[发明专利]基于核函数优化的甘草近红外光谱分析模型构建方法及甘草质量评价方法

权利要求书

1.基于核函数优化的甘草近红外光谱分析模型构建方法，其特征在于，包括如下步骤：

步骤1：收集甘草样本，并进行编号；

步骤2：对于步骤1收集到的甘草，选取甘草酸铵作为甘草的质量控制指标，并进行其含量测定；

步骤3：获得甘草样本对应的近红外光谱数据；

步骤4：单个样本数据包括样本的近红外光谱数据和甘草酸铵含量，将样本数据集划分为训练集与测试集；

步骤5：将训练集作为核主成分分析-核偏最小二乘回归模型的输入，利用遗传算法进行核函数参数寻优，得到具有最佳参数的核主成分分析-核偏最小二乘模型；

步骤6：利用训练好的核主成分分析-核偏最小二乘模型对测试集样本进行预测，基于预测均方根误差PRMSE、相对误差PRSE和相关系数指标R评估预测值与实际值的相关性。

2.根据权利要求1所述的基于核函数优化的甘草近红外光谱分析模型构建方法，其特征在于，步骤3中所述近红外光谱扫描条件为：光谱范围为10001.03cm^-1-3999.6400cm^-1，分辨率为4cm^-1，扫描次数64次，取平均值作为甘草样本的原始光谱；环境条件为温度22℃±0.5℃，相对湿度40％±2％。

3.根据权利要求1所述的基于核函数优化的甘草近红外光谱分析模型构建方法，其特征在于，步骤5中，采用径向基函数作为核主成分分析的核函数，其模型为：

K(x_i,x_j)＝exp(-|x_i-x_j|²/2σ₁²)

其中，x_i,x_j表示样本集中第i,j个样本的光谱数据，σ₁表示高斯核的带宽。

4.根据权利要求1所述的基于核函数优化的甘草近红外光谱分析模型构建方法，其特征在于，步骤5中，采用多项式函数作为核主成分分析的核函数，其模型为：

K(x_i,x_j)＝(x_i^Tx_j)^d

其中，x_i,x_j表示样本集中第i,j个样本的光谱数据，d表示多项式的次数。

5.根据权利要求1所述的基于核函数优化的甘草近红外光谱分析模型构建方法，其特征在于，步骤5中，采用广义T学生函数作为核主成分分析的核函数，其模型为：

K(x_i,x_j)＝1/(1+(x_i^Tx_j)^α)

其中，x_i,x_j表示样本集中第i,j个样本的光谱数据，α表示多项式的次数。

6.根据权利要求1所述的基于核函数优化的甘草近红外光谱分析模型构建方法，其特征在于，步骤5中，采用径向基函数作为核偏最小二乘回归的核函数，其模型为：

K(x_i,x_j)＝exp(-|x_i-x_j|²/2σ₂²)

其中，x_i,x_j表示样本集中第i,j个样本数据，σ₂表示高斯核的带宽。