【技术实现步骤摘要】
本专利技术涉及模型转移，尤其是涉及改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法。
技术介绍
1、利用近红外光谱校正模型快速定量分析乌洛托品-醋酸溶液中乌洛托品浓度，对于保证产品质量和控制生产安全具有重要意义。这种分析方法不仅提高了分析速度，也降低了分析成本，为工业生产奥克托今过程中的乌洛托品-醋酸溶液质量监测提供了可靠而高效的解决方案，为制定及时的生产调整和质量控制措施提供有力支持。
2、但在实际应用中，由于仪器之间的微小差异、校准和配置的不同，导致建立的校正模型难以通用，这种仪器间的差异性是近红外光谱分析中常见的挑战之一。解决模型共享问题时，通常采用无标样转移和有标样转移两种策略。然而，有标样转移需要额外的标准样本计算主、从仪器间的数学关系，这个过程会导致额外的成本的产生。相比之下，无标样模型传递无需额外样本，可有效修正主、从仪器光谱间的差异，成为更为经济和高效的选择。目前，针对不同厂家、不同型号的乌洛托品-醋酸溶液近红外模型的无标样转移，尚缺乏一种有效的方法。
技术实现思路
1、本专利技术的目的是提供改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法，通过改进蜣螂算法的变量优选算法，解决了原有算法中存在的初始种群分布不均匀，有助于从高维度的光谱数据中选择最具信息的变量，提高建模效率和模型的解释性，以此解决了不同厂家、不同型号的乌洛托品-醋酸溶液近红外模型无标样转移的问题。
2、为实现上述目的，本专利技术提供了改进蜣螂算法的乌洛托品-醋酸溶液近红外模
3、s1、选择并设置两个近红外光谱仪，分别作为主机和从机；
4、s2、根据kennard-stone算法，将主机获取的乌洛托品-醋酸溶液光谱矩阵和对应的乌洛托品浓度化学真值矩阵划分为校正集样品和验证集样品；将从机获取的乌洛托品-醋酸溶液光谱矩阵与相应的乌洛托品浓度化学真值矩阵进行匹配，形成预测集样品；
5、s3、对校正集样品、验证集样品和预测集样品的光谱矩阵进行一阶导数和小波变换的联合预处理；
6、s4、利用改进蜣螂算法对校正集样品的光谱矩阵进行变量优选，将经过选择的变量应用于验证集样品和预测集样品，得到变量优选后的校正集样品、验证集样品和预测集样品光谱矩阵；
7、s5、利用变量优选后的校正集样品光谱矩阵和对应的浓度矩阵，采用偏最小二乘法的五折交叉验证法，建立主机近红外光谱校正模型；对变量优选后的验证集样品光谱矩阵进行预测，根据决定系数r2和平均绝对误差mae评估主机近红外光谱校正模型在验证集样品上的预测性能；
8、s6、利用步骤s5建立的主机近红外光谱校正模型，对变量优选后的预测集样品光谱矩阵进行预测，并评价主机近红外光谱校正模型在从机上的预测效果。
9、优选的，步骤s2中，kennard-stone算法的主要步骤是：
10、s21、给定样本集，首先计算样本之间的距离；
11、s22、从样本集中选择具有最大相似性的样本对，作为校正集的起始点；
12、s23、从去除作为校正集的起始点的样本集中，继续选择与校正集距离最远的样本，并将其添加到校正集中；重复这一步骤，直到达到所需的校正集大小；
13、s24、将剩余的样本构成验证集。
14、优选的，步骤s3中，一阶导数和小波变换联合预处理的具体步骤为：
15、s31、对于光谱矩阵x中的每个样本进行一阶导数计算，得到一阶导数光谱矩阵x1st：
16、
17、式中，xi为光谱矩阵x中第i个样品的光谱，xi,1st为一阶导数光谱矩阵x1st中第i个样品的光谱，g为窗口宽度；
18、s32、对一阶导数光谱矩阵x1st中第i个样品的光谱xi,1st进行小波变换：
19、
20、式中，f(t)是一阶导数光谱矩阵x1st中第i个样品的光谱xi,1st，是小波基函数，a为尺度参数，b为位移参数，c为小波系数；
21、s33、将获得的小波系数c进行重构得到重构光谱矩阵x1st,resonstructed：
22、
23、优选的，步骤s4中，改进蜣螂算法的具体步骤为：
24、s41、初始化改进蜣螂算法的相关参数：设置最大迭代次数m、种群中的个体数量为p0，变异比例pp、最大权重ωmax、最小权重ωmin、第一学习因子c1、第二学习因子c2、维度d；
25、s42、初始化适应度函数，定义适应度函数如下：
26、
