[发明专利]一种用于紫外分光光度计实验数据的分析方法

说明书

本发明涉及一种用于紫外分光光度计实验数据的分析方法，该方法包括如下步骤：步骤一：获取多组紫外分光光度计采集输出的实验数据，采用常规方法对实验数据进行处理，去除明显不合理的异常数据，应用非监督学习算法辨识并去除隐含的离群数据；步骤二：采用监督学习算法建立紫外分光光度计实验数据分析模型，鉴别实验数据的可靠性；步骤三：将输出的实验数据与分析方法、分析仪器类型相同历史数据中的多组实验数据进行比较，得到误差集合，根据误差集合绘制误差碪测系数表；步骤四：根据误差碪测系数表形成的误差系数对实验数据进行修正；步骤五：确定实验数据的审核通过与否。本发明具有结构更简单、训练过程控制参数更少、数据更准确等优点。

技术领域

本发明涉及实验数据分析技术领域，特别是涉及一种用于紫外分光光度计实验数据的分析方法。

背景技术

紫外分光光度计是基于紫外可见分光光度法原理，利用物质分子对紫外可见光谱区的辐射吸收来进行分析的一种分析仪器。主要由光源、单色器、吸收池、检测器和信号处理器等部件组成。光源的功能是提供足够强度的、稳定的连续光谱。紫外光区通常用氢灯或氘灯，见光区通常用钨灯或卤钨灯。单色器的功能是将光源发出的复合光分解并从中分出所需波长的单色光。色散元件有棱镜和光栅两种。可见光区的测量用玻璃吸收池，紫外光区的测量须用石英吸收池。检测器的功能是通过光电转换元件检测透过光的强度，将光信号转变成电信号。常用的光电转换元件有光电管、光电倍增管及光二极管阵列检测器。分光光度计的分类方法有多种：按光路系统可分为单光束和双光束分光光度计；按测量方式可分为单波长和双波长分光光度计；按绘制光谱图的检测方式分为分光扫描检测与二极管阵列全谱检测。

紫外分光光度计常用于实验分析过程，在实验分析过程中，紫外分光光度计的数据会容易受到环境因素的影响而发生偏离，进而影响最终数据的准确性。因此，如何提供一种用于紫外分光光度计实验数据的分析方法以提高紫外分光光度计实验数据的准确性是本领域技术人员需要解决的技术问题。

发明内容

本发明实施例提供了一种用于紫外分光光度计实验数据的分析方法，以解决上述背景技术中的部分问题。

本发明的实施例提出了一种用于紫外分光光度计实验数据的分析方法，该方法包括如下步骤：

步骤一：获取多组紫外分光光度计采集输出的实验数据，采用常规方法对实验数据进行处理，去除明显不合理的异常数据，应用非监督学习算法辨识并去除隐含的离群数据；

步骤二：采用监督学习算法建立紫外分光光度计实验数据分析模型，鉴别实验数据的可靠性；

步骤三：将输出的实验数据与分析方法、分析仪器类型相同历史数据中的多组实验数据进行比较，得到误差集合，根据误差集合绘制误差碪测系数表；

步骤四：根据误差碪测系数表形成的误差系数对实验数据进行修正；

步骤五：确定实验数据的审核通过与否，具体确定的步骤为：根据修正后的实验数据与阈值的偏差；若偏差不大，则数据合理，通过审核，并将其加入实验数据集；反之偏差过大，将该数据列为可疑数据，应用支持向量机回归方法从紫外分光光度计的实验数据的时间序列中分离异常数据。

进一步地，步骤一中所述常规方法包括数据逻辑判断法、Dixon检验法和Grubbs检验法中的任意一种。

进一步地，步骤一中所述非监督学习算法为聚类算法。

进一步地，所述聚类算法的步骤为：对输入的实验数据进行重新表示得到新的数据集，对新的数据集进行相似矩阵、拉普拉斯矩阵的计算和拉普拉斯矩阵的特征求解，对得到的特征向量矩阵使用新的初始中心点的选取方式代替随机选点，最后使用k-means聚类得到聚类结果。

进一步地，步骤二中所述监督学习算法为k均值聚类算法、粒子群优化算法、人工神经网络算法中的任意一种。

进一步地，所述k均值聚类算法包括如下步骤：