一种近红外光谱的多模型建模方法

摘要

一种近红外光谱多模型建模方法，把采集的近红外光谱及对应的被测成分浓度数据分成训练集和预测集；利用boosting方法对训练集进行重采样，一开始赋予所有波长点相同的取样权重，从中选取一定数目的波长点建立PLS子模型；通过PLS子模型的得分和载荷乘积得到预测光谱；利用预测光谱和建模子集光谱的差值的指数损失函数对训练子集的每个波长点赋予权重；下次选取波长点时，权重越大的样本取样概率越大；重复以上步骤，建立多个子模型；通过这些模型预测结果的加权平均值作为预测集样本的预测浓度值。该方法通过从波长方向建立子模型，采用boosting方法不断进行训练最终建立多模型，提高了定量分析模型的预测精度，为近红外光谱多元校正分析提供了一种新的定量分析方法。

主权项

一种用于近红外光谱的多模型建模方法，其特征在于：它是从波长方法选取一定数目的波长点建立子模型，之后用boosting学习方法建立多个子模型，最后用所有子模型预测结果的加权平均得到未知样本浓度的最终预测结果。其中波长点权重的更新是基于偏最小二乘建立子模型的得分与载荷乘积得到的预测光谱与建模子集光谱的差值。