[发明专利]一种基于样本共识的近红外光谱建模方法

摘要

本发明公开了一种基于样本共识的近红外光谱建模方法，包括以下步骤：选取n个样本，测定某一有机物样本参考值，记为列向量Y，采集n个样本的近红外光谱数据，记为矩阵X，对矩阵X进行预处理，记为矩阵Xpre，将样本参考值列向量Y和光谱数据矩阵Xpre进行合并，记为矩阵Z，选取矩阵Z中n/4的样本数据作为预测集记为Zp，按照比例r对矩阵Z中剩余的3n/4的样本数据进行s次随机划分得到矩阵Zc，以每个Zc为建模集、Zp为预测集分别建立s个偏最小二乘回归子模型，再采用样本共识算法计算出模型表达式。本发明的有益效果是在当前样本数据较少的情况下，提出一种样本共识模型，此模型可以充分利用采集到的样本信息，提升检测模型的精度。

主权项

1.一种基于样本共识的近红外光谱建模方法，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样本参考值，记为列向量Y；步骤2，采集n个样本的近红外光谱数据，记为矩阵X；步骤3，对矩阵X选用一阶导数、二阶导数、矢量归一化、多远散射校正或平滑处理中的一种或多种方法进行预处理，记为矩阵Xpre；步骤4，将样本参考值列向量Y和光谱数据矩阵Xpre进行合并，记为样本数据矩阵Z，Z＝[YXpre]；步骤5，采用蒙特卡洛特取样法随机选取样本数据矩阵Z中n/4的样本数据作为预测集记为Zp，Zp中属于列向量Y的部分为Yp，属于Xpre的部分为XP，Zp＝[YpXP]；步骤6，对样本数据矩阵Z中剩余的3n/4样本按照比例r随机划分得到样本集矩阵Zc，其中r∈[0.5,0.9]，以样本集矩阵Zc为建模集、Zp为预测集，建立偏最小二乘回归子模型；步骤7，重复步骤6的操作，对矩阵Z中剩余的3n/4的样本数据进行s次随机划分，以每次得到的Zc为建模集、固定的Zp为预测集分别建立s个偏最小二乘回归子模型f1(x)、f2(x)、f3(x)…fk(x)…fs(x)；步骤8，根据步骤7中建立的s个偏最小二乘回归子模型对预测集样本进行预测，并分别计算每个子模型预测值与真实参考值之间的误差，然后计算出s个子模型的权重系数w1、w2、w3…wk…ws，其中wk为第k个子模型的权重系数，权重系数的计算公式为：步骤9，基于权重系数w1、w2、w3…wk…ws对s个子模型进行样本共识，样本共识计算公式为：f(x)为预测精度更高、鲁棒性更优的模型。