[发明专利]一种基于局部加权Lasso的近红外模型在线更新方法

摘要

本发明提供一种基于局部加权Lasso的近红外模型在线更新方法，属于近红外在线检测领域。该方法分为四个部分：历史数据采集与预处理、得到相似度测量矩阵、建立局部Lasso模型和获取查询样本预测值。本发明提出基于局部加权Lasso的更新方法，兼具JITL方法可以克服工业过程非线性，增强算法泛化性能；以及能同时进行变量选择和回归，从而降低计算量，达到提高模型精度和预测能力，并进一步实现近红外在线分析检测技术的推广。

主权项

1.一种基于局部加权Lasso的近红外模型在线更新方法，其特征在于，步骤如下：步骤一：历史数据采集与预处理采集样本物性参数和近红外光谱原始数据组成历史数据库，作为样本校正集，对近红外光谱原始数据进行预处理，并对校正集的样本按照3σ准则进行异常值剔除；步骤二：得到相似度测量矩阵利用剔除异常值后的样本校正集，建立光谱矩阵和物性参数矩阵其中，N为样本数目，M为光谱变量数目，x_i第i个样本对应的光谱，y_i为第i个样本对应的物性参数；当新来一个查询样本xq时，依据自定义的相似度准则，计算查询样本xq与历史数据库中所有样本的相似度，赋予与xq相似度高的样本更大的权重，得到相似度测量矩阵：W＝diag(w1,w2,…,wi)，wi为历史数据库中第i个样本被赋予的权重；步骤三：建立局部加权Lasso模型(1)将光谱矩阵X作为自变量，物性参数矩阵Y作为因变量，分别对矩阵X和矩阵Y进行加权后的均值中心化处理，得到和其中，1_N∈R^N是全为1的列向量，为N个样本的光谱加权平均值，为N个样本的物性参数加权平均值，为均值中心化处理后的第i个样本的光谱，为均值中心化处理后的第i个样本的物性参数；(2)在原有的Lasso方法基础上，给公式(5)添加权值，得到局部加权Lasso建模方法，并得到估计的回归系数其中，β_Lasso为Lasso建模方法估计的回归系数，β_j为第j个变量对应的回归系数，λ为惩罚参数，为局部加权Lasso建模方法估计的回归系数，x_ij为第i个样本的第j个光谱变量，为均值中心化处理后的第i个样本的第j个光谱变量；步骤四：获取查询样本预测值(3)通过步骤三得到的估计的回归系数完成对新来查询样本x_q的预测；得到预测输出值后，丢弃当前模型，直到下一个新的查询样本x_q′到来，重复步骤二、步骤三，建立新的局部加权Lasso模型，得到x_q′的预测输出值，如此往返。