[发明专利]用于晒红烟化学成分分析的多元校正方法及系统

摘要

本发明提供一种用于晒红烟化学成分分析的多元校正方法及系统，包括根据光谱变量权重，使用选取的样品建立偏最小二乘回归模型；根据偏最小二乘回归模型计算所有建模样品的预测误差；计算偏最小二乘回归模型的模型权重；计算所有建模样品的样品权重；确定保留光谱变量个数，选取ni个光谱变量；进行T次迭代，得到T个偏最小二乘回归模型及对应的模型权重；利用T个偏最小二乘回归模型得到T个晒红烟样品的化学成分的预测值；根据T个晒红烟样品的化学成分的预测值和对应偏最小二乘回归模型的归一化权重得到未知样品的化学成分的最终预测结果。本发明的用于晒红烟化学成分分析的多元校正方法及系统降低利用近红外光谱分析晒红烟化学成分的预测误差。

主权项

一种用于晒红烟化学成分分析的多元校正方法，其特征在于：包括以下步骤：设定参与建模的晒红烟的样品数为m1，对应的光谱变量数为m2，初始化每个样品权重为1/m1、每个光谱变量权重为1/m2；并设定推进取样量、迭代次数阈值T和光谱变量变化迭代次数阈值；根据推进取样量，按照轮盘堵方式选取部分样品；根据光谱变量权重，使用选取的样品建立迭代次数为i时的偏最小二乘回归模型M_i，并计算各个光谱变量对应的回归系数；根据偏最小二乘回归模型M_i计算迭代次数为i时所有建模样品的预测误差其中，y_k,i为迭代次数为i时第k个晒红烟样品的化学成分的测试值，为迭代次数为i时第k个晒红烟样品的采用偏最小二乘回归模型M_i得到的化学成分的预测值；根据公式计算偏最小二乘回归模型M_i的模型权重，其中L_k,i＝e_k,i/y_k,i，WS_k,i为迭代次数为i时第k个晒红烟样品的样品权重；根据公式计算迭代次数为i+1时所有建模样品的样品权重；根据公式确定保留光谱变量个数n_i，其中j为光谱变量变化迭代次数；将偏最小二乘回归模型M_i的回归系数按照绝对值大小排序，将前n_i个回归系数对应的光谱变量权重修正为1，剩余光谱变量权重修正为0；若建模样品在迭代次数为i+1时的交叉验证误差大于迭代次数为i时的交叉验证误差或j大于光谱变量变化迭代次数阈值，则撤销对光谱变量权重的修正；根据当前样品权重和光谱变量权重重新选取样品，并建立偏最小二乘回归模型，直至完成T次迭代，得到T个偏最小二乘回归模型及对应的模型权重；根据公式归一化偏最小二乘回归模型权重；利用T个偏最小二乘回归模型预测未知样品的化学成分，得到T个晒红烟样品的化学成分的预测值；将T个晒红烟样品的化学成分的预测值分别乘以对应偏最小二乘回归模型的权重后再求和，便得到未知样品的化学成分的最终预测结果。