预测材料的被关注属性值的方法技术

本发明专利技术涉及用于预测在通过红外光谱研究的样本中被关注属性值的计算机执行的方法。所述方法的目的在于生成校准函数。为此，选择一组校准样本，由此识别出异常值并从所述组校准样本中去除。使用主成分分析和奇异值分解来确定异常值。基于预先确定的算式来计算将异常值与剩余样本分离的阈值。还可以逐步增大阈值以动态设定阈值，这对于不在实验室条件下运行的分光装置是优选的。分光装置是优选的。分光装置是优选的。分光装置是优选的。

【技术实现步骤摘要】
【国外来华专利技术】预测材料的被关注属性值的方法


[0001]本专利技术涉及用于预测材料的被关注属性值的计算机执行的方法以及用于此方法的设备，所述设备包括适于执行所述方法的处理单元。

技术介绍

[0002]近红外(NIR)光谱是预测材料的被关注属性值的有用工具，特别是当远离通常进行定性和/或定量分析的分析实验室时。具体来说，农产品，例如饲料原料和/或饲料，可以在处理阶段例如烘烤和压力处理之前和之后、储存期间或之后以及在制备含有具体成分的饲料之后分析该等成分的存在和浓度。但是，需要足够的校准功能，以便通过近红外光谱提供精确可靠的预测。
[0003]所述校准函数通常通过多变量分析生成。这样使得能够适当考虑相关性，以估计复杂混合物的组成，并且补偿来自背景信号的干扰。通过NIR光谱和校准函数来预测被关注属性值是一个两步过程。在第一步中，在跨各种不同分析物和工具条件的若干种情景下，通过利用通过间接测量例如光信号强度和直接测量例如分析物浓度获得的数据集来构建校准模型。直接(例如分析物浓度)和间接(例如光信号强度)度量之间关系的通式为y＝f(x1,x2,
…...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.用于预测材料的被关注属性值的计算机执行的方法，所述方法包括以下步骤：a)提供样本的红外光谱群，其中所述光谱形成m
×
n输入数据矩阵X，其中m是行中的样本数，并且n是列中的数据点，b)从步骤a)的所述光谱群中去除光谱异常值，包括以下步骤：b1)通过对所述矩阵X进行主成分分析来获得主成分，b2)从所述输入数据矩阵X生成对角矩阵Σ，其含有所述矩阵X的奇异值σ
m
和载荷矩阵V，b3)通过将所述输入数据矩阵X的每个数据点与步骤b2)的每个成分的所述载荷相乘来计算每个光谱的得分x
m
，形成X矩阵的每一列的平均值以提供B
0,m
值，并且通过下式来计算得分指数si：b4)确定其本征值致使X对至少99％得分的回归收敛的成分N
C
的数量，并且通过下式来计算步骤a)的每个光谱的距离度量阈值D
i
：b5)计算步骤a)的每个光谱的每个主成分的所有得分的平均值，并且计算所述平均值与每个主成分的每个分数之间的距离度量，b6)当步骤b4)中获得的主成分的得分的距离度量值大于步骤b4)的距离度量阈值时，将样本光谱视为光谱异常值，b7)从步骤a)的光谱群中去除步骤b6)的光谱异常值，以得出清洁光谱群，c)在步骤b7)的所述清洁光谱群上生成预测函数，d)提供未知来源和/或组成的样本或与步骤a)中的样本具有相同来源和/或组成的样本的红外光谱，及e)通过步骤c)的所述预测函数从步骤d)的光谱中预测被关注属性值。2.根据权利要求1所述的方法，其中所述距离度量是欧几里得距离度量、皮尔逊距离度量、马氏距离度量或从相似性度量获得的距离度量。3.根据权利要求1或2所述的方法，其中步骤b)还包括以下步骤：b5.1)将步骤b4)中获得的距离度量阈值增加+1，b5.2)使用步骤b5.1)的所述距离度量阈值确定在步骤b5)中获得的具有最高值的两个距离度量，b5.3)确定在步骤b5.2)中确定的距离度量值之间的差值，及b5.4)以步骤b5.1)的所述距离度量阈值重复步骤d5.1)至d5.3)，直到步骤b5.3)中确定的所述差值至少为1，并且距离度量的最大值最多为8。4.根据权利要求1至3之一所述的方法，其还包括以下步骤：a1)在定量分析中确定步骤a)的每个样本中的所述被关注属性值，以提供参考数据集。5.根据权利要求4所述的方法，其中步骤c)中所述预测函数的生成包括分析步骤a1)的所述参考数据集和步骤b7)的所述清洁光谱群的数据相关性以给出所述预测函数。
6.根据权利要求1至5之一所述的方法，其中步骤...

【专利技术属性】
技术研发人员：I，
申请(专利权)人：赢创运营有限公司，
类型：发明
国别省市：