[发明专利]一种烟草近红外定量分析模型的无标样转移方法

说明书

本发明公开了一种烟草近红外定量分析模型的无标样转移方法，包括采集不同条件下烟草的光谱数据；取样本集合中的部分样本作为训练集，取训练集中m个样本作为源域训练集，取训练集中n个样本作为目标域训练集；依次设置源域训练集和目标域训练集的样本初始权重，设置训练的迭代条件，利用加权极限学习机建立近红外定量分析模型；将相应的主成分矩阵S中的前L列输入当前的近红外定量分析模型，以得到初步的预测值；根据公式，计算预测误差；根据公式，更新权重集合，以对近红外定量分析模型进行修正。本发明提供的无标样转移方法实现不同条件下烟草近红外定量分析模型的无标样转移，避免了模型重新校准需扫描大量的样品。

技术领域

本发明涉及红外定量分析技术领域，特别涉及一种烟草近红外定量分析模型的无标样转移方法。

背景技术

烟草为茄科烟草属植物，在中国的应用历史悠久，作为烟草工业的原料，全株亦可作为农药杀虫剂，也可药用，作为麻醉、发汗、镇静和催吐剂。近红外光谱分析技术具有快速、无损、操作简便等优点，是一种极具潜力的化学分析手段，已广泛应用于农业、石化、烟草和制药等领域。在实际应用过程中，由于测量环境(如环境温度、湿度的变化)和仪器的多样性(尽管这些仪器来自同一厂家)，建立的校准模型往往不适合或已经过时，不适用于新样品。重新校准可以用来解决这个问题，但重新校准需要扫描大量的样品，既费时又费钱。而模型无标样校准转移是一个明智的选择，可以减少重新校准的消耗，且无需标准品，然而目前还未有针对烟草光谱的无标样校准转移。

发明内容

为了解决现有技术的问题，本发明提供了一种烟草近红外定量分析模型的无标样转移方法，所述技术方案如下：

一方面，本发明提供了一种烟草近红外定量分析模型的无标样转移方法，包括：

S1、采集不同条件下烟草的光谱数据，对其进行预处理后利用主成分分析法进行数据降维，并确定主成分的数量L，降维后的数据记作X^a，其与相应烟草实测性质的映射值Y^a，一起组成样本集合{X^a,Y^a}；

S2、取所述样本集合中的部分样本作为训练集{X^k,Y^k}，k＝1,…,m+n，取所述训练集中m个样本作为源域训练集，记作{Xⁱ_S,Yⁱ_S}，i＝1,…,m，取所述训练集中n个样本作为目标域训练集，记作{Xⁱ_T,Yⁱ_T}，i＝1,…,n；

S3、依次设置所述源域训练集的样本初始权重，记作{wⁱ_S}，i＝1,…,m，依次设置所述目标域训练集的样本初始权重，记作{w^j_T}，j＝m+1,…,m+n，以得到所述训练集的整体权重{w^k}＝{wⁱ_S；w^j_T}，设置训练的迭代条件，利用加权极限学习机建立近红外定量分析模型；

S4、将{X^k}相应的主成分矩阵S中的前L列输入当前的近红外定量分析模型，以得到初步的预测值{P^k}，k＝1,…,m+n；

S5、根据以下公式，计算预测误差{E^k}，k＝1,…,m+n，

S6、根据以下公式，更新权重集合，以对近红外定量分析模型进行修正；

其中，w^k为X^k样本对应的权重；