申请/专利权人：江苏东晟辉科技开发有限公司

申请日：2020-09-04

公开（公告）日：2022-06-07

公开（公告）号：CN112229816B

主分类号：G01N21/359

分类号：G01N21/359

优先权：

专利状态码：有效-授权

法律状态：2022.06.07#授权;2021.02.02#实质审查的生效;2021.01.15#公开

摘要：本发明公开了一种基于OPLS‑SPA‑MIX‑PLS的木材弹性模量预测方法，利用正交偏最小二乘法对获取的近红外光谱数据进行预处理，实现散射光、基线漂移和高频噪声等干扰因素的去除；接着，运用连续投影算法SPA提取有效的波长信息；最后，运用MIX‑PLS多专家模型寻找不同树种下的板材试件近红外光谱与板材弹性模量之间的关联，并利用归一化指数函数进行叠加，实现木材弹性模量光谱预测模型的构建，能够有效提高泛化能力。

主权项：1.一种基于OPLS-SPA-MIX-PLS的木材弹性模量预测方法，其特征在于，包括：利用正交偏最小二乘法对获取的近红外光谱数据进行预处理；利用连续投影算法对预处理后得到的光谱矩阵进行特征提取；利用多专家模型对特征提取后的所述光谱矩阵进行非线性建模，并利用归一化指数函数进行叠加；利用正交偏最小二乘法对获取的近红外光谱数据进行预处理，包括：在利用正交偏最小二乘法OPLS进行预处理过程中，设X与y分别为光谱矩阵与木材弹性模量，X与y分别表示为： y＝UC+f其中，E与f是残差矩阵，U是y的数据得分矩阵，C是y的预测成分权重矩阵，T为预测分数矩阵，To为正交分数矩阵；进行OPLS处理时：首先将获取的近红外光谱数据中的原始光谱矩阵X减去正交成分得分矩阵与正交成分载荷矩阵的乘积得到删除矩阵为正交成分得分矩阵To与正交成分载荷矩阵的乘积；然后，对删除矩阵Xp与弹性模量y进行偏最小二乘分析得Xp＝TWT+E，其中预测成分得分矩阵T与预测成分载荷矩阵WT的乘积TWT为最终输出Xopls；OPLS算法根据弹性模量y校正原始近红外光谱矩阵X，将原始光谱矩阵X中与弹性模量y无关的正交部分去除并输出Xopls，实现散射光、基线漂移和高频噪声干扰因素的去除；利用连续投影算法对预处理后得到的光谱矩阵进行特征提取，包括：对预处理后光谱矩阵Xopls，进行连续投影算法处理时：首先计算投影最大的i,j，其中，xi与xj为预处理后光谱矩阵Xopls的两个子波段；然后，将此时的i记入待选波长字典中，设接着，计算令投影最大的i，并将i记入待选波长字典中；当字典中波长个数达到预定值时，终止程序运行；利用多专家模型对特征提取后的所述光谱矩阵进行非线性建模，并利用归一化指数函数进行叠加，包括：MIX-PLS模型源于多专家模型，通过各个PLS模型输出值的概率分布叠加近似得到真实的概率分布；其中，子系统是简单的PLS模型，fxi|θ是PLS子模型输出向量的概率分布，子系统的个数为p，门函数选用softmax函数；设为MIX-PLS模型参数空间的参数向量，参数空间每个维度都代表着MIX-PLS模型的一种参数，Z、y、X分别为p个PLS子系统输出的光谱矩阵的占比，则MIX-PLS的后验概率分布由贝叶斯公式计算而得，与分别如下公式表示： 其中，为全概率公式，已知向量Z控制着子系统输出占比，在子系统确定为第p个PLS子系统的情况下，模型最终输出结果为pyi|zpi,xi,ε；pyi|zpi,xi,ε为一定条件下PLS输出的概率分布，ε为所有PLS子系统参数的集合，即ε＝{θ1,w1...θp,wp}；pzpi＝1|xi,V为门函数的输出概率分布，两者的逐项乘积即为的解；pyi|zpi,xi,ε服从高斯分布Nyi|fpxi,θp,wp，yi与xi为第i组力学性能特征与光谱样本，θp与wp为mix-pls算法的参数矩阵，θp与wp的解析解如下：θp＝XTΓpXXTΓpy 其中，Γp＝diagγp1,γp2,...,γpk为对角矩阵，对角矩阵中第i个元素γpi为MIX-PLS的隐变量zpi在上的期望；pzpi＝1|xi,Vold为门函数的输出概率分布，门函数控制各个子系统的开闭，权衡各个子系统输出并决定最终输出；子系统p的个数为MIX-PLS模型参数，该概率分布服从softmax回归，Vold为softmax回归的权值，vl与vp为权值矩阵Vold中的向量，分布表达式为：

全文数据：

权利要求：

百度查询： 江苏东晟辉科技开发有限公司 基于OPLS-SPA-MIX-PLS的木材弹性模量预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD