[发明专利]一种基于工作流的振动光谱分析模型优化方法

摘要

本发明公开了一种基于工作流的振动光谱分析模型优化方法。初始化确定振动光谱分析模型的评价参数和振动光谱分析模型的优化对象，将预处理方法和多元分析方法进行排列组合得方法组合；计算各个方法组合下的超参数和对应的超参数空间组合；将训练集分别输入到各个方法组合，优化计算确定方法组合的最优超参数；将训练集分别输入训练得到模型参数，由此获得各个组合模型；将测试集输入各个组合模型，计算各个组合模型的评价参数，选出最优模型。本发明建立了工作流程，避免了繁琐的人工操作和主观判断，更充分地利用了并行计算资源，提供了传统光谱分析软件不具备的新的系统模型优化方式。

主权项

1.一种基于工作流的振动光谱分析模型优化方法，其特征在于：所述振动光谱分析模型是主要由预处理方法和多元分析方法的两个步骤依次实施构成，针对振动光谱分析模型采用以下步骤进行优化处理：步骤1)：初始化确定振动光谱分析模型的评价参数和振动光谱分析模型的优化对象，振动光谱分析模型的优化对象包括所要优化和比较的预处理方法、各个预处理方法需要优化的超参数及其对应的超参数空间、所要优化和比较的多元分析方法、各个多元分析方法需要优化的超参数及其对应的超参数空间；步骤2)：将所述步骤1)中的各个预处理方法和各个多元分析方法进行排列组合，获得所有可能的方法组合；步骤3)：根据所述步骤2)获得的所有可能的方法组合和所述步骤1)中各个预处理方法需要优化的超参数及其对应的超参数空间与各个多元分析方法需要优化的超参数及其对应的超参数空间，计算各个方法组合下的超参数和对应的超参数空间组合；步骤4)：将输入的振动光谱数据划分为训练集和测试集；步骤5)：将训练集的振动光谱数据分别输入到各个方法组合，根据步骤1)确定的评价参数，在方法组合下的超参数空间内对各个方法组合的超参数进行优化计算，确定方法组合的最优超参数；步骤6)：将训练集的振动光谱数据分别输入步骤5)获得的各个方法组合的最优超参数所对应建立的振动光谱分析模型进行训练，得到各个振动光谱分析模型的模型参数，由此获得各个组合模型；步骤7)：将测试集的振动光谱数据分别输入步骤6)中的各个组合模型，计算各个组合模型的评价参数，选出评价参数最优的组合模型作为最优模型。