[发明专利]基于快速衰减式淘汰算法和PLSDA鉴别黄花梨成熟度的方法

摘要

本发明公开了一种基于快速衰减式淘汰算法和PLSDA鉴别黄花梨成熟度的方法，包括以下步骤：(1)收集样品，采集样品光谱，得到样品近红外漫反射光谱数据，并使用一阶微分法预处理原始近红外光谱数据；(2)将预处理后光谱数据使用快速衰减式淘汰算法筛选特征波长；(3)使用偏最小二乘判别法，将筛选后光谱作为模型输入，对应的成熟度作为输出，建立偏最小二乘判别分析模型；(4)模型的质量评价，对待鉴别样品的成熟度测定。本发明能够快速鉴别黄花梨成熟度，丰富了化学计量学方法，具有良好的应用前景。

主权项

1.一种基于快速衰减式淘汰算法和PLSDA鉴别黄花梨成熟度的方法，其特征在于，包括以下步骤：(1)收集样品，在样品成熟期前d天、成熟期期间、成熟期后d天，各至少采集一次样品，其中4≤d≤10；采集样品的近红外光谱，并对近红外光谱进行一阶微分预处理，得到预处理后的近红外光谱数据矩阵；(2)将步骤(1)得到的预处理后的近红外光谱数据矩阵进行快速衰减式淘汰算法处理，筛选出特征波长；所述步骤(2)中的快速衰减式淘汰算法具体实现如下：设定y表示样本的m×1的目标性质矩阵，X表示样本测得的m×n的光谱矩阵，m表示样本数，n表示变量数；W表示组合系数；T表示X的分矩阵，为X与W的线性组合；c是y和T所建模型的回归系数向量；b表示为n维的回归系数向量，e表示预测残差，有式(1)和式(2)：T＝W·X    (1)y＝c·T+e＝cWX+e＝b·X+e    (2)式(2)中b＝W·c＝[b₁，b₂，…，b_n]，b中第i个元素绝对值|b_i|(1≤i≤n)表示第i个波长变量对y贡献，那么所有波长对y的总贡献为了评价每个波长的重要性，定义权重w_i为|b_i|占总贡献的比例，作为变量优选的标准，|b_i|值越大，w_i值越大，该波长变量越重要，权重w_i表达式如(3)式：w_i＝|b_i|/f    (3)利用波长点的保留率对波长进行快速筛选，第i次筛选波长时，波长的保留率为r_j＝ae^‑ki，其中：a与k为常数，其值可根据下列两种情况求出：①第一次筛选波长时，n个变量均被用于建模，故r₁＝1；②第N次筛选波长时，仅2个波长被使用，故r_N＝2/n，a和k的计算公式如下：筛选完成后，从筛选后的变量中提取新的变量集合，基于新变量集合再次建立校正模型，计算RMSECV值；重复以上筛选过程N次，通过比较获得模型RMSECV值最小的优选变量子集，将其确定为最优变量子集；(3)使用偏最小二乘判别方法，建立偏最小二乘判别模型，将成熟期前d天、成熟期期间、成熟期后d天采集的样品的实际成熟度以及由步骤(2)得到的成熟期前d天、成熟期期间、成熟期后d天采集的样品的筛选特征波长后的光谱作为偏最小二乘判别模型的模型输入，进而得到最佳偏最小二乘判别模型；(4)将筛选特征波长后的待鉴别样品的光谱输入最佳偏最小二乘判别模型，得到待鉴别样品的成熟度。