[发明专利]一种基于生成对抗网络的近红外定量分析模型构建方法

权利要求书

1.一种基于生成对抗网络的近红外定量分析模型构建方法，其特征在于，包括如下步骤：

S1.历史数据采集与预处理；

通过现场采样及实验室分析获得汽油样本属性值及其对应近红外光谱，构建历史数据库；对近红外光谱进行预处理，消除基线漂移；

预处理好的数据集记为D_r(x,y)＝{(x₁,y₁),(x₂,y₂),...,(x_n,y_n)}；x_i为第i个样本对应的近红外光谱，y_i为第i个样本对应的属性值；

S2.数据标准化及数据分类；

对数据集D_r(x,y)进行标准化处理，并将处理后的数据随机分为K个子集D_r,k(x,y)，k＝1,2,…,K；

S3.数据生成模型构建及训练；

利用D_r,k(x,y)，k＝1,2,…,K分别建立生成对抗网络模型，共建立K个生成对抗网络子模型；生成对抗网络模型构建完成后，对网络进行训练，得到K个生成的数据子集；

S4.数据合成；

将生成的K个数据子集构建为数据集D_g(x,y)＝{(x₁,y₁),...,(x_N,y_N)}；并将初始真实数据集D_r(x,y)与D_g(x,y)合成新的数据集D_s(x,y)，用于后续样本选择；

S5.样本筛选与初始训练集构建；

利用D_r(x,y)数据集建立主成分分析模型，并按照置信度计算T²统计量的阈值；之后基于该主成分分析模型计算数据集D_s(x,y)中每个样本的T²统计量，并按照统计量阈值在D_s(x,y)中选取不超过阈值范围的样本构建训练样本集D_T(x,y)；

S6.局部训练样本选择；

在线应用时，当待测样本x_q到来时，首先计算待测样本与D_T(x,y)中每个样本的邻域距离d_i；然后，对D_s(x,y)中的样本按ω的降序排列，选取前Kn个样本构建局部训练集D_l(x,y)，ω的计算公式为：

其中，σ_d为位置参数；

S7.局部定量分析模型构建及预测值计算；

基于局部训练集D_l(x,y)，利用偏最小二乘算法构建定量分析模型，并将待测样本x_q送入所建立的偏最小二乘模型中，计算待测样本的属性预测值得到预测输出值后，丢弃当前模型，直到下一个新的待测样本x_q到来，重复步骤S5、S6、S7。

2.根据权利要求1所述的基于生成对抗网络的近红外定量分析模型构建方法，其特征在于，所述步骤S1中，采用基线校正方法或背景扣除法对近红外光谱进行预处理。

3.根据权利要求1所述的基于生成对抗网络的近红外定量分析模型构建方法，其特征在于，所述步骤S6中，邻域距离d_i的计算公式为：

其中，x_i为数据集D_s(x,y)中的第i个样本。