[发明专利]一种物质含量定量分析方法

说明书

本发明提供一种物质含量定量分析方法。涉及物质成分、含量的定量分析方法的技术领域，具体地说是一种物质含量定量分析方法，包括以下步骤：S100：读取被测物质的光谱；S200：设置被测物质的光谱矩阵和响应矩阵；S300：根据所述光谱矩阵和响应矩阵建立数学模型；S400：求解所述数学模型的方向向量；S500：重复步骤S200至S400，得到若干个所述方向向量；S600：根据若干个所述方向向量进行换算，获得预测函数。

技术领域

本发明涉及物质成分、含量的定量分析方法的技术领域，具体地说是一种能稳健地建立分析模型的方法。

背景技术

物质的定量分析是研究物质性质的重要手段。回归是常用的定量模型建模方法。假设光谱矩阵为X∈n×p是一个n行p列的矩阵，响应矩阵为Y∈n×q是一个n行q列的矩阵，普通的最小二乘回归是求回归系数w满足：

其中||·||_F表示求F范数，易得w＝(X^TX)^-1XY。但是，通常红外光谱的个数n小于光谱的维数p，所以变量之间存在高度的相关性使得X^TX不可逆，因此普通的最小二乘法就失效。因此偏最小二乘回归是常用的方法。

但是如果训练样本中存在异常样本时，偏最小二乘回归模型会受到异常样本的影响变的不稳定，定量分析误差较大。

中国专利申请号为CN201510407751.X，该发明提供了一种复杂样品的定量分析问题，由于传统的建模方法存在负荷量大、学习速度慢、易陷入局部极小等问题，本发明引入了非线性的极限学习机(ELM)建立复杂样品定量分析方法。首先采用一定的分组方式将数据集划分为训练集和预测集。然后根据预测集的RMSEP确定ELM模型的激励函数和隐藏节点数，采用确定好的最优参数建立ELM模型。对于未知样品，代入模型预测未知样本中被测成分的含量。结果表明，与PLSR、SVR以及ANN等方法相比，ELM方法有很高的预测精度，在运行时间上也有明显的优势。

发明内容

为了解决上述最小二乘法和偏最小二乘回归模型均不完善的问题，本发明是通过以下技术方案实现的：

一种物质含量定量分析方法，包括以下步骤：

S100：读取被测物质的光谱；

S200：设置被测物质的光谱矩阵和响应矩阵；

S300：根据所述光谱矩阵和响应矩阵建立数学模型；

S400：求解所述数学模型的方向向量；

S500：重复步骤S200至S400，得到若干个所述方向向量

S600：根据若干个所述方向向量进行换算，获得预测函数。

进一步，所述的一种物质含量定量分析方法，所述物质含量定量分析仪器为红外光谱仪、光谱分析仪、气相色谱质谱仪、液相色谱质谱仪或者核磁共振谱仪。

进一步，所述的一种物质含量定量分析方法，所述被测物质样品为固体、液体或者气体。

进一步，所述的一种物质含量定量分析方法，所述S100步骤包括如下步骤：

S101：读取一定数量的所述被测物质的光谱数据；

S102：从所述光谱数据中随机选择60％的样本作为训练样本；

S103：将剩下的40％样本作为测试样本。

进一步，所述的一种物质含量定量分析方法，所述S200步骤包括如下步骤：

S201：设置所述光谱矩阵为X∈n×p是一个n行p列的矩阵；