专利名称：一种光谱分析中样品集划分的化学计量学方法
技术领域：
本发明涉及光谱分析中的样品集划分技术领域，具体涉及一种用于定标集和预测集划分的化学计量学方法。
背景技术：
光谱分析是根据物质的光谱通过定性或者定量分析来确定物质的化学成分及其含量的方法，由于其具有快速、灵敏、无创的优点。目前应用的光谱分析主要有红外光谱分析、紫外光谱分析、拉曼光谱分析等。特别是近红外(NIR)光谱分析技术以其简便快速、非破坏性、实时在线、多成分同时检测等特点在环境、食品、农业、生物医学等众多领域具有应用优势。光谱分析需要把全部待分析样品划分为定标集和预测集。首先利用定标集样品的 参考化学值(C)和光谱吸光度(A)来建立定标模型；然后结合预测集样品的光谱吸光度，利用定标模型计算预测集样品的成分含量预测值，通过比较预测集样品的预测值和参考化学值来评价模型的预测效果。定标模型是基于样品的光谱吸光度和参考化学值的数据来建立、优化和评价的。然而，在光谱测量过程中，由于实验环境、操作技能、仪器精度等原因，光谱吸光度有可能产生漂移、倾斜等各方面的噪音；同样的，在化学值测量方面，常规的化学测量方法也不可避免地带来系统噪音、环境噪音、操作噪音等，使得数据存在测量误差，导致所建立的定标模型很难得到理想的预测效果。实验表明，由于各种噪音的存在，定标集和预测集的不同划分会造成模型预测效果的变化很大，模型参数(如光谱分析波段、平滑模式、PLS因子数等)也会受到影响。为了找到一个良好的划分，提高模型的适用率，在定标集和预测集划分的过程中，考虑如何选取信噪比较高的波长点，以此为基点做出定标集和预测集良好的划分，是光谱分析的一个关键研究课题。
发明内容
本发明所要解决的技术问题是为光谱分析提供一种样品划分的化学计量学方法，采用该方法能够为光谱分析的模型优化做出良好的数据准备。该方法适用于紫外可见(UV)、近红外(NIR)、中红外(MIR)、拉曼(Raman)等光谱分析领域，已经在柚子皮果胶的NIR分析、土壤有机质总氮的NIR分析、废水化学需氧量的MIR分析、血液血红蛋白的MIR分析中得到验证。具体步骤为I)数据归一化a)参考化学值的归一化
权利要求
1.一种光谱分析中样品集划分的化学计量学方法，其特征在于具体步骤为 1)数据归一化 a)参考化学值的归一化
全文摘要
本发明公开了一种光谱分析中样品集划分的化学计量学方法。计算参考化学值和每一个波长上的光谱吸光度的相关系数，在全谱范围内找到相关最高的波长点；分别对样品的参考化学值和光谱数据进行归一化处理；基于归一化处理的数据，设计把参考化学值最大和最小的2个样品，以及吸光度值最大和最小的2个样品放入定标集，并把相应次大次小值的4个样品放入预测集；对剩余的样品做充分多次的随机划分，基于最高相关波长点，对每一次划分分别计算定标集和预测集样品的化学值和吸光度的相关系数，如果某一个划分的定标集相关系数和预测集相关系数充分接近，则选择这个划分用来建立光谱分析模型。本发明为光谱分析的模型优化提供了良好的数据基础。
文档编号G01N21/33GK102854151SQ20121037506
公开日2013年1月2日 申请日期2012年10月6日 优先权日2012年10月6日
发明者陈华舟 申请人:桂林理工大学