1.一种基于LM-GA算法的红外光谱定性分析方法,其步骤如下:
1)提取待测样品的红外光谱数据,建立参数文件,然后读取参数文件并对红外光谱数据的有效性进入判断,若有效,则进入步骤2),否则结束程序并输出报告;
所述的参数文件包括:分子光谱数据库个数、类型及其路径信息;待处理光谱数据路径信息;分析波段信息;波数漂移初始值信息;切趾函数修正类型以及修正初始值信息;基线拟合阶数以及其初始值信息;环境信息;GA参数;LM参数;
2)读取分子光谱数据库中所有组分的吸收光谱数据,分子吸收光谱数据库中组分总个数为M,然后随机生成N个基因个体,每个基因个体的长度为M,基因每一位分别代表一种组分,当该位为0时,表示不存在该组分,当该位为1是表示存在该组分,同时建立种群数据库,种群数据库包括三个部分,当前基因集合,淘汰基因集合,无效基因集合,将随机生成的N个基因个体放入到当前基因集合中;
3)采用LM算法计算种群数据库中当前每个基因个体的适应度;
4)若当前迭代次数≥最大迭代次数,则结束计算并输出报告,否则迭代次数加1并进入步骤5);
5)对种群数据库中的有效基因个体进行交叉、变异运算,分析选择,通过计算,将淘汰的基因放入种群数据库中的淘汰基因集合,最优的N个基因更新为当前基因集合,将不恰当的基因放入无效基因集合;
6)若出现程序设定的最优解,则结束程序并输出报告,否则返回到步骤4)。
2.根据权利要求1所述的一种基于LM-GA算法的红外光谱定性分析方法,其特征在于:步骤3)中基因个体的适应度的计算步骤为:
a)抽取一个基因个体的基因数据,采用二进制编码解析基因,提取数据库中对应组分在分析波段的光谱数据;
b)初始化LM算法的倍数因子Rampt以及增长因子Beta;
c)拟合测量光谱,计算当前均方根误差F(k),其中k为当前迭代次数;
d)计算迭代补偿,然后计算均方根误差F(k+1);
e)判断是否达到终止条件:|((F(k)-F(k+1))/F(k+1)|是否小于最小误差,若是进入步骤f),否则进入步骤k);
f)若F(k+1)<F(k),则进入步骤g),否则进入步骤i);
g)更新Rampt=Rampt/Beta。
h)更新迭代结果,k=k+1,并返回到步骤d);
i)更新Rampt=Rampt*Beta。
j)迭代结果保持不变,返回到步骤d);
k)判断是否已经计算到最后一个基因个体,若是进入步骤l),否则返回到步骤a);
l)计算每个基因个体的适应度:基因个体的基因型的标准差定义为:
式中:StdE(Gi)表示第Gi个基因型的标准差;yc(vj)、ym(vj)分别表示实际测量光谱和计算光谱在第j个波数处的光强,n表示测量光谱数据中的点个数,j表示波数位置;
基因个体的第Gi个基因型的适应度定义为:
3.根据权利要求2所述的一种基于LM-GA算法的红外光谱定性分析方法,其特征在于:步骤1)中红外光谱数据的有效性判断步骤为:
①、提取待测样品的红外光谱数据,剔除无效的环境信息,若存在有效的环境信息,则进入步骤②,否则结束程序并输出报告;
②、组件有效的波段信息,若其波段信息有效,则进入步骤③,否则结束程序并输出报告;
③、提取数据库中的吸收光谱数据并转换,若其存在有效的分子吸收光谱数据信息,则进入步骤2),否则结束程序并输出报告。
4.根据权利要求3所述的一种基于LM-GA算法的红外光谱定性分析方法,其特征在于:步骤4)中最大迭代次数是基因个体长度的0.5-1倍。
5.根据权利要求3所述的一种基于LM-GA算法的红外光谱定性分析方法,其特征在于:步骤5)分析选择的步骤为:
第一步,将种群数据库中的有效基因个体交叉、变异运算生成的子代种群基因个体与种群数据库比对,剔除子代种群基因个体中的重复基因个体;
第二步,计算子代基因个体的适应度,然后将子代基因个体和种群数据库中的有效基因个体的适应度一并按从大到小的顺序排列,只保留适应度大的前N个基因个体作为种群数据库中的当前有效基因。
6.根据权利要求5所述的一种基于LM-GA算法的红外光谱定性分析方法,其特征在于:第一步在计算基因个体适应度过程中,将出现的奇异解或者离散解归类为无效基因个体,第二步中剔除的适应度小的基因个体归类为非候选基因个体的淘汰基因个体,所述的无效基因个体、淘汰基因个体分别被纳入无效基因集合和淘汰基因集合中,程序控制基因个体交叉、变异运算生成的子代基因个体与无效基因集合及淘汰基因集合中的基因个体相异。