[发明专利]一种复杂样品定量分析新方法在审
| 申请号： | 201810216010.7 | 申请日： | 2018-03-13 |
| 公开（公告）号： | CN110310712A | 公开（公告）日： | 2019-10-08 |
| 发明（设计）人： | 谭小耀;周亚林;卞希慧 | 申请（专利权）人： | 天津工业大学 |
| 主分类号： | G16C20/30 | 分类号： | G16C20/30 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 300387 *** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及复杂样品的定量分析新方法，由于传统的建模方法存在负荷量大、学习速度慢、易陷入局部极小等问题，本发明引入了极限学习机(ELM)建立复杂样品定量分析方法。首先采用一定的分组方式将数据集划分为训练集和预测集。然后根据预测集的RMSEP确定ELM模型的激励函数和隐藏节点数，采用确定好的最优参数建立ELM模型。对于未知样品，代入模型预测未知样本中被测成分的含量。本发明方法具有很高的预测精度，在运行时间上也有明显的优势。 | ||
| 搜索关键词： | 定量分析 复杂样品 预测集 极限学习机 分组方式 模型预测 最优参数 传统的 负荷量 节点数 数据集 训练集 建模 样本 引入 预测 学习 | ||
【主权项】：
1.一种复杂样品定量分析新方法，其特征在于：(1)数据采集：采集被测物样本光谱数据，用常规方法测定样本被测成分的含量。采用一定的分组方式将样本集划分为训练集和预测集，其中训练集样本用来建立模型并优化参数，预测集样本用来检验模型的预测能力；(2)ELM参数优化；(3)ELM模型建立：采用最佳参数设置激励函数和隐藏层节点数，建立最优ELM模型；(4)未知样本预测：将预测集光谱代到确立的ELM模型中，预测未知样本中被测成分的含量。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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天津工业大学，未经天津工业大学许可，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/patent/201810216010.7/，转载请声明来源钻瓜专利网。
