基于红外光谱分析物质成分含量的增量式方法技术

技术编号:15241625 阅读:100 留言:0更新日期:2017-05-01 02:26
本发明专利技术涉及一种基于红外光谱分析物质成分含量的增量式方法,包括以下步骤:根据源域红外光谱数据和源域物质成分含量建立第一回归模型;获取目标域标准样本,建立目标域红外光谱标准数据与源域红外光谱数据之间的转移模型;根据所述第一回归模型和所述转移模型建立第二回归模型;获取目标域红外光谱增量数据和目标域物质成分含量增量数据,利用第二回归模型对所述目标域红外光谱增量数据进行筛选,如果满足要求则保留;直至被保留的数量达到阈值,利用所述新目标域标准样本,获取新转移模型和新第二回归模型;获取目标域红外光谱测试数据,根据所述目标域红外光谱测试数据和所述新第二回归模型获取目标域物质成分含量。效率高。

An incremental method for analyzing the content of substance based on infrared spectroscopy

The invention relates to a method for incremental analysis of material content based on infrared spectroscopy, which comprises the following steps: first according to the established regression model of the source domain data and IR source domain components; acquiring the target domain standard sample, transfer model of IR standard between the target domain and the source domain according to the infrared spectral data; according to the the first regression model and the transfer model of second regression model; obtain IR incremental data and target domain components target domain for incremental data, the target domain IR incremental data was screened by second regression models, if meet the requirements of the number of retained reserves; until reaching the threshold, using the new the target domain standard sample, obtain a new transfer model and the new second regression model; obtaining the target domain infrared spectra data According to the infrared spectrum test data of the target domain and the new second regression model, the material content of the target domain is obtained. Efficient\u3002

