[发明专利]痕量金属离子浓度区间预测方法、装置及存储介质

权利要求书

1.一种痕量金属离子浓度区间预测方法，其特征在于，包括以下步骤：

S1、基于待测液的导数光谱获取所述待测液中痕量金属离子的最佳建模区间，并利用所述最佳建模区间结合主成分分析法提取痕量金属离子光谱信号特征；

S2、基于支持向量机模型对所述痕量金属离子光谱信号特征进行处理，获得所述痕量金属离子的浓度区间预测结果；

步骤S2之前还包括：根据多个样本的痕量金属离子的光谱信号特征构建二叉树模型，将所述二叉树模型转化为多个子模型；根据所述子模型，构建所述支持向量机模型；基于马氏距离-径向基核函数对所述支持向量机模型进行优化；

将所述二叉树模型转化为多个子模型具体步骤包括：

根据所述多个样本的痕量金属离子光谱信号特征划分多个浓度区间；按照优先区分浓度最高的浓度区间原则逐级递减一个浓度区间构成包括多个层级的二叉树模型；所述二叉树模型中的每一层级对应一个所述子模型；

根据所述子模型，构建所述支持向量机模型之前还包括：使用归一化的Wilcoxon-Mann-Whitney统计计算AUC的最大似然估计，对所述子模型进行优化；

所述AUC的最大似然估计采用非参数估计算法求解，其中，所述非参数估计算法为：

其中，i＝1，…n⁺；j＝1，…n^-；n⁺和n^-分别表示正例样本和负例样本的个数；和分别表示正例样本和负例样本，f表示决策函数；其中，为指示函数，

其中，δ0表示允许存在的细微偏差；

优化所述子模型包括求解所述子模型的目标函数：

其中，C＞0是惩罚参数，用于度量数据的最大几何间隔超平面与最小偏差之间的权重，为松弛变量；表示任意；

其中，差样本集Z为：

Z为N维矩阵；

将所述子模型的优化问题转化为求解对偶问题，所述子模型的目标函数转化为：

其中，z∈Z，转化后的目标函数取决于一组拉格朗日乘子α；

其中，所述z_μ和z_v的马氏距离-径向基核函数(M-RBF)为：

k(z_μ，z_v)＝exp(-p(z_μ-z_v)V^-1(z_μ-z_v)^T/m)；

其中，V^-1为类协方差矩阵的逆矩阵，p0和m0是控制马氏距离的关键因素，p是核参数，m为马氏距离平方的平均值；z_μ和z_v分别表示任意两个不同的差样本；

根据转化后的目标函数，输入所述待测金属离子光谱信号特征x得到决策函数f以及判别函数y，根据所述决策函数及所述判别函数得到所述浓度区间预测结果；其中，

其中，b为决策阈值，由于AUC独立于决策阈值，决策阈值在得到决策函数后依据具体的分类任务确定，定义为:

2.根据权利要求1所述的痕量金属离子浓度区间预测方法，其特征在于，在步骤S1之前还包括采用小波函数对待测液的光谱数据进行预处理，利用导数光谱法处理预处理后的光谱数据获得所述待测液的导数光谱。

3.根据权利要求1所述的痕量金属离子浓度区间预测方法，其特征在于，根据所述子模型，构建所述支持向量机模型还包括：

利用状态转移算法优化所述支持向量机模型的参数。