[发明专利]一种近红外光谱定量分析的双集成建模方法

说明书

技术领域

本发明属于分析化学领域的化学计量学建模技术，具体涉及一种近红外光谱定量分析的双集成建模方法。

背景技术

近红外光谱技术具有分析速度快、操作简单、绿色无损等优势而广泛应用于农业、化工、制药、食品、环境保护等各个领域。但是复杂样品的近红外光谱吸收较弱，谱峰重叠严重，存在背景、噪音等干扰信息，并且易受测量条件、样品状态等的影响，因此需要借助化学计量学才能对复杂样品进行定量分析。采用化学计量学对未知样品进行定量分析时，预测结果的好坏主要依赖于模型的质量。因此建立高质量的模型是化学计量学的重要研究内容。

化学计量学常用的建模方法有多元线性回归、偏最小二乘回归法、人工神经网络等。这些传统建模方法仅采用一个最优的模型对未知样品预测，在样品数较少或干扰严重时预测精度和稳定性往往不能令人满意，因此发展了集成建模技术。集成建模技术就是从同一训练集中产生多个训练子集，然后利用这些训练子集建立多个子模型分别进行预测，并将多个预测结果通过一定的方式集成，得到一个最终预测结果。

大多数集成建模方法都从样品方向进行集成如bagging ELM(卞希慧，李淑娟，谭小耀，王江江，王治国，刘维国，陈宗蓬，王晨，极限学习机集成建模方法，2015，中国专利，ZL201510466504)，boosting PLS(卞希慧，刘巍，王秋男，谭小耀，郭玉高，一种近红外光谱的多模型建模方法，中国发明专利，2017，ZL201310537968.3)等，或从变量方向进行集成(C.Tan，Qin，M.Li，Subspace regression ensemble method based on variable clustering for near-infrared spectroscopic calibration，Analytical Letters，1009，42：1693-1710)。如果从样品和变量双方向同时进行集成，可进一步产生多样性的子模型，提高模型预测精度。

发明内容

本发明的目的是针对传统建模方法预测精度和稳定性低的问题，提出一种近红外光谱定量分析的双集成建模方法(蒙特卡罗-萤火虫算法-偏最小二乘法，MC-FA-PLS)，具体流程如图1所示，以提高对未知样品定量分析的预测精度及稳定性，为近红外光谱定量分析提供了一种新方法。

本发明利用蒙特卡罗采样法(MC)选取一定数量的样品作为训练子集，采用萤火虫算法(FA)从该训练子集中选取部分变量作为样品-变量子集，建立偏最小二乘模型(PLS)。多次迭代建立若干模型。对所有模型的结果进行简单平均得到最终预测结果。

为实现本发明所提供的技术方案包括以下步骤：

(1)收集一定数目的被测样品，采集样品的近红外光谱，用常规方法测定目标组分含量；采用一定的分组方式将数据分为训练集和预测集；

(2)利用蒙特卡罗采样法从训练集中选取一定数目的样品作为训练子集；

(3)进行萤火虫算法参数调优，采用萤火虫算法从训练子集中选取部分变量作为样品-变量子集；

(4)确定偏最小二乘因子数，建立偏最小二乘模型；

多次重复步骤(2)-(4)，建立T个模型；

(5)对所有模型的结果进行简单平均得到最终预测结果。

偏最小二乘因子数的确定方法为：因子数分别从1取25，间隔为1，利用公式(1)计算不同因子数下的交叉验证均方根误差(RMSECV)。采用蒙特卡罗交叉验证及F检验得到最佳的因子数。

m为样品总数，为第i个样品的预测值，y_i为第i个样品的真实值。

本发明中，最佳波段数的确定方法为：将训练集光谱划分为5～30个波段数，波段间隔为5，分别计算在不同段数下的一系列预测均方根误差(RMSEP)。RMSEP值最小时对应的段数为最佳波段数。

本发明中，萤火虫算法最佳种群数的确定方法为：种群数n的取值范围为10～60，间隔为10，分别计算在不同种群数下的一系列RMSEP值。RMSEP值最小时对应的种群数为最佳种群数。

本发明中，萤火虫算法最佳环境吸光度的确定方法为：环境吸光度γ的取值范围为0.1～1.2，间隔为0.1，分别计算在不同环境吸光度下的一系列RMSEP值。RMSEP值最小时对应的环境吸光度为最佳环境吸光度。

本发明中，萤火虫算法最佳常数的确定方法为：常数α的取值范围为0.1～1，间隔为0.1，分别计算在不同常数下的一系列RMSEP值。RMSEP值最小时对应的常数为最佳常数。