[发明专利]一种用于复杂样品光谱的波长选择方法

权利要求书

1.一种用于复杂样品光谱分析的波长选择方法，其特征在于：

1)收集一定数目的复杂样品作为分析对象，设置光谱仪器的参数，采集样品的光谱，并用常规分析方法测得每个样品中目标分析组分的含量；

2)按照一定的分组方式，将数据集分为训练集和预测集；

3)将训练集的整个光谱范围划分为若干个子区间，萤火虫群体用0/1表示是否选择某段波长；

4)利用公式(1)、(2)和(3)将萤火虫离个体散化；

r_ij＝x_i-x_j (2)

其中，β₀表示最大吸引力，γ表示环境吸光度，r表示萤火虫之间距离，t表示算法的迭代次数，α表示常数，ε_j表示高斯分布；

5)依次优化因子数、波段数、种群数、环境吸光度和常数；

6)利用确定好的最佳参数，运行FA-PLS算法，选择出对应目标组分的波长点；

7)利用选择的波长点建立PLS模型，对预测集中未知样品的含量进行预测。

2.根据权利要求1所述的复杂样品光谱分析的波长选择方法，其特征在于：FA-PLS算法的因子数的优化方法为：因子数从1变化到25，计算不同因子数下的交叉验证均方根误差(RMSECV)，通过蒙特卡罗交叉验证结合F检验确定PLS的最佳因子数。

3.根据权利要求1所述的复杂样品光谱分析的波长选择方法，其特征在于：FA-PLS算法的波段数的优化方法为：将整个光谱区间划分为5～30个波段数，间隔为5，运行FA-PLS算法，分别计算不同波段数下的RMSEP，在RMSEP值最小处获取最佳的波段数。

4.根据权利要求1所述的复杂样品光谱分析的波长选择方法，其特征在于：FA-PLS算法的种群数的优化方法为：将种群数划分为10～60个，间隔为10，运行FA-PLS算法，得出随种群数变化的RMSEP值，在RMSEP最小处取得最佳种群数。

5.环境吸光度优化方法为：将环境吸光度取值γ从0.1到10，间隔为0.1进行划分，运行FA-PLS算法。计算不同环境吸光度下的RMSEP值，RMSEP值最小处取得最佳环境吸光度。

6.优化常数的方法为：将各最佳参数代入FA-PLS算法，RMSEP值最小时得最佳常数α。