[发明专利]基于增量偏最小二乘法的样品成份测定方法

摘要

本发明公开了一种基于增量偏最小二乘法的样品成份测定方法，包括以下步骤S1，采集待测样品的近红外光谱数据；S2，通过增量偏最小二乘模型，获得该近红外光谱数据所对应的样品中各成分的含量。本发明通过利用增量偏最小二乘模型对待测样品的近红外光谱数据进行处理，从而即可获得该近红外光谱数据所对应的样品中各成分的含量，与采用传统的偏最小二乘模型进行数据处理相比，节约了时间和空间，所得回归系数基本相同，预测均方根误差却更小，可见，本发明中的增量偏最小二乘模型具有更高的预测精度和建模效率。此外，本发明采用梯度学习的方法寻找优化的回归系数，从而可以更快速的更新模型，提高模型适应新数据的能力。

主权项

一种基于增量偏最小二乘法的样品成份测定方法，其特征在于，包括以下步骤：S1，采集待测样品的近红外光谱数据；S2，通过增量偏最小二乘模型，获得该近红外光谱数据所对应的样品中各成分的含量；所述的增量偏最小二乘模型通过以下方法建立：a.收集n个样本的近红外光谱数据及其对应的样品中各成分的含量数据作为初始校正集；b.将初始校正集中的数据进行中心化处理，得初始中心化样本数据；c.对所述的初始中心化样本数据进行偏最小二乘回归，得初始回归系数及偏最小二乘初始回归模型；d.当第i个样本点加入该校正集时，对其进行中心化处理，并利用偏最小二乘初始回归模型获得相应的预测值；其中，i＝n+1,n+2，……；e.计算所述的预测值与真实值之间的误差；若该误差小于等于阈值δ，则令i＝i+1，转至d；否则对回归系数进行更新后，令i＝i+1，转至d，直至得到最终的回归系数Bi，即得增量偏最小二乘模型。