光谱分析模型的构建方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种光谱分析模型的构建方法、装置、设备及存储介质，所述方法包括：获取历史光谱的样本数据中的样本信息以及特征信息中提取第一数据集参考参数和第二数据集参考参数；获取预设轴向量信息，根据所述预设轴向量信息、第一数据集参考参数以及第二数据集参考参数建立预设原始模型；根据拉格朗日算法对所述预设原始模型中的各个参数进行计算，得到对应的主成分信息；根据所述主成分信息建立预设回归模型，并进行计算，得到目标光谱分析模型。本发明专利技术通过预设模型获取样本数据中的主成分数据，通过主成分数据对所述预设回归模型进行计算，得到目标光谱分析模型，从而降低噪声和异常样本对模型的影响，达到提高模型精度的目的。

Construction method, device, equipment and storage medium of spectral analysis model

The invention discloses a method, device, device and storage medium for constructing a spectral analysis model. The method comprises acquiring sample information and characteristic information from sample data of historical spectrum, extracting reference parameters of the first data set and the second data set, acquiring preset axial quantity information, and according to the preset axial quantity information and the reference parameters of the first data set. And the reference parameters of the second data set are used to establish the presupposed original model; the parameters of the presupposed original model are calculated according to Lagrange algorithm, and the corresponding principal component information is obtained; the presupposed regression model is established according to the principal component information, and the target spectral analysis model is obtained through calculation. The method obtains the principal component data of sample data by presupposition model, calculates the presupposition regression model by principal component data, and obtains the target spectral analysis model, so as to reduce the influence of noise and abnormal samples on the model and achieve the purpose of improving the accuracy of the model.

【技术实现步骤摘要】
光谱分析模型的构建方法、装置、设备及存储介质
本专利技术涉及光谱分析
，尤其涉及一种光谱分析模型的构建方法、装置、设备及存储介质。
技术介绍
目前，红外光谱的分析是化学计量学、模式识别等相关领域的研究热点，通常的方法是利用偏最小二乘回归法建立定量分析模型，但是建立的最小二乘回归模型在样本中含有噪声和异常样本时，模型的参数会受到影响，从而降低建模精度。
技术实现思路
本专利技术的主要目的在于提出一种光谱分析模型的构建方法、装置、设备及存储介质，旨在提高建模精度。为实现上述目的，本专利技术提供一种光谱分析模型的构建方法，所述光谱分析模型的构建方法包括以下步骤：获取历史光谱的样本数据，提取所述样本数据中的样本信息以及特征信息；从所述样本信息中提取第一数据集参考参数，且从所述特征信息中提取第二数据集参考参数；获取预设轴向量信息，根据所述预设轴向量信息、第一数据集参考参数以及第二数据集参考参数建立预设原始模型；根据拉格朗日算法对所述预设原始模型中的各个参数进行计算，得到所述第一数据集参考参数以及第二数据集参考参数对应的主成分信息；根据所述主成分信息建立预设回归模型，将所述第一数据集参考参数以本文档来自技高网...

【技术保护点】
1.一种光谱分析模型的构建方法，其特征在于，所述光谱分析模型的构建方法包括：获取历史光谱的样本数据，提取所述样本数据中的样本信息以及特征信息；从所述样本信息中提取第一数据集参考参数，且从所述特征信息中提取第二数据集参考参数；获取预设轴向量信息，根据所述预设轴向量信息、第一数据集参考参数以及第二数据集参考参数建立预设原始模型；根据拉格朗日算法对所述预设原始模型中的各个参数进行计算，得到所述第一数据集参考参数以及第二数据集参考参数对应的主成分信息；根据所述主成分信息建立预设回归模型，将所述第一数据集参考参数以及第二数据集参考参数放入所述预设回归模型进行计算，得到目标光谱分析模型。

【技术特征摘要】
1.一种光谱分析模型的构建方法，其特征在于，所述光谱分析模型的构建方法包括：获取历史光谱的样本数据，提取所述样本数据中的样本信息以及特征信息；从所述样本信息中提取第一数据集参考参数，且从所述特征信息中提取第二数据集参考参数；获取预设轴向量信息，根据所述预设轴向量信息、第一数据集参考参数以及第二数据集参考参数建立预设原始模型；根据拉格朗日算法对所述预设原始模型中的各个参数进行计算，得到所述第一数据集参考参数以及第二数据集参考参数对应的主成分信息；根据所述主成分信息建立预设回归模型，将所述第一数据集参考参数以及第二数据集参考参数放入所述预设回归模型进行计算，得到目标光谱分析模型。2.如权利要求1所述的光谱分析模型的构建方法，其特征在于，所述预设轴向量信息包括第一轴方向向量信息和第二轴方向向量信息；所述获取预设轴向量信息，根据所述预设轴向量信息、第一数据集参考参数以及第二数据集参考参数建立预设原始模型，包括：获取约束条件，其中，所述约束条件包括所述第一轴方向向量信息和第二轴方向向量信息的第一预设范数；通过所述第一轴方向向量信息的转置、第一数据集参考参数的转置、第二数据集参考参数、第二轴方向向量信息以及约束条件建立预设原始模型。3.如权利要求1所述的光谱分析模型的构建方法，其特征在于，所述根据拉格朗日算法对所述预设原始模型中的各个参数进行计算，得到所述第一数据集参考参数以及第二数据集参考参数对应的主成分信息之前，所述方法还包括：获取惩罚参数，根据所述惩罚参数、第一轴方向向量信息的转置、第一数据集参考参数的转置、第二数据集参考参数、第二轴方向向量信息以及第二轴方向向量信息的转置将所述预设原始模型转换为拉格朗日函数模型；通过所述拉格朗日函数模型对所述预设原始模型进行更新。4.如权利要求3所述的光谱分析模型的构建方法，其特征在于，所述根据拉格朗日算法对所述预设原始模型中的各个参数进行计算，得到所述第一数据集参考参数以及第二数据集参考参数对应的主成分信息，包括：根据拉格朗日算法对更新后的拉格朗日函数模型中的各个参数进行求偏导数处理；对所述第一轴方向向量信息、第一数据集参考参数、第二数据集参考参数以及第二轴方向向量信息进行优化处理，得到惩罚参数与第一轴方向向量信息、第一数据集参考参数、第二数据集参考参数以及第二轴方向向量信息的对应关系；根据所述对应关系得到第一轴方向向量信息的主成分信息以及第二轴方向向量信息的主成分信息。5.如权利要求4所述的光谱分析模型的构建方法，其特征在于，所述根据所述主成分信息建立预设回归模型，将所述第一数据集参考参数以及第二数据集参考参数放入所述预设回归模型进行计算，得到目标光谱分析模型，包括：获取第一回归系数向量，所述第一回归系数向量的第二预设范数以及调整参数；根据所述第一回归系数向量，所述第一回归系数向量的第二预设范数、调整参数以及第一轴方向向量信息的主成分信息建立...

【专利技术属性】
技术研发人员：牟怿，周龙，杨超，郭亦凡，陈浩，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：湖北,42