[发明专利]一种基于主成分分析的近红外光谱定量模型精简方法

权利要求书

1.一种基于主成分分析的近红外光谱定量模型精简方法，具体包括以下步骤：

(1)采集待测物样品的近红外光谱数据，测定样品中待测组分的浓度含量；

(2)对采集到的光谱数据使用连续小波变换进行预处理，扣除背景漂移的影响；使用Kennard-Stone算法将样品光谱分成训练集、检验集和预测集样品三部分，其中训练集样品用来建立模型、检验集样品用来确定模型参数、预测集样品用来检验模型的预测能力；

(3)将训练集样品的光谱矩阵和待测组分浓度矩阵联立，得到联立矩阵K(n×(m+1))并进行标准化处理，其中n为样品数，m为波长变量总数；联立矩阵K前m列为原光谱矩阵，第m+1列为原待测组分浓度矩阵；

(4)对上述标准化处理后的联立矩阵K进行主成分分解，得到得分矩阵T(n×(m+1))和载荷矩阵P((m+1)×(m+1))；载荷矩阵P中前m行为波长变量载荷，第m+1行为待测组分浓度载荷；

(5)取载荷矩阵P的前两列，计算每个波长变量与待测组分浓度第1、2主成分载荷所组成向量的夹角，得到每个波长变量与待测组分浓度载荷的夹角；

(6)根据夹角值来对波长变量进行选择，每次保留不同夹角值以内的波长变量分别建模对检验集样品待测组分浓度进行测定，考察预测均方根误差值与选定夹角值的关系，从而确定最优夹角值；保留夹角值满足最优夹角值的波长变量；

(7)根据保留的波长变量位置，仅保留训练集光谱矩阵相应的波长变量，得到新的光谱矩阵X₁，并且与训练集样品待测组分浓度向量建立偏最小二乘回归模型；

(8)利用已建立的偏最小二乘回归模型，测定预测集样品待测组分的浓度含量。