[发明专利]一种基于集成学习的近红外光谱定量建模方法

摘要

一种基于集成学习的近红外光谱定量建模方法，包括：确定初始数据集，包含用于建模的校正集和验证的预测集，并对数据进行预处理；将校正集样本按照聚类的策略分成p类，从每类中随机抽取一个样本构成子模型的验证集，余下的部分构成该子模型的校正集；采用选取的定量建模方法对子模型的校正集进行训练，通过模型输出对初始数据集中预测集的预测误差信息进行统计，并获得以预测误差的方差为参数的权函数；重复上述步骤，构建出多个子模型，并对各个子模型按照预测误差的方差加权得到稳健性强的定量校正模型；利用稳健性强的整体定量校正模型结合预测集样本完成定量建模。本发明具有以下优点：使整个模型的输出结果更加接近真实值。

主权项

1.一种基于集成学习的近红外光谱定量建模方法，其特征在于，包括以下步骤：步骤S101，确定初始数据集，包含用于建模的校正集(X_c,Y_c)和验证的预测集(X_p,Y_p)，并对数据进行预处理；步骤S102，将初始数据集中的校正集样本按照聚类的策略分成p类，从每类中随机抽取一个样本构成子模型的验证集，余下的部分构成该子模型的校正集；步骤S103，采用选取的定量建模方法对子模型的校正集进行训练，通过模型输出对初始数据集中预测集的预测误差信息进行统计，并获得以预测误差的方差为参数的权函数；步骤S104，重复步骤102和步骤103一定次数，构建出多个子模型，并对各个子模型按照预测误差的方差加权得到稳健性强的定量校正模型；步骤S104的具体步骤为：步骤S201：选取子模型的校正集和验证集样本；步骤S202：选取定量校正方法构成弱学习机对子模型进行训练；步骤S203：利用选取的子模型校正集数据(X_i,Y_i)和定量建模方法建立该子模型Y_i＝X_i*beta_i+E_i，并得到该子模型的输出参数beta_i，根据beta_i对子模型验证集样品(X_t,Y_t)进行预测Y_pred＝X_t*beta_i+E_p，得到预测误差E_p＝|Y_t‑Y_pred|；步骤S204：统计各个子模型的预测误差的方差；步骤S205：利用各个子模型的方差构造权重函数；步骤S206：利用权重函数修正各子模型的输出参数beta；步骤S207:利用修正后的输出参数构成整体模型；步骤S205中，按照方差越大则该子模型权重越小的原则构造出高斯型权函数在步骤S205中，重复步骤S201/S202/S203和S204计x次，可以得到x个子模型对应的高斯型权函数和预测系数beta_x，分别对x个模型求取预测系数的加权函数，第i个子模型的权函数为：采用集成学习的思想，构造整体模型的预测系数newbeta，其计算方式如下：newbeta＝diag(W)*beta_x其中diag(W)由各个子模型权函数w_i构成的对角矩阵；步骤S105，利用稳健性强的整体定量校正模型结合预测集样本完成定量建模。