[發(fā)明專利]一種面向光譜基線校正的加權(quán)建模局部優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 202010636816.9
• 申請日: 2020-07-03
• 公開（公告）號: CN111999258B
• 公開（公告）日: 2022-06-17
• 發(fā)明（設(shè)計）人: 陳華舟;許麗莉;林彬
• 申請（專利權(quán)）人: 桂林理工大學(xué)
• 主分類號: G01N21/3563
• 分類號: G01N21/3563;G01N21/359;G06F17/18
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種面向光譜基線校正的加權(quán)建模局部優(yōu)化方法，其特征在于具體步驟為：

步驟一，基于樣本化學(xué)值矩陣C_n×r，計算化學(xué)值權(quán)重矩陣Ω_n×r＝[ω_i],i＝1,2,…n，其中ω_i＝[ω_i,j]_1×r為針對第i個樣本的權(quán)重向量，且并對C進行加權(quán)運算得到加權(quán)后的化學(xué)值矩陣，記為C^Ω；

步驟二，基于權(quán)重矩陣Ω對光譜數(shù)據(jù)進行預(yù)處理，光譜數(shù)據(jù)預(yù)處理的目的在于光譜降噪，考慮將化學(xué)值權(quán)重向量ω_i嵌入多元散射矯正方法完成預(yù)處理，可加強針對基線偏移的校正，具體過程如下：

①計算所有樣本的加權(quán)平均光譜：

②通過每個樣本光譜A_i對平均光譜A_ave按照A_i＝k·A_ave+1·b的線性關(guān)系進行回歸，估計回歸系數(shù)k和b；

③利用回歸系數(shù)計算得到多元散射矯正校正后的光譜：

步驟三，基于光譜數(shù)據(jù)A_n×p計算權(quán)重矩陣；

Δ＝diag(δ_i),i＝1,2,…n，

其中τ為偏移參數(shù)，取值τ∈(0,1])，并對A^MSC進行加權(quán)運算，可加強光譜特征信號的顯著性，得到加權(quán)后的光譜矩陣，記為A^Δ，即A^Δ＝Δ·A^MSC；

步驟四，聯(lián)合A^Δ和C^Ω，實現(xiàn)光譜建模局部優(yōu)化，具體過程如下：

①基于Lambert-Beer定律得到化學(xué)值與光譜值的線性關(guān)系其中B_p×r＝[b_j](j＝1,2…r)為回歸系數(shù)矩陣，利用偏最小二乘算法建立光譜定標預(yù)測模型，預(yù)測目標樣本的化學(xué)值C_i^′(i＝1,2…n)，通過計算均方根誤差，即可得到基于全譜波長的模型預(yù)測結(jié)果；

②設(shè)置PLS潛變量f在算法調(diào)試過程中的取值范圍為1≤f≤F_max且f∈Z，通過調(diào)試不同偏最小二乘潛變量因子數(shù)f＝1,2,…F_max，對全波長變量進行特征提取可實現(xiàn)偏最小二乘降維和即時局部優(yōu)化，對于某一個確定的f取值，找到矩陣的最大特征值所對應(yīng)的特征向量σ_f，隨后計算加權(quán)光譜矩陣A^Δ關(guān)于這個f固定取值的得分向量s_f和載荷向量l_f，同時估計針對f個因子數(shù)的回歸系數(shù)矩陣B_r×f，其中

③歷遍所有的f取值，如果fF_max，使f＝f+1進行循環(huán)求解，

得到分別基于f＝1,2…F_max個潛變量因子的多個定標模型，并根據(jù)預(yù)測均方根誤差RMSE(f)的最小值確定最優(yōu)的潛變量因子數(shù)f_opt；

步驟五，根據(jù)步驟四選取的最優(yōu)潛變量因子數(shù)f_opt，將加權(quán)光譜矩陣A^Δ進行分解得到其對應(yīng)的得分矩陣S_opt＝[s₁,s₂,…s_fopt]和載荷矩陣L_opt＝[l₁,l₂,…l_fopt]，結(jié)合化學(xué)值建立局部優(yōu)化的偏最小二乘回歸模型，估計回歸系數(shù)矩陣B_opt＝[b₁,b₂,…b_fopt]，由此確定光譜加權(quán)局部優(yōu)化的定標模型，可得化學(xué)值預(yù)測值為：

該模型可用于對新來未知樣本的預(yù)測，通過采集未知樣本的光譜數(shù)據(jù)，耗時僅2～3min，即可通過局部優(yōu)化模型對未知樣本進行即時分析，實現(xiàn)快速檢測。