[发明专利]一种基于自组织神经网络的近红外光谱共识模型的构建方法

摘要

本发明公开了一种基于自组织神经网络的近红外光谱共识模型的构建方法，包括以下操作：选取n个样本，测定某一有机物样本参考值，采集样本的近红外光谱数据，记为矩阵X，对X进行预处理得到X_pre，应用自组织神经网络聚类方法将光谱变量聚成4类。根据聚类结果建立4组样本集，分别对样本集进行划分，使用样本集中3n/4的样本作为建模集，剩余n/4样本作为预测集，建立偏最小二乘回归模型；计算预测结果与参考值之间的误差，再应用共识模型算法计算出4个子模型权重系数w1、w2、w3和w4，并基于权重系数对4个子模型进行变量共识，得到定量模型。本发明的有益效果是本发明的有益效果是不仅合理的利用了样本光谱信息变量，而且提升了模型的准确性和鲁棒性。

主权项

1.一种基于自组织神经网络的近红外光谱共识模型的构建方法，其特征在于包括以下步骤：步骤1，选取n个样本，其中n为小于100的正整数，通过标准化学方法测定某一有机物的样本参考值，记为列向量Y；步骤2，采集n个样本m维近红外光谱数据X；步骤3，对光谱数据进行预处理，处理后的数据计为Xpre；步骤4，应用自组织神经网络变量聚类方法进行光谱变量聚类，将变量按照变量相互之间相似性聚成4类，每类含有变量个数分别为a、b、c、d，其中a+b+c+d＝m；步骤5，基于变量聚类结果建立含有n个样本，含有a、b、c、d个变量的4组样本集Za、Zb、Zc和Zd；步骤6，分别对Za、Zb、Zc和Zd4组样本集数据进行划分，其中3n/4的样本作为建模集，剩余n/4样本做为预测集，然后建立4个偏最小二乘回归模型；计算4组预测结果与参考值之间的误差，而后应用共识模型算法计算出4个子模型权重系数w1、w2、w3、w4；权重系数的计算公式为：步骤7，基于权重系数w1、w2、w3、w4对4个子模型进行变量共识，得到定量模型，变量共识计算公式为：f(x)＝∑kwkfk(x)。