基于一元线性回归的光谱模型传递方法技术

本发明专利技术为基于一元线性回归的光谱模型传递方法，主要步骤Ⅰ对M台光谱仪器的样品光谱进行相同预处理；Ⅱ根据样品的m种成分将光谱数据分为m个校正集和预测集，分别在M台仪器上建立m个校正模型；Ⅲ校正模型评价；Ⅳ将预测效果最好的仪器作为主仪器，其它为从仪器；Ⅴ选取主仪器校正集中针对各从仪器的最佳样品，按其序号确定各从仪器转换集样品，用一元线性回归求回归系数，校正从仪器光谱，然后代入主仪器校正模型得样品成分含量结果。本方法有效消除不同光谱仪器的差异，实现主仪器上建立的校正模型能够在多台从仪器上共享，减少了分析测试工作量，节约模型建立的成本；且所求参数少、模型简单，预测准确度更高。

【技术实现步骤摘要】

本专利技术属于光谱分析
，具体为一种基于一元线性回归的光谱模型传递方 法。
技术介绍
光谱分析技术是在光谱检测、化学计量学、计算机科学与应用测试等技术的基础 上发展起来的一门综合性分析技术，现在己受到越来越多的重视。同时，光谱分析技术以其 独特的优点，成为了化学分析领域的研究热点之一。光谱分析技术中的定量应用依赖于校 正模型，即对标准样品集的参考值（成分含量或物理化学性质）和对应的光谱进行关联，建 立两者之间的函数关系，对未知样品的光谱应用该定量校正模型计算该样品成分等参考值 的预测值。 但是，在实际应用中，由于仪器老化、仪器间差异及空气、光源、探测器和测量引入 的随机噪声，各仪器测量的光谱有差异，因此在某一台光谱仪器上建立的校正模型，在应用 于另一台仪器上时无法适用或结果会产生较大的误差。而要为每台仪器分别建立校正模 型，因费用过高，显然是不可取的。根据相关文献报道，使用近红外光谱法建立一个柴油 十六烷值的校正模型，至少十几万元。对毒性较大、不稳定的样品建立校正模型，费用会更 商。 所谓光谱模型传递是指经过数学处理后，使一台光谱仪器上的校正模型能够用于 另一台光谱仪器，从而减少重新建模所带来的巨大工作量和费用，实现样品和数据资源的 共享。模型传递的成功与否直接影响光谱分析技术的应用和推广。 光谱模型传递方法主要有两种，一种为有标样方法，如直接校正（DS)法、分段直 接校正（ros)法和Shenk's法等。这类方法需要选择一定数量的样品组成标样集（也称转 换集），并在主仪器和从仪器上分别测得其光谱，从而找出该函数关系。另一种是无标样方 法，如有限脉冲响应（FIR)法等。这类方法不需要选择标样集。 目前DS法和PDS方法是最常用、最有效的方法。DS法利用全谱区的光谱数据逐一 校正每个波长点，原理简单，使用方便，但所需标样数多。PDS法是一种多元全光谱模型传递 方法，它的基本假设是实际光谱数据的变化只局限于一个小的区域，选择合适的窗口对各 个波长点的光谱进行较正，但在实际中不同光谱仪上测量的光谱存在较大差异，这些差异 大小及体现在谱区的范围有很大的不同，有的是局部，有的是全谱区，因此会产生一定的校 正误差。 总之现有的光谱模型传递方法需要参数较多，且传递模型的准确度不够高。
技术实现思路
本专利技术的目的是提供一种，利用偏最小二 乘法对样品各成分在不同仪器上分别建立校正模型；利用预测集样品对校正模型进行性能 评价，选择预测效果好的仪器作为主仪器，利用对 从仪器上的光谱进行校正。本方法所求参数少、模型简单，预测的准确度高。 本专利技术提供一种，主要步骤如下： I、样品光谱的预处理 光谱分析仪器台数Μ彡2,已知样品在各台仪器上采集的光谱数据及样品m种主要 成分含量的参考值。对各台光谱仪器上采集的样品光谱数据进行相同的预处理，以消除非 目标因素的干扰，提高模型传递精度。 II、校正模型的建立 分别将Μ台仪器上采集的样品光谱数据针对m种成分划分为m个校正集和对应的 m个预测集，校正集中的样品数&彡30,预测集中的样品数N2> 10，且&>队，各台仪器上 校正集和预测集样品的选取一致。利用多元校正方法，以校正集样品的m种成分含量为定 标值，即作为因变量，以校正集样品的光谱数据作为自变量，分别建立Μ台仪器上的m个校 正模型。 III、校正模型评价 根据步骤II建立的校正模型，将相应的预测集样品的光谱数据代入其中，计算得 到预测集样品各成分含量的预测值，将预测值与实际成分含量相比较，进行MXm个校正模 型的评价。评价参数选用预测标准偏差（SEP)。 IV、主仪器的选择 根据步骤III的评价结果，选择预测效果最好的校正模型对应的仪器作为主仪器， 其他仪器作为从仪器。 V、模型传递，光谱校正 利用基于一元线性回归光谱模型传递，对从仪器预测集样品光谱进行校正，具体 步骤如下： V a、转换集样品的选择 本方法为有标样方法，需要选择转换集样品。转换集样品数的选取对转移效果有 重要影响，转换集样品数小，则使转化信息不够充分；转换集样品数太大，则使实际应用太 复杂。转换集样品取自校正集，转换集样品数队的范围设为1 < N3 < 20,对样品不同成分， 以预测标准偏差SEP最小为原则，由主仪器的某成分校正集中分别选择针对各从仪器的最 佳样品，在各从仪器的该成分校正集中，分别选择相同序号的样品作为各从仪器该成分的 转换集样品。 V b、求回归系数 设任意光谱矩阵表示为X(nXp)，其中η为样品数；p为变量数；X(i，j)表示第i 个样品在第j个波长点处的吸光度；X(i，：）为光谱矩阵的行向量，表示第i个样品在所有 波长处的吸光度；X(:，j)为光谱矩阵的列向量，表示所有样品在第j个波长处的吸光度；X m 和Xs分别表示主从仪器上的转换集光谱矩阵。 本方法假设不同波长间吸光度是相互独立的，利用一元线性回归对从仪器采集的 样品光谱进行校正。 设Xm(i，j)和Xs(i，j)满足如下一元线性方程： 本文档来自技高网...

