[發明專利]基于獨立分量分析和遺傳神經網絡的近紅外光譜分析方法

無效

• 申請號: 200910097144.2
• 申請日: 2009-03-23
• 公開（公告）號: CN101520412A
• 公開（公告）日: 2009-09-02
• 發明（設計）人: 林敏;方利民
• 申請（專利權）人: 中國計量學院
• 主分類號: G01N21/35
• 分類號: G01N21/35;G06N3/02
• 代理公司: 杭州求是專利事務所有限公司
• 代理人: 周 烽

1、一種基于獨立分量分析和遺傳神經網絡的近紅外光譜分析方法，其特征在于，包括如下步驟：

1)采集被測物樣本的近紅外光譜數據，包括校正集樣本和預測集樣本，對光譜數據采用離散小波變換進行壓縮，得到壓縮后的近紅外光譜數據矩陣；用理化方法測定校正集中樣本的被測成分濃度含量，得到校正集樣本的被測成分濃度矩陣。

2)壓縮后的近紅外光譜數據矩陣經ICA系統處理，被分解為各獨立成分矩陣和相應的混合系數矩陣，得到的混合系數矩陣作為BP神經網絡的輸入。

3)將已測得的校正集樣本的被測成分濃度矩陣作為神經網絡的標準輸出，建立網絡模型，并采用遺傳算法優化神經網絡結構，最終經訓練得到GA-BP神經網絡模型。

4)將預測集中被測成分濃度含量未知的樣本輸入到GA-BP神經網絡模型中，對被測成分的濃度含量進行預測。

2、根據權利要求1所述的基于獨立分量分析和遺傳神經網絡的近紅外光譜分析方法，其特征是，所述步驟1)，具體實現如下：

用傅立葉變換紅外光譜儀對被測物樣本進行掃描，得到被測物的近紅外光譜數據，一部分作為校正集，另一部分作為預測集。其中校正集樣本的被測成分濃度含量用理化方法測定，用于建模；預測集樣本的被測成分濃度含量未知，需要使用所建模型進行預測。采用離散小波變換對光譜數據進行有效的壓縮。

3、根據權利要求1所述的基于獨立分量分析和遺傳神經網絡的近紅外光譜分析方法，其特征是，所述步驟2)，具體實現如下：

ICA系統的輸入是經離散小波變換壓縮后的近紅外光譜數據矩陣，輸出是對應各獨立成分的混合系數矩陣。該系統按獨立性要求對輸入的數據矩陣進行分解，選取最優的獨立成分數得到獨立成分矩陣和相應的各獨立成分在混合光譜中的權重系數矩陣。得到的權重系數矩陣輸入用于建立樣品的定量分析模型。

4、根據權利要求1所述的基于獨立分量分析和遺傳神經網絡的近紅外光譜分析方法，其特征是，所述步驟3)，具體實現如下：

將已測得的校正集樣本的被測成分濃度矩陣作為標準輸出，使用神經網絡建立定量分析模型。采用三層BP神經網絡，網絡的初始權值由遺傳算法優化得到。根據預測的精確度和網絡中間隱層神經元數之間的關系尋找最優隱層神經元數，經校正集樣本訓練得到GA-BP神經網絡。

5、根據權利要求1所述的基于獨立分量分析和遺傳神經網絡的近紅外光譜分析方法，其特征是，所述步驟4)，具體實現如下：利用未知被測成分濃度的預測集樣本對訓練好的GA-BP網絡進行測試，輸入經小波變換的NIR光譜數據，輸出為該NIR光譜所對應的被測成分濃度的預測值。最后利用相關系數和預測均方根誤差作為評價指標來判斷建模效果。