[发明专利]基于逐步回归的光谱数据处理方法、系统、电子设备和介质

说明书

本发明涉及一种基于逐步回归的光谱数据处理方法、系统、电子设备和介质，所述基于逐步回归的数据处理方法，包括以下步骤：获取已知工业指标数据的定标样品的有效特征值变量；基于定标样品的有效特征值变量和工业指标数据构建多元回归模型；获取待测样品的有效特征值变量，将待测样品的有效特征值变量输入所述多元回归模型，以得到待测样品的预测的工业指标数据。本发明通过对物质多次重复检测取得光谱数据，再进行合适的数据处理和特征选择以构建具有高稳定性和准确性的预测模型，提高了光谱数据的质量以及煤质中工业指标预测的精度。

技术领域

本发明属于光谱成分检测技术领域，尤其涉及一种基于逐步回归的光谱数据处理方法、系统、电子设备和介质。

背景技术

冶金物料的成分是冶金过程控制的核心参数之一，其检测时效性对优化工艺参数和节能减排等具有重要意义。目前，冶金物料成分检测多通过人工取样制样后的离线检测，需要研磨、抛光或溶解等进行样品预处理，检测耗时，具有严重的滞后性。然而，激光诱导击穿光谱(LIBS)技术具有不需要样品制备，多元素同时快速检测，远程非接触原位在线检测等优势，已用于工业物料成分的在线检测。为了实现LIBS检测系统对煤质成分在线稳定预测，有必要提供一种新的基于逐步回归的光谱数据处理方法、系统、电子设备和介质解决上述技术问题。

发明内容

本发明的目的就在于为了解决上述问题而提供一种基于逐步回归的光谱数据处理方法、系统、电子设备和介质。

本发明通过以下技术方案来实现上述目的：

一种基于逐步回归的数据处理方法，包括以下步骤：

获取已知工业指标数据的定标样品的有效特征值变量；

基于定标样品的有效特征值变量和工业指标数据构建多元回归模型；

获取待测样品的有效特征值变量，将待测样品的有效特征值变量输入所述多元回归模型，以得到待测样品的预测的工业指标数据。

作为本发明的进一步优化方案，获取定标样品和待测样品的有效特征值变量的过程相同，具体步骤如下：

对样品进行测量得到原始光谱数据；

将所述原始光谱数据进行预处理得到特征值变量；

将所述特征值变量进行逐步回归筛选得到有效特征值变量。

作为本发明的进一步优化方案，对样品进行测量得到原始光谱数据的具体过程如下：

设定测量次数L，采用LIBS设备对样品进行L次测量，得到样品的原始光谱数据，所述原始光谱数据为数据集合。

作为本发明的进一步优化方案，将所述原始光谱数据进行预处理得到特征值变量，具体包括以下步骤：

对所述原始光谱数据进行扣背景处理，得到扣背底光谱数据；

对所述扣背底光谱数据中不规则峰处进行峰处洛伦茨拟合处理，得到拟合光谱数据；

对所述拟合光谱数据进行归一化处理，得到归一化后光谱数据；

对所述归一化后光谱数据进行寻峰处理，获得m个峰并多次计算每个峰的面积，得到每个峰的峰面积数据集合；

设定过滤规则，并基于所述过滤规则对每个峰的峰面积数据集合进行过滤，得到过滤后峰面积数据集合；

将每个峰的所述过滤后峰面积数据集合分别进行平均值计算，得到每个峰的特征值变量。

作为本发明的进一步优化方案，设定过滤规则，基于所述过滤规则对每个峰的峰面积数据集合进行过滤，得到过滤后峰面积数据集合，具体过程如下：

计算每个峰的所述峰面积数据集合的平均数和标准差S，构建剔除区间