[发明专利]一种基于信息融合的多元校正方法

说明书

本发明涉及化学计量学技术领域，具体涉及一种基于信息融合的多元校正方法。一种基于信息融合的多元校正方法，包括第一部分：建立模型；第二部分：预测部分。本发明提出一种基于信息融合的多元校正方法，通过本方法提供的方法对信息进行融合后，预测均方根误差明显小于被融合的K个方法的预测均方根误差；本发明所述融合方法能够抵消各个算法的预测误差，从而降低了总预测误差。

技术领域

本发明涉及化学计量学技术领域，具体涉及一种基于信息融合的多元校正方法。

背景技术

多元校正在化学计量学中有广泛应用，其主要作用是建立数学模型描述因变量(如组分值)与自变量(如光谱)间的关系，然后利用建立好的数学模型对未知样本因变量进行预测。以近红外光谱分析为例，多元校正的过程通常如下：先按一定的规则进行实验设计，按实验设计选择或配制相应的多组分样品；再将样品放入近红外光谱仪进行测量，获得各样本的自变量(光谱)；然后采用多元校正方法(如偏最小二乘)对自变量(光谱)与因变量(组分值)进行建模；最后将未知样本的自变量(光谱)代入建立好的模型，取得未知样本的因变量(组分值)。

目前常用的多元校正方法主要有经典最小二乘(CLS)、主成份回归(PCR)、偏最小二乘(PLS)等。每种多元校正方法都有其自身的优缺点，很难确定哪种算法会取得最优预测结果。在实际应用中，每种多元校正方法预测结果都存在误差。如果将多个多元校正算法的预测结果进行融合，使组分的预测误差相互抵消，那么会取得更为准确的预测结果。

发明内容

本发明旨在针对上述问题，提出一种基于信息融合的多元校正算法，融合处理各算法的预测结果，使其预测误差相互抵消，从而提高预测准确度。

本发明的技术方案在于：

一种基于信息融合的多元校正方法，

(一)建立模型：

因变量矩阵Yc为p_c行m列；表示：共p_c个样本，每个样本有m个因变量；

自变量矩阵Xc为p_c行q列；表示：共p_c个样本，每个样本有q个通道测量结果；

因变量矩阵Yv为p_v行m列；自变量矩阵Xv为p_v行q列；

未知样本自变量x_u为q元行向量；

其中，所述自变量为光谱，因变量为组分值；

具体过程如下：

1)确定使用的K个多元校正算法；

2)利用各个多元校正算法对自变量矩阵Xc、因变量矩阵Yc建模，获得K个预测模型；

3)分别利用各个预测模型作用于自变量矩阵Xv，得到第i个因变量的预测列向量y_pvk，其中i＝1,2,3,…,m；并计算第k个预测模型第i个因变量的预测误差向量，其中k＝1,2,…,K；

e_k＝y_pvk-y_vi (1)

其中，y_pvk为第k个预测模型对第i个因变量的预测结果，其中k＝1,2,…,K；y_vi为矩阵Yv的第i列向量，即因变量矩阵Yv的第i列；e_k为第k个预测模型的预测误差向量；

4)将该预测误差向量组成p_v行K列矩阵e