【技术保护点】
基于一元线性回归的光谱模型传递方法，主要步骤如下：Ⅰ、样品光谱的预处理光谱分析仪器台数M≥2，已知样品在各台仪器上采集的光谱数据及样品m种主要成分含量的参考值；对各台光谱仪器上采集的样品光谱数据进行相同的预处理；Ⅱ、校正模型的建立分别将M台仪器上采集的样品光谱数据针对m种成分划分为m个校正集和对应的m个预测集，校正集中的样品数N1≥30，预测集中的样品数N2≥10，且N1＞N2，各台仪器上校正集和预测集样品的选取一致；利用多元校正方法，以校正集样品的m种成分含量为因变量，以校正集中N1个样品的光谱数据作为自变量，分别建立M台仪器上的m个校正模型；Ⅲ、校正模型评价根据步骤Ⅱ建立的校正模型，将相应的预测集样品的光谱数据代入其中，计算得到预测集样品各成分含量的预测值，将预测值与实际成分含量相比较，进行M×m个校正模型的评价；评价参数选用预测标准偏差；Ⅳ、主仪器的选择根据步骤Ⅲ的评价结果，选择预测效果最好的校正模型对应的仪器作为主仪器，其它仪器作为从仪器；Ⅴ、模型传递，光谱校正利用基于一元线性回归光谱模型传递，对从仪器预测集样品光谱进行校正，具体步骤如下：Ⅴa、转换集样品的选择转换集样品取自校正集，转换集样品数N3的范围设为1≤N3≤20，对样品不同成分，以预测标准偏差最小为原则，由主仪器的某成分校正集中分别选择针对各从仪器的最佳样品，然后在各从仪器的该成分校正集中分别选择相同序号样品作为各从仪器上的该成分转换集；Ⅴb、求回归系数设任意光谱矩阵表示为X(n×p)，其中n为样品数；p为变量数；X(i，j)表示第i个样品在第j个波长点处的吸光度；X(i，:)为光谱矩阵的行向量，表示第i个样品在所有波长处的吸光度；X(:，j)为光谱矩阵的列向量，表示所有样品在第j个波长处的吸光度；Xm和Xs分别表示主从仪器上的转换集光谱矩阵；本方法假设不同波长间吸光度是相互独立的，利用一元线性回归对从仪器采集的样品光谱进行校正；通过下式求出各从仪器上任意波长点j，j的取值满足j∈1…p，对应的回归系数b0(j)和b(j)各p个，共有p×2个，b0(j)b(j)=[1n×1Xs(:,j)]+·Xm(:,j),]]>其中，1n×1为元素全为1的n×1的列向量；[1n×1Xs(:,j)]+为[1n×1Xs(:,j)]的广义逆矩阵；Ⅴc、光谱校正对在从仪器上测得的未知样品光谱Xunknown，用下式进行转换得到与主仪器上测得的光谱相一致的光谱Xstd，Xstd(:,j)=[1n′×1Xunknown(:,j)]·b0(j)b(j),]]>根据校正后的从仪器光谱Xstd，由主仪器建立的校正模型得到样品各成分含量的最终结果。...

