[发明专利]一种硝酸-硝酸铵溶液中硝酸铵浓度预测方法

权利要求书

1.一种硝酸-硝酸铵溶液中硝酸铵浓度预测方法，其特征在于：包括以下步骤：

步骤一、收集不同硝酸铵浓度的硝酸-硝酸铵溶液样本的近红外光谱，以及其对应的浓度数据，组成原始近红外光谱数据矩阵和原始浓度数据矩阵；

步骤二、对所述原始近红外光谱数据矩阵中的数据进行标准正态变量变换，得到预处理后的光谱矩阵；

步骤三、通过连续投影算法对所述预处理后的光谱矩阵进行降维处理，得到降维后的光谱矩阵；

步骤四、将降维后的光谱矩阵与步骤一的原始浓度数据矩阵按spxy算法原理划分为训练集光谱矩阵、训练集浓度矩阵、测试集光谱矩阵和测试集浓度矩阵；

步骤五、将训练集光谱矩阵和训练集浓度矩阵输入到随机森林回归模型中进行训练，得到最优随机森林回归模型；用最优随机森林回归模型对验证集光谱矩阵对应的浓度值进行预测，将预测值和真实值进行对比，运用相关系数R²、均方误差MSE(Mean Square Error)进行评价；

所述最优随机森林回归模型具体构建过程包括以下步骤：

1)将训练集光谱矩阵和训练集浓度矩阵组合成样本集，使用bootstrap方法随机有放回的对样本集进行采样，生成h个训练集，记为θ₁，θ₂，…，θ_h；

2)假设训练集θ₁所对应的子空间为R，并将子空间R依据阈值分割为R_l和R_r两个部分，直至无法继续分割后，构建得到训练集θ₁对应的回归决策树模型；

子空间R分割规则为：

式中x为训练集θ₁中光谱数据；

对于分割问题，存在一个最优解，使得最小值函数最小：

式中y为训练集θ₁中训练集浓度数据，是在R_l和R_r空间的均值，|R|为子空间R的样本点数，n_r和n_l分别对应R_l和R_r空间的样本点数；

按照上述方法，分别将R_l和R_r作为父节点继续分割，直至父节点中样本数量小于设定阈值S为止，并将当前父节点设置为叶子节点，每个叶子节点存储到达该位置的训练样本的均值；经过上述分割，得到u个父节点R₁，R₂，…，R_u，并在每个父节点空间上都有一个固定的输出值(当前父节点空间中所有样本的输出变量y的平均值)，则训练集θ₁对应的回归决策树模型表示为：

式中I为逻辑值，表达形式为：

3)继续对训练集θ₂、θ₃，…，θ_h重复步骤2)，生成h棵回归决策树，并使每棵树最大程度生长；

4)将h棵回归决策树组成随机森林，并建立最优随机森林回归模型的函数

步骤六、将在线采集到的待测硝酸铵浓度的硝酸-硝酸铵溶液近红外光谱数据，通过步骤二中的SNV预处理、步骤三的SPA降维后，输入到步骤五得到的最优随机森林回归模型，即可直接获得待测溶液的浓度值。

2.如权利要求1所述一种硝酸-硝酸铵溶液中硝酸铵浓度预测方法，其特征在于：步骤二预处理后的光谱矩阵为n行m列，其中n代表样本容量，m为全光谱波长数目，要选出H个最优波长，选择步骤为：

(1)初始迭代t＝1时，任选所述预处理后的光谱矩阵第k列赋值给x_j，记为x_k(0)，k(0)为所选变量的最初位置(j＝k(0)，1≤j≤m)；

(2)将剩余列向量位置集合定义为s：

(3)分别计算剩余列向量x_j(j∈s)对所选向量x_k(t-1)的投影P_xj：

式中代表x_j的转置矩阵，代表的逆矩阵。

(4)提取最大投影值所对应波长序号k(t)，计算式为：

(5)将最大投影值作为下次迭代的初始值，即

(6)令t＝t+1，当t＜H时，返回步骤(2)循环计算，当t＝H时，停止循环，进行步骤(7)；

(7)当循环终止时，得到最终筛选的波长变量组合{k(t)，t＝0，…，H-1}；

(8)由于迭代的第一个变量x_k(0)是随机选择的，因此令光谱中的每一列都作一次初始变量，进行步骤(1)～步骤(6)迭代，每次迭代选取H个变量，得到m个初始变量的迭代所选取的m个波长变量组合；然后对每个组合分别建立多元线性回归分析模型，得到交互验证均方根误差(RMSECV)，取最小的RMSECV值对应的k(0)，即为最终筛选出的最优波长；

(9)从预处理后的光谱矩阵中提取步骤(8)中得到的最优波长对应的光谱数据，并组合成新的光谱矩阵，即降维后的光谱矩阵。