27、式中，yi为第i个样品的乌洛托品浓度化学真值，为第i个样品的乌洛托品浓度预测值，n1为样品个数；
28、s43、初始化种群：针对种群中的个体数量p0中的每个个体xi＝(xi1,xi2,xi3,…,xid)根据粒子群算法的速度更新规则，计算速度vid和位置xid，并更新适应度值fi，其中速度v和权重ω更新规则为：
29、vid(t)＝ωid(t)+c1r1(pid(t)-xid(t))+c2r2(pgd(t)-xid(t)) (5)，
30、ωi(t)＝ωmax-(ωmax-ωmin)t/m (6)，
31、式中，t为当前迭代次数，d＝1,2,…,d；i＝1,2,…,p0；r1和r2为分布于[0,1]上的随机数；
32、s44、通过滚球蜣螂、育雏球、小蜣螂和小偷蜣螂的行为，更新种群中每个个体的位置xi(t)；
33、s45、计算种群中每个个体的适应度值fi，找到当前最优个体位置xbest和最差个体位置xworse；
34、s46、针对一定百分比的个体进行变异操作：如果随机数小于初始突变概率mp，则进行变异，更新个体位置，否则保持原样；
35、s47、根据变异操作更新整个种群中的个体，并计算新种群中每个个体的适应度值fi；
36、s48、根据历史最佳解更新当前全局最优位置xi_best(t)和最佳最优位置的适应度值fi_best(t)；
37、s49、重复上述步骤s43～s48直至达到最大迭代次数；
38、s410、输出全局最优适应度值fi_best及其最优位置xi_best。
39、优选的，步骤s5中，决定系数r2和平均绝对误差mae为：
40、决定系数r2的计算公式为：
41、
42、式中是乌洛托品-醋酸溶液样品中乌洛托品浓度化学真值的平均值；
43、平均绝对误差mae表示模型的预测值与实际观测值之间的平均绝对误差，其计算公式为：
44、
45、优选的，步骤s21中，样本之间距离的计算方法为欧式距离或马氏距离的一种。
46、优选的，步骤s21中，样本之间距离的计算方法为欧式距离。
47、因此，本专利技术采用上述改进蜣螂算法的乌洛托品-醋酸溶液近红外模型本文档来自技高网...
【技术保护点】
1.改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法，其特征在于，步骤S2中，Kennard-Stone算法的主要步骤是：
3.根据权利要求1所述的改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法，其特征在于，步骤S3中，一阶导数和小波变换联合预处理的具体步骤为：
4.根据权利要求1所述的改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法，其特征在于，步骤S4中，改进蜣螂算法的具体步骤为：
5.根据权利要求1所述的改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法，其特征在于，步骤S5中，决定系数R2和平均绝对误差MAE为：
6.根据权利要求2所述的改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法，其特征在于：步骤S21中，样本之间距离的计算方法为欧式距离或马氏距离的一种。
7.根据权利要求6所述的改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法，其特征在于：步骤S21中，样本之间距离的计算方法为欧
...【技术特征摘要】
1.改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法，其特征在于，步骤s2中，kennard-stone算法的主要步骤是：
3.根据权利要求1所述的改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法，其特征在于，步骤s3中，一阶导数和小波变换联合预处理的具体步骤为：
4.根据权利要求1所述的改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法，其特征在于，步骤...
【专利技术属性】
技术研发人员：陈锟，钱石川，顾光辉，李丽洁，汪凡，徐银光，晁慧，苏强，何丹，金韶华，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。