【技术特征摘要】
1.基于一元线性回归的光谱模型传递方法，主要步骤如下： I、 样品光谱的预处理 光谱分析仪器台数Μ > 2,已知样品在各台仪器上采集的光谱数据及样品m种主要成分 含量的参考值；对各台光谱仪器上采集的样品光谱数据进行相同的预处理； II、 校正模型的建立 分别将Μ台仪器上采集的样品光谱数据针对m种成分划分为m个校正集和对应的m个 预测集，校正集中的样品数K > 30,预测集中的样品数N2 > 10，且&> N2，各台仪器上校正 集和预测集样品的选取一致；利用多元校正方法，以校正集样品的m种成分含量为因变量， 以校正集中K个样品的光谱数据作为自变量，分别建立Μ台仪器上的m个校正模型； III、 校正模型评价 根据步骤II建立的校正模型，将相应的预测集样品的光谱数据代入其中，计算得到预 测集样品各成分含量的预测值，将预测值与实际成分含量相比较，进行MXm个校正模型的 评价；评价参数选用预测标准偏差； IV、 主仪器的选择 根据步骤III的评价结果，选择预测效果最好的校正模型对应的仪器作为主仪器，其它 仪器作为从仪器； V、 模型传递，光谱校正 利用基于一元线性回归光谱模型传递，对从仪器预测集样品光谱进行校正，具体步骤 如下： V a、转换集样品的选择 转换集样品取自校正集，转换集样品数队的范围设为1 < N3 < 20,对样品不同成分， 以预测标准偏差最小为原则，由主仪器的某成分校正集中分别选择针对各从仪器的最佳样 品，然后在各从仪器的该成分校正集中分别选择相同序号样品作为各从仪器上的该成分转 换集； V b、求回归系数 设任意光谱矩阵表示为X(nXp)，其中η为样品数；p为变量数；X(i，j)表示第i个样 品在第j个波长点处的吸光度；X(i，：）为光谱矩阵的行向量，表示第i个样品在所有波长 处的吸光度；X(:，j)为光谱矩阵的列向量，表示所有样品在第j个波长处的吸光度；X_^PX S 分别表示主从仪器上的转换集光谱矩阵； 本方法假设不同波长间吸光度是相互独立的，利用一元线性回归对从仪器采集的样品...

【专利技术属性】
技术研发人员：杨辉华，樊永显，张晓凤，谢谱模，李灵巧，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西;45