[发明专利]用于分析生物油品质的模型训练方法及分析方法

权利要求书

1.一种用于分析生物油品质的模型训练方法，包括：

根据生物油常见组分范围配置N组不同配比的生物油模型化合物样本，获取所述样本的生物油品质数据，其中，N为正整数；

采集所述N组样本的光谱图数据；

将所述光谱图数据输入信息处理模块模型，进行光谱图数据预处理，获得处理后的样本数据；

采用所述处理后的样本数据训练回归模块模型，得到训练完成的用于分析生物油品质的回归模块模型。

2.根据权利要求1所述的模型训练方法，其中，所述获取所述样本的生物油品质数据，包括：

调研收集多个生物油组分范围，将多个所述生物油组分范围按照不同配比配置N组生物油模型化合物样本；

根据每组所述生物油模型化合物样本的组分含量，利用所述生物油品质的相关计算公式，得出所述生物油品质数据。

3.根据权利要求1所述的模型训练方法，其中，所述采用所述处理后的样本数据训练回归模块模型，包括：

将所述N组样本的光谱图数据划分为训练集、验证集和测试集；

根据所述训练集和所述验证集对所述回归模块模型进行迭代训练；

根据所述测试集对迭代训练后的回归模块模型进行性能测试。

4.根据权利要求3所述的模型训练方法，其中，所述根据所述训练集和所述验证集对所述回归模块模型进行迭代训练，包括：

将所述训练集输入到所述回归模块模型中进行训练；

根据所述验证集，对训练后的所述回归模块模型进行验证，若验证结果不符合迭代停止条件，则继续对所述回归模块模型进行迭代训练和验证；

若验证结果复合迭代停止条件，则输出迭代训练好的回归模块模型。

5.根据权利要求1所述的模型训练方法，其中，所述生物油品质包括以下至少之一：不饱和度、有效碳氢比、热值、溶液的C、H、O的质量分数。

6.根据权利要求5所述的模型训练方法，其中，每种所述生物油品质分别对应于一种回归模块模型。

7.根据权利要求1所述的模型训练方法，其中，所述信息处理模块模型的学习算法包括以下至少之一：主成分分析算法、局部线性嵌入算法、拉普拉斯特征映射算法。

8.根据权利要求1所述的模型训练方法，其中，所述回归模块模型包括以下至少之一：支持向量回归、人工神经网络、随机森林。

9.根据权利要求8所述的模型训练方法，其中，所述支持向量回归采用支持向量机算法，所述支持向量机算法包括以下之一核函数：线性核函数、径向基核函数、多项式核函数。

10.一种分析生物油品质的分析方法，包括：

获取待分析生物油的光谱图数据；

将所述待分析生物油的光谱图数据输入信息处理模块模型，进行光谱图数据预处理，获得处理后的数据；

将所述处理后的数据输入回归模块模型，输出生物油品质数据；

其中，所述回归模块模型是通过权利要求1～9中任一项所述的训练方法训练得到。