[发明专利]一种随机森林算法结合激光诱导击穿光谱定量分析钢铁中硫磷的方法

权利要求书

1. 一种随机森林算法结合激光诱导击穿光谱定量分析钢铁中硫磷的方法, 其特征在于包括以下步骤：

（1）利用激光诱导击穿光谱系统对钢材样品分别在不同的测量位点进行光谱数据采集；

（2）从每个样品的光谱数据中随机挑选占其数据总量2/3 的光谱数据作为校正集，其余光谱数据作为测试集；

（3）使用校正集数据通过bagging 抽样结合袋外估计OOB(Out-Of-Bag)的方法对决策树棵数ntree 和随机抽取特征数mtry 进行寻优；

（4）确定最优参数后利用校正集数据建立随机森林模型，在随机森林建模中，所构建的每一颗决策树都为二叉树；构建一棵树时在树的每个节点从每个样本总共M 个特征中挑选mtry 个特征，其中mtry<M，并根据不纯度最小原则从mtry 个特征中选择一个进行分支生长；这棵树充分生长，并且使每个节点的不纯度达到最小，且不剪枝；最后得到的所有决策树组合在一起构成随机森林；

（5）样本的最终预测值通过模型中所有决策树回归结果投票的平均值得出。

2. 根据权利要求1 所述的一种随机森林算法结合激光诱导击穿光谱定量分析钢铁中硫磷的方法, 其特征在于：步骤(3) 中，在参数可能取值范围内利用bagging 抽样从校正集中获取子校正集并建立模型，然后用未被抽样的袋外数据来估计模型的预测准确度，当预测准确度最高时对应的参数为最优参数。

3. 根据权利要求2 所述的一种随机森林算法结合激光诱导击穿光谱定量分析钢铁中硫磷的方法, 其特征在于：使用校正集数据对决策树棵数ntree 和随机抽取特征数mtry 进行寻优，通常ntree 取值范围为100-600，mtry 取值范围为M/8 -M，其中M 是样本特征总数，在ntree 和mtry 可能取值范围内利用bagging 抽样从校正集中获取子校正集并建立模型，然后用未被抽样的袋外数据来估计模型的预测准确度，当预测准确度最高时对应的参数为最优参数。

4. 根据权利要求1 所述的一种随机森林算法结合激光诱导击穿光谱定量分析钢铁中硫磷的方法, 其特征在于：步骤（5）中，模型的每一个决策树给出一个回归含量，对所有决策树的预测含量进行统计，得票数平均值为最终预测含量。