、信息的采集，S2、主特征波长组合的选择，S3、协同特征波长的选择，S4、多指标协同分析波长组合的确定。所述多指标协同分析波长组合包括主特征波长组合和协同特征波长组合。本发明是针对一类样品的多个指标同时进行近红外检测的最优协同分析波长组合的筛选方法，能够大大减少波长个数和模型复杂度，筛选得到的波长组合所建模型和全波段波长所建模型的性能指标相近，筛选得到的波长组合完全可以胜任多指标的近红外检测，为近红外光谱仪的小型化和专用化奠定了基础。

主权项

1.一种多指标协同分析波长组合的选择方法，其特征在于，包括以下步骤：S1、信息的采集：利用近红外光谱仪采集样品的光谱数据，并采用标准分析方法测定样品的各指标理化值；S2、主特征波长组合的选择：采用EC‑PLS方法建立每个指标的PLS模型，按照最小RMSEP优选适当的等间隔波长组合；PLS模型包括四个参数：起始波长I、波长个数N、波长间隔个数G及PLS因子个数F；分别设置I∈I,N∈N,G∈G,F∈F；对每一参数组合(I,N,G,F)分别建立PLS定标预测模型，确定全局最优模型如下：最优RMSEP值容许上浮一定的比例α，对应得到满足条件的s个模型，其参数集合可表示如下：Ω_α＝{(I,N,G,F)|RMSEP(I,N,G,F)≤RMSEP_*(1+α)},  (3)对应的s个波长组合如下：其中N_j为第j个波长组合的波长个数。汇总全部s个有效方案的p个波长，并按照它在全部s个有效方案中出现的概率大小降序排列为：λ₁,λ₂,Λ,λ_p，前d个波长称为主特征波长；S3、协同特征波长的选择设共有K个需要分析的指标，按照步骤S2基于EC‑PLS方法，对应每个指标的全局最优模型的RMSEP分别为RMSEP_*,k,k＝1,2,Λ,K,其参数集合如下：在此基础上，得到K个指标协同分析的参数集合如下：对应的t个波长组合如下：其中N_i为第i个波长组合的波长个数，汇总全部t个有效方案的q个波长，并按照它在全部t个有效方案中出现的概率大小降序排列为：μ₁,μ₂,Λ,μ_q，前e个波长称为协同特征波长；S4、多指标协同分析波长组合的确定设根据步骤S2得到的对应第k个指标的主特征波长组合如下：设根据步骤S3得到的对应K个指标协同分析的协同特征波长组合如下：Δ＝{μ₁,μ₂,Λ,μ_e}，  (9)则多指标协同分析波长组合如下：采用式(10)的波长组合对每个指标建立PLS定标预测模型，多指标综合RMSEP值最小的模型对应的波长组合为多指标协同分析波长组合。