[發(fā)明專利]一種基于分子光譜分析的定量模型評估方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710330712.3
• 申請日: 2017-05-11
• 公開（公告）號: CN107273656A
• 公開（公告）日: 2017-10-20
• 發(fā)明（設計）人: 劉彤;潘濤;曾永平;肖青青;沈鴻平;凌亞東
• 申請（專利權）人: 廣州訊動網絡科技有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 廣州市越秀區(qū)哲力專利商標事務所(普通合伙)44288
• 代理人: 蔡碧慧,鄧星文

技術領域

本發(fā)明涉及分子光譜分析領域，尤其涉及一種基于分子光譜分析的定量模型評估方法和系統(tǒng)。

背景技術

目前，光譜結合化學計量學方法用于定量分析大都采用同種模式，即基于一組已知樣品建立校正模型。這一組已知樣品稱為校正集樣品，通過這組樣品的光譜及其對應基礎數(shù)據(jù)(理化數(shù)據(jù))，利用多元矯正方法建立校正模型。對于待測樣品，只需測定其光譜，根據(jù)已建的模型便可快速給出定量結果。

在模型建立和驗證過程中，會使用到一些統(tǒng)計參數(shù)作為模型的評價參數(shù)，如偏差(d)、極差(e)、校正標準偏差(SEC)、預測標準偏差(SEP)、決定系數(shù)(R2)及相關系數(shù)(R)等。其中，較為常用的有SEP與R。SEP越小，模型越好；R越接近1，模型越好。

但現(xiàn)有技術存在以下問題：

在分子光譜分析技術方面，存在因樣品間測量尺度不同、數(shù)據(jù)量綱差異，從而造成對常用模型評價參數(shù)的影響，存在評價復雜的問題。

并且，1.現(xiàn)有方法中的評價參數(shù)無法體現(xiàn)建模時校正集樣品數(shù)量對模型產生的影響，僅用現(xiàn)在常用的SEP及RP值并不能很好的觀測出模型的好壞，由數(shù)量較小的樣本集進行模型創(chuàng)建也能得到很好的SEP及RP評估。2.SEP會受校正集的理化數(shù)據(jù)影響，理化值大的樣品集所建的模型，其SEP相對大，從而導致不同樣品模型之間的SEP無可比性。3.優(yōu)質模型的校正集基礎數(shù)據(jù)(理化數(shù)據(jù))需具有代表性，其組成應包含以后待測樣品所包含的所有化學組分，其變化范圍應大于待測樣品對應性質的變化范圍。4.各類模型評價參數(shù)相互獨立，無法對模型進行較為全面的綜合評價。不熟悉化學計量學的人員難以簡便地通過現(xiàn)有評價參數(shù)得知模型優(yōu)劣。

發(fā)明內容

為了克服現(xiàn)有技術的不足，本發(fā)明的目的在于實現(xiàn)簡單快速的得出分析結果及綜合考慮到評估方法全面性的優(yōu)點。

本發(fā)明的目的采用如下技術方案實現(xiàn)：

一種基于分子光譜分析的定量模型評估方法，包括，

對定量模型的樣本數(shù)量進行評估的步驟；

對定量模型的模型準確性進行評估的步驟；

對定量模型的模型相關性進行評估的步驟；

對定量模型的模型代表性進行評估的步驟；

基于上述樣本數(shù)量、模型準確性、模型相關性和模型代表性的評估結果對定量模型進行評分，并對評分結果進行分析，從而完成分子光譜分析的步驟。

進一步地，上述對定量模型的樣本數(shù)量進行評估的步驟，具體為：

其中，n為樣本數(shù)量，amoun為樣本數(shù)量的評估結果，根據(jù)公式得出，若樣本數(shù)量大于1000，即特征接近飽和時，樣本數(shù)量的評估結果amount將給出滿分。

進一步地，上述對定量模型的模型準確性進行評估的步驟，具體為：

其中，SEP為預測標準偏差，為建模集樣本參考方法的測定值均值，y_i，actual為第i樣品參考方法的測定值，y_{i，predicted}為校正集交互驗證過程中第i樣品的預測值，i為常數(shù)，m為驗證集的樣品數(shù)，SEP為預測標準偏差，accuracy為模型準確性評估結果。

進一步地，上述對定量模型的模型相關性進行評估的步驟，具體為：

correlation＝R*100；

其中，R為相關系數(shù)，為建模集樣本參考方法的平均測定值，為校正集交互驗證過程中的平均預測值，y_i，actual為第i樣品參考方法的測定值，y_{i，predicted}為校正集交互驗證過程中第i樣品的預測值，w為校正集或驗證集的樣品數(shù)，correlation為模型相關性評估結果。

進一步地，上述對定量模型的模型代表性進行評估的步驟，具體為：

其中，CV為建模集樣本參考方法測定值的變異系數(shù)，SD為建模集樣本參考方法測定值的標準差，為建模集樣本參考方法的平均測定值，y_i，actual為第i樣品參考方法的測定值，typical為模型代表性評估結果。

進一步地，上述基于上述樣本數(shù)量、模型準確性、模型相關性和模型代表性的評估結果對定量模型進行評分，具體為：

其中，n為樣本數(shù)量。

本發(fā)明的目的還采用如下技術方案實現(xiàn)：

一種基于分子光譜分析的定量模型評估系統(tǒng)，包括，

樣本數(shù)量評估模塊：對定量模型的樣本數(shù)量進行評估；