[发明专利]一种基于二维相关光谱的香紫苏油稳定性评价方法

摘要

本发明公开了一种基于二维相关光谱的香紫苏油稳定性评价方法，该方法基于热扰动二维相关拉曼光谱，记录热微扰作用状态下样品相应的动态光谱以进行相关分析，由此引入二维小波变换对相关光谱进行高维多尺度分解并分层重构；应用平行因子分析对重构的每一层相关光谱构建子模型；最后通过权重法将各个子模型融合到唯一的统一决策模型，以最终实现香紫苏油质量稳定性的判断。相较于常规的拉曼光谱分析，本发明可显著提升常规拉曼光谱分析模型的分辨精度和灵敏度，由此构建烟用香精原料稳定性的快速评价方法，可以逐步实现烟用香精原料的稳健质量控制，极大促进烟用香精原料的质量控制。

主权项

1.一种基于二维相关光谱的香紫苏油稳定性评价方法，其特征在于，包括如下步骤：S1、采集不同香紫苏油样品的原始光谱；S2、根据下式生成步骤S1采集原始光谱的二维相关光谱：式中：y(v)为输入光谱矩阵，Φ(v1,v2)为生成的同步相关光谱图像矩阵，Ψ(v1,v2)为生成的异步相关光谱图像矩阵；在公式(1)中，y(v1)T代表光谱在波长v1处的强度矢量转置，y(v2)代表光谱在波长v2的强度，两者的矢量积代表着不同波长处光谱强度变化的相关效应；式中，N矩阵为Hilbert‑Noda矩阵：S3、基于S2的二维小波变换和二维相关光谱，选择最佳小波基对二维相关光谱进行二维小波多尺度分解，得二维小波系数；S4、对步骤S3所得的二维小波系数进行图像重构；所述的重构是指对同一样品的二维相关光谱的分解后的每一层小波系数分别进行重构；S5、对每一层重构的光谱图像分别进行多维偏最小二乘建模，得子模型，并得相应组别掺杂浓度预测值，以及每一层重构图像建模的掺杂浓度均方根误差；S6、基于S5的掺杂浓度均方根误差分配权值，使用该权值将步骤S5所得的子模型进行模型融合，并计算预测均方根误差和相关系数来评价模型预测效果。