一种基于多传感器光谱数据的加权预测方法技术

本发明专利技术涉及近红外光谱分析技术，其公开了一种基于多传感器光谱数据的加权预测方法，提高多传感器光谱数据预测分析的准确性、稳定性以及预测效率。该方法通过引入模型均方根误差及模型决定系数来计算权重系数，针对同一类型传感器，通过模型权重系数对光谱数据进行权值化处理，提升光谱数据样品表征性的同时减小光谱数据量，从而提高了光谱分析预测效率；针对不同类型的传感器，通过对预测结果进行权值化处理，解决多传感器光谱数据量级不同的问题，提升预测稳定性及准确率。提升预测稳定性及准确率。提升预测稳定性及准确率。

A weighted prediction method based on Multisensor spectral data

【技术实现步骤摘要】
一种基于多传感器光谱数据的加权预测方法


[0001]本专利技术涉及近红外光谱分析技术，具体涉及一种基于多传感器光谱数据的加权预测方法。

技术介绍

[0002]近年来，近红外光谱分析技术发展十分迅速，已在化工，制药，军工，食品等多个领域都获得了应用。近红外光谱技术属于分子光谱技术，可以在分子水平上表明物质成分和性质信息，不论对经济还是社会影响来说，都取得了非常高的效益，极具发展潜力。
[0003]然而，目前大多数物质成分和性质信息检测主要使用大型实验室近红外光谱仪器进行，这些方法虽然定量准确灵敏度高，但所需设备体积庞大，设备费用昂贵，样品制备时间长且样品制作方法严格，检测设备和样品制备需要专业人员操作，检测环境固定，且分析时间长，不适用于现场检测，不便于推广使用。
[0004]伴随着便携式近红外光谱技术的发展，市场主流的大型近红外光谱仪设备都朝着体积小巧，价格低廉的便携式方向发展。但是便携式近红外光谱仪受到传感器技术的限制，单传感器便携式近红外设备涵盖的波段范围十分有限，采集得到的光谱数据稳定性较差，光谱数据容易发生偏移，进而容易本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器光谱数据的加权预测方法，其特征在于，包括以下步骤：S1、导入原始多传感器光谱数据，并对光谱数据按照传感器型号进行数据划分，相同型号的传感器光谱数据划分为同类数据；S2、对同类数据进行偏最小二乘法建模，获取各个模型的均方根误差及模型决定系数；S3、结合均方根误差及模型决定系数计算光谱数据权重系数，然后对同类数据进行权值化处理；S4、将权值化之后的光谱数据再按照传感器型号再次进行数据划分，不同型号的传感器光谱数据划分为异类数据；S5、分别对异类数据进行偏最小二乘法建模，获取各个模型的均方根误差及模型决定系数；S6、结合均方根误差及模型决定系数计算预测值的权重系数，然后对异类数据的预测结果进行权值化处理，获得最终单一预测值。2.如权利要求1所述的一种基于多传感器光谱数据的加权预测方法，其特征在于，步骤S2中，所述均方根误差采用留一法进行交叉验证生成，表达式为：其中，M为原始样本个数，y
i
为样本x
i
的标定值，为样本x
i
的预测值。3.如权利要求1所述的一种基于多传感器光谱数据的加权预测方法，其特征在于，步骤S2中，所述模型决定系数R2的计算方式为：其中，y
i，act
为第i个样本的标定值，y
i，pre
为模型内预测第i个样本的预测值，y
i，ave
为M个样本所有标定值的平均值。4.如权利要求1所述的一种基于多传感器光谱数据的加权预测方法，其特征在于，步骤S3中，所述结合均方根误差及模型决定系数计算光谱数据权重系数，具体包括：其中，α
i
为相同型号的传感器中的第i个传感器光谱数据权重系数，n为相同型号的传感器的个数，A
i
为相同型号的传感器中的第i个传感器光谱数据模型的均方根误差RMESCV值，B
i
...

【专利技术属性】
技术研发人员：刘浩，何涛，夏维高，闫晓剑，张国宏，贾利红，
申请(专利权)人：四川启睿克科技有限公司，
类型：发明
国别省市：