[发明专利]一种假定标样的在线近红外光谱模型的转移方法

权利要求书

1.一种假定标样的在线近红外光谱模型的转移方法，其特征在于：包括以下步骤：

步骤(1)、原环境下，主光谱仪采集在线生产样品的近红外光谱数据，同时用容器收集样品液并送与理化室做化学值检测得到待检指标的化学值，共计m组数据；

步骤(2)、将步骤(1)收集到的光谱数据和化学值对应整理，并使用spxy方法选择建立定量模型所用的训练数据；

步骤(3)、对步骤(2)得出的预处理后的训练数据进行预处理方法的选择，比较None、平滑处理、去基线、MSC、SNV、一阶求导、S.G平滑、1D+S.G、1D+Detrend、Baseline+1D及多种组合等方法，对训练集建立偏最小二乘模型，用训练集相关系数(R_c²)、训练集均方根误差、留一交叉验证相关系数(R_cv²)、留一交叉验证均方根误差和验证集均方根误差指标评估模型的预测能力，其中相关系数值需要接近1，最终选择的预处理方法为1D+Detrend(offset)+Autoscale的组合；

步骤(4)、对步骤(2)得出的训练数据进行有效波段选择，包括遗传算法、移动窗口偏最小二乘、间隔偏最小二乘、随机蛙、竞争自适应重加权采样、无信息变量消除法等方法，选择后的数据建立PLS，并比较模型评价指标，确定最优的有效波段选择的方法为GA，采用自动选择变量的方法筛选变量范围并剔除冗余信息用于提高模型的准确度和精密度；

步骤(5)、对步骤(3)和(4)所建立的模型不能满足工业用户的误差要求时，选择建立线性的主成分回归、多元线性回归和非线性方法神经网络、支持向量机模型，模型建立完成，即实现在线应用；

步骤(6)、在新环境下，从光谱仪采集在线生产样品的近红外光谱数据，同时用容器收集样品液并送与理化室做化学值检测得到待检指标的化学值，共计n组数据，且n小于m；

步骤(7)、根据步骤(6)收集到光谱数据和对应的化学值，同样用spxy算法，从n组数据中选出有代表性t₁组数据(t₁≤n)，作为从仪器标样，剩余(n-t₁)组数据为验证集；

步骤(8)、根据步骤(7)选取的t₁组样本，在步骤(1)的m组数据寻找化学值相等或相近的数据t₂组，作为主仪器的假定标样；

步骤(9)、对t₁和t₂组的光谱数据选择与步骤(3)相同的预处理方法，进行光谱预处理；

步骤(10)、对步骤(9)预处理后的t₁和t₂两组光谱数据矩阵，分别进行主成分分析，多维光谱变量进行降维处理，使之能以一个较高的精度转换成低维变量，选择累计贡献率大于85％的主元若干个，作为降维后光谱数据的变量个数，记为S_t1和S_t2；

步骤(11)、对步骤(10)降维后从主仪器的两组标样光谱，通过直接标准化算法，求得从仪器光谱到主仪器光谱的转移矩阵F，通过如下公式计算：S_t1＝S_t2×F，F是S_t2的广义逆；

步骤(12)、对步骤(7)的(n-t₁)组数据进行验证，与步骤(9)和(10)相同的光谱预处理和主成分降维方法对光谱数据处理后，确保光谱数据降维到同一个空间，通过步骤(11)公式，计算转移后光谱记为S_(n-t1)；

步骤(13)、对步骤(12)得到的转移后的光谱S_(n-t1)，进行主成分还原扩展得到正常光谱数据，输入到步骤(5)所建立的主光谱仪在线模型中，得到对应的浓度预测值；

步骤(14)、对步骤(13)得到的预测值与步骤(6)所得的化学值进行比较，通过相对误差大小判断所求转移矩阵是否合适；

步骤(15)、如果步骤(14)相对误差较大，通过调整步骤(7)所选代表标样和步骤(8)所选假定标样，重新得到转移矩阵，最终目的是实现验证集(n-t₁)组光谱数据的模型预测值与实验室化学值的相对误差满足工业生产要求。