红外光谱的定性分析方法技术

本发明专利技术公开了一种红外光谱的定性分析方法，采用ENet方法从光谱数据库中对待检测样本光谱图进行初次筛选组分；随后建立CLS模型进行循环迭代计算剔除CAE<0的组分，完成二次筛选组分；最后根据二次筛选光谱数据进行拟合YAC，计算判断PA1与PA2的大小，完成三次筛选组分，整个过程结合了ENet方法的变量选择能力，通过循环迭代CLS过程，以及UPAs过程，实现红外光谱的快速、准确定性识别分析，同时，该方法不需要事先建模，还能解决多组分红外光谱中，光谱组分的严重多重共线性问题。

【技术实现步骤摘要】
红外光谱的定性分析方法
本专利技术涉及红外光谱分析领域，特别涉及一种红外光谱的定性分析方法。
技术介绍
红外光谱分析是物质定性的重要方法，它的解析能够提供许多关于官能团的信息，可以帮助确定部分乃至全部分子类型及结构，其定性分析有特征性高、分析时间短、需要的试样量少、不破坏试样、测定方便等优点。红外光谱定性分析主要用于物质的定性判别，即通过比较未知样品与已知参考样品集的光谱来确定未知物的归属。随着红外光谱的定性分析方法的发展，尤其是傅里叶变换红外光谱，现有技术已经有多种方法可以对傅里叶变换红外光谱进行定性分析：如经典最小二乘回归法(CLS)、偏最小二乘法(PLS)、人工神经网络算法(ANN)等，基于这些方法对红外光谱进行定性分析时都存在着一定的缺陷。比如，采用CLS来进行组分识别时，首先需要选出所考察波段所有光谱的吸光度数据，但是所有光谱数据最后都能影响到该算法的识别结果，同时CLS分析方法无法解决光谱数据库中光谱的多重共线性问题，而在采用PLS建模进行定性分析时，新组分的出现将会降低识别的准确度；近年来人工神经网络算法发展迅速，但是该算法需要复杂的训练过程，并且单一人工神经网络算法只本文档来自技高网...

【技术保护点】
一种红外光谱的定性分析方法，包括如下步骤：(A)、制备待检测样本；(B)、调取待检测样本所属领域的光谱数据库；(C)、利用光谱仪采集待检测样本的红外光谱图；(D)、采用ENet(基于弹性网的变量选择技术)方法从光谱数据库中进行初次选择样本组分，建立样本红外光谱组分的吸光度矩阵XAE，即n行mAE的矩阵(X为组分标准吸收光谱，n为组分光谱数据点数，m为组分光谱的个数)；(E)、根据步骤D中的样本组分数据建立CLS(线性最小二乘拟合)模型：CAE＝(XAE

【技术特征摘要】
1.一种红外光谱的定性分析方法，包括如下步骤：(A)、制备待检测样本；(B)、调取待检测样本所属领域的光谱数据库；(C)、利用光谱仪采集待检测样本的红外光谱图；(D)、采用ENet(基于弹性网的变量选择技术)方法从光谱数据库中进行初次选择样本组分，建立样本红外光谱组分的吸光度矩阵XAE，即n行mAE的矩阵(X为组分标准吸收光谱，n为组分光谱数据点数，m为组分光谱的个数)；(E)、根据步骤D中的样本组分数据建立CLS(线性最小二乘拟合)模型：CAE＝(XAETXAE)-1XAET*Y，随后进入循环迭代计算剔除CAE<0的组分，进行二次筛选，得出新的样本组分数据XAC，mAC，CAC(C为组分浓度，Y为红外吸光度谱)；(F)、根据步骤E中二次筛选的样本组分数据再次拟合计算得出YAC值，XAC*CAC的每一列在YAC方向上的投影长度与YAC自身长度的比值记为PA1，XAC*CAC的长度与YAC在各自组分方向上的投影长度比值记为PA2，比较PA1与PA2进行组分三次筛选；(G)整合步骤F中三次筛选的组分，即为样本的红外光谱的定性分析结果。2.根据权利要求1所述的红外光谱的定性分析方法，其特征在于：所述的步骤E按如下步骤进行二次筛选：(E1)、进行变量初始化C(0)＝(XAETXAE)-1XAET*Y，...

【专利技术属性】
技术研发人员：徐亮，叶树彬，沈先春，刘文清，李亚凯，金岭，胡荣，胡洋，刘建国，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：安徽,34