【技术实现步骤摘要】

本专利技术涉及红外光谱分析领域,具体而言,涉及一种基于红外光谱分析物质成分含量的增量式方法
技术介绍
通过红外光谱分析可获知物质成分含量。通过测量红外光谱,对其进行分析,从而获知物质成分含量,不仅可以定性分析,也可定量分析。但是在实际的工业生产过程中,数据以数据流的形式不定时到达,当有新的样本到来时,需要对模型进行实时的更新。然而,传统的标定迁移方法均以批处理模型建立模型,只能通过结合新旧数据重复建模的方法来更新模型,这种方法往往需要占用大量的时间和存储空间,不适合实际生产中的应用。
技术实现思路
本专利技术为了解决现有的重新建模效率低的问题,提出了一种基于红外光谱分析物质成分含量的增量式方法,包括以下步骤:S1,根据源域红外光谱数据和与所述源域红外光谱数据对应的源域物质成分含量建立第一回归模型,求取所述第一回归模型中的参数;S2,获取目标域标准样本,所述目标域标准样本包括目标域红外光谱标准数据和目标域物质浓度标准数据,建立目标域红外光谱标准数据与源域红外光谱数据之间的转移模型,求取所述转移模型中的参数;S3,根据所述第一回归模型和所述转移模型建立第二回归模型;S4,获取目标域红外光谱增量数据和目标域物质成分含量增量数据,利用第二回归模型对所述目标域红外光谱增量数据进行筛选,如果满足要求则保留所述目标域红外光谱增量数据和与所述目标域红外光谱增量数据对应的目标域物质成分含量增量数据;S5,重复执行步骤S4直至被保留的目标域红外光谱增量数据的数量达到阈值,然后形成新目标域标准样本,所述新目标域标准样本包含上述被保留的目标域物质成分含量增量数据和目标域红外光谱增量数据;将所述新目标域标准样本设定为所述目标域标准样本,利用步骤S2和步骤S3获取新转移模型和新第二回归模型;S6.获取目标域红外光谱测试数据,根据所述目标域红外光谱测试数据和所述新第二回归模型获取目标域物质成分含量。进一步地,所述利用第二回归模型对所述目标域红外光谱增量数据进行筛选的步骤包括:根据所述目标域红外光谱增量数据和所述第二回归模型获取目标域物质成分含量增量预测数据,比较所述目标域物质成分含量增量数据和所述目标域物质成分含量增量预测数据,如果二者差值大于阈值则满足要求。进一步地,所述根据所述目标域红外光谱增量数据和所述第二回归模型获取目标域物质成分含量增量预测数据的步骤包括:利用所述目标域标准样本的均值对所述目标域红外光谱增量数据坐中心化处理,利用下式依次递推求取与所述目标域红外光谱增量数据对应的增量光谱特征,其中,i大于等于1且小于等于k,TT_incre为第三光谱特征,k为第三光谱特征的个数,为第二标准投影数据的第i个分量,为中心化处理后的目标域红外光谱增量数据的第i个残差项,为第二标准载荷数据的第i个分狼。;利用下式求取出所述目标域物质成分含量增量预测数据,其中M为转移模型中的参数,B为第一回归模型中的参数,mean(yS_cal)为源域物质成分含量的均值,为目标域物质成分含量增量预测数据。进一步地,所述第一回归模型为偏最小二乘回归模型,所述步骤S1包括,对所述源域红外光谱数据进行特征提取获取第一光谱特征,根据所述第一光谱特征和源域物质成分含量建立所述偏最小二乘回归模型,求出回归系数。进一步地,所述目标域红外光谱数据包括目标域红外光谱标准数据和目标域红外光谱测试数据,所述步骤S2包括根据所述目标域红外光谱标准数据进行特征提取获取第二标准光谱特征;根据所述第一标准光谱特征和所述第二标准光谱特征建立所述转移模型,求出转移矩阵。进一步地,所述步骤S6包括,根据所述目标域红外光谱测试数据获取第三光谱特征,将所述第三光谱特征和所述转移模型带入到所述最小偏二乘回归模型中获取所述目标域物质成分含量。进一步地,所述对所述源域红外光谱数据进行特征提取获取第一光谱特征的步骤包括,对所述源域红外光谱数据和源域物质成分含量进行中心化处理,根据中心化处理后的源域红外光谱数据和源域物质成分含量建立最小二乘回归模型获取所述第一光谱特征。进一步地,还包括目标域标准物质成分含量,所述根据所述目标域红外光谱标准数据进行特征提取获取第二标准光谱特征的步骤包括:对所述目标域红外光谱标准数据和所述目标域标准物质成分含量进行中心化处理,根据中心化处理后的目标域红外光谱标准数据和目标域标准物质成分含量建立偏最小二乘回归模型获取第二标准光谱特征。进一步地,所述步骤S2中,获取第二标准光谱特征的同时,还获取了第二标准投影数据和第二标准载荷数据;所述步骤S6中根据所述目标域红外光谱测试数据获取第三光谱特征的步骤包括,利用所述目标域红外光谱标准数据的均值对所述目标域红外光谱测试数据进行中心化处理,利用中心化处理后的目标域红外光谱测试数据按照下式依次递推获取第三光谱特征:其中,i大于等于1且小于等于k,TT_test为第三光谱特征,k为第三光谱特征的个数,为第二标准投影数据的第i个分量,为中心化处理后的目标域红外光谱测试数据的第i个残差项,为第二标准载荷数据的第i个分量。进一步地,通过求解下式的最优化问题,其中,B表示基于源域特征回归模型的系数,M表示目标域特征到源域特征的转移矩阵,WS和WT分别表示源域和目标域的投影矩阵。通过TS=XS*WS求解第一光谱特征,其中第一光谱特征为i大于等于1且小于等于k,k为第一光谱特征的个数;通过计算回归系数ΒT=[b1,b2,...,bk],y表示源域物质成分含量。进一步地,通过下式求取第二标准光谱特征,TT=XT*WT,其中第二标准光谱特征为i大于等于1且小于等于k,k为第二光谱特征的个数。利用第二标准光谱特征和第一光谱特征通过下式获取转移矩阵Μ=[m1,m2,...,mk],其中从中选取。通过上述实施例的技术方案,本专利技术的基于红外光谱分析物质成分含量的增量式方法建立源域和目标域样本特征之间的转移关系,一方面可以去除冗余信息,获得更加准确简单的转移关系,因此可以获得较好的预测效果,另一方面对于高维小样本数据集可以很大程度上减少运算量。附图说明通过参考附图会更加清楚的理解本专利技术的特征和优点,附图是示意性的而不应理解为对本专利技术进行任何限制,在附图中:图1为本专利技术实施例基于红外光谱分析物质成分含量的方法的流程示意图;图2为本专利技术实施例基于红外光谱分析物质成分含量的方法的流程示意图;图3为本专利技术实施例基于红外光谱分析物质成分含量的增量式方法的流程示意图;图4为本专利技术实施例基于红外光谱分析物质成分含量的增量式方法的流程示意图;图5为本专利技术实施例水份含量的CT_ipls模型更新前后预测值与真实值的比较示意图;图6为本专利技术油份含量的CT_ipls模型更新前后预测值与真实值的比较示意图;图7为本专利技术蛋白质含量的CT_ipls模型更新前后预测值与真实值的比较示意图;图8为本专利技术淀粉含量的CT_ipls模型更新前后预测值与真实值的比较示意图;图9为本专利技术活性成分1含量的CT_ipls模型更新前后预测值与真实值的比较示意图;图10为本专利技术活性成分2含量的CT_ipls模型更新前后预测值与真实值的比较示意图;图11为本专利技术活性成分3含量的CT_ipls模型更新前后预测值与真实值的比较示意图。具体实施方式为了能够更清楚地理解本专利技术的上述目的、特征和优点,下面结合附图和具本文档来自技高网...

【技术保护点】
一种基于红外光谱分析物质成分含量的增量式方法,其特征在于,包括以下步骤:S1,根据源域红外光谱数据和与所述源域红外光谱数据对应的源域物质成分含量建立第一回归模型,求取所述第一回归模型中的参数;S2,获取目标域标准样本,所述目标域标准样本包括目标域红外光谱标准数据和目标域物质浓度标准数据,建立目标域红外光谱标准数据与源域红外光谱数据之间的转移模型,求取所述转移模型中的参数;S3,根据所述第一回归模型和所述转移模型建立第二回归模型;S4,获取目标域红外光谱增量数据和目标域物质成分含量增量数据,利用第二回归模型对所述目标域红外光谱增量数据进行筛选,如果满足要求则保留所述目标域红外光谱增量数据和与所述目标域红外光谱增量数据对应的目标域物质成分含量增量数据;S5,重复执行步骤S4直至被保留的目标域红外光谱增量数据的数量达到阈值,然后形成新目标域标准样本,所述新目标域标准样本包含上述被保留的目标域红外光谱增量数据和目标域物质成分含量增量数据;将所述新目标域标准样本设定为所述目标域标准样本,利用步骤S2和步骤S3获取新转移模型和新第二回归模型;S6.获取目标域红外光谱测试数据,根据所述目标域红外光谱测试数据,所述新第二回归模型获取目标域物质成分含量。...

【技术特征摘要】
1.一种基于红外光谱分析物质成分含量的增量式方法,其特征在于,包括以下步骤:S1,根据源域红外光谱数据和与所述源域红外光谱数据对应的源域物质成分含量建立第一回归模型,求取所述第一回归模型中的参数;S2,获取目标域标准样本,所述目标域标准样本包括目标域红外光谱标准数据和目标域物质浓度标准数据,建立目标域红外光谱标准数据与源域红外光谱数据之间的转移模型,求取所述转移模型中的参数;S3,根据所述第一回归模型和所述转移模型建立第二回归模型;S4,获取目标域红外光谱增量数据和目标域物质成分含量增量数据,利用第二回归模型对所述目标域红外光谱增量数据进行筛选,如果满足要求则保留所述目标域红外光谱增量数据和与所述目标域红外光谱增量数据对应的目标域物质成分含量增量数据;S5,重复执行步骤S4直至被保留的目标域红外光谱增量数据的数量达到阈值,然后形成新目标域标准样本,所述新目标域标准样本包含上述被保留的目标域红外光谱增量数据和目标域物质成分含量增量数据;将所述新目标域标准样本设定为所述目标域标准样本,利用步骤S2和步骤S3获取新转移模型和新第二回归模型;S6.获取目标域红外光谱测试数据,根据所述目标域红外光谱测试数据,所述新第二回归模型获取目标域物质成分含量。2.根据权利要求1所述的基于红外光谱分析物质成分含量的增量式方法,其特征在于,所述利用第二回归模型对所述目标域红外光谱增量数据进行筛选的步骤包括:根据所述目标域红外光谱增量数据和所述第二回归模型获取目标域物质成分含量增量预测数据,比较所述目标域物质成分含量增量数据和所述目标域物质成分含量增量预测数据,如果二者差值大于阈值则满足要求。3.根据权利要求2所述的基于红外光谱分析物质成分含量的增量式方法,其特征在于,所述根据所述目标域红外光谱增量数据和所述第二回归模型获取目标域物质成分含量增量预测数据的步骤包括:利用所述目标域标准样本的均值对所述目标域红外光谱增量数据做中心化处理,利用下式依次递推求取与所述目标域红外光谱增量数据对应的增量光谱特征,其中,i大于等于1且小于等于k,TT_incre为第三光谱特征,k为第三光谱特征的个数,为第二标准投影数据的第i个分量,为中心化处理后的目标域红外光谱增量数据的第i个残差项,为第二标准载荷数据的第i个分量;利用下式求取出所述目标域物质成分含量增量预测数据,其中M为转移模型中的参数,B为第一回归模型中的参数,mean(yS_cal)为源域物质成分含量的均值,为目标域物质成分含量增量预测数据。4.根据权利要求1所述的基于红外光谱分析物质成分含量的增量式方法,其特征在于,所述第一回归模型为偏最小二乘回归模型,所述步骤S1包括,对所述源域红外光谱数据进行特征提取获取第一光谱特征,根据所述第一光谱特征和源域物质成分含量建立所述偏最小二乘回归模型,求出回归系数。5.根据权利要求4所述的基于红外光谱分析物质成分含...

【专利技术属性】
技术研发人员:赵煜辉单鹏张洋洋
申请(专利权)人:东北大学秦皇岛分校
类型:发明
国别省市:河北;13

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1