详情

原文传递一种基于分区建模的锌液痕量金属离子浓度预测方法

专利名称：	一种基于分区建模的锌液痕量金属离子浓度预测方法
摘要：	本发明公开了一种基于分区建模的锌液痕量金属离子浓度预测方法，包括：获取混合溶液样本的光谱信号图，再基于混合溶液样本的光谱信号计算出每个波长变量的相关系数‑稳定性值；基于波长变量的相关系数‑稳定性值获取最佳波长变量；进行模型训练得到混合溶液的浓度区间分类模型；分别进行模型训练得到高浓度区间的浓度预测模型、低浓度区间的浓度预测模型；基于所述浓度区间分类模型得到待测混合溶液所属的浓度区间，再基于对应高浓度区间的浓度预测模型或低浓度区间的浓度预测模型得到待测痕量金属离子的预测浓度。所述方法可以提高预测模型的精度，得到更加可靠的预测结果。
专利类型：	发明专利
国家地区组织代码：	湖南;43
申请人：	中南大学
发明人：	朱红求;吴书君;李勇刚;阳春华;程菲
专利状态：	有效
申请号：	CN201811124589.0
公开号：	CN109187392A
代理机构：	长沙市融智专利事务所 43114
代理人：	龚燕妮
分类号：	G01N21/31(2006.01)I;G;G01;G01N;G01N21
申请人地址：	410083 湖南省长沙市岳麓区麓山南路932号
主权项：	1.一种基于分区建模的锌液痕量金属离子浓度预测方法，其特征在于：包括如下步骤：S1：获取混合溶液样本的光谱信号图，再基于混合溶液样本的光谱信号计算出每个波长变量的相关系数‑稳定性值；所述光谱信号图为光谱信号‑波长参数的关系图，所述波长变量为按照预设规则选取的波长参数点；S2：基于波长变量的相关系数‑稳定性值获取最佳波长变量；S3：进行模型训练得到混合溶液的浓度区间分类模型；其中，依据痕量金属离子的浓度大小将混合溶液样本划分为低浓度区间的混合溶液样本以及高浓度区间的混合溶液样本，并将每个混合溶液样本的光谱信号中最佳波长变量对应的光谱信号以及混合溶液样本所属的浓度区间分类标签输入模型训练得到浓度区间分类模型；所述浓度区间分类模型输入数据为：混合溶液的光谱信号中最佳波长变量对应的光谱信号，输出数据为：混合溶液所属的浓度区间分类标签；S4：分别进行模型训练得到高浓度区间的浓度预测模型、低浓度区间的浓度预测模型；a：将属于高浓度区间的混合溶液样本的光谱信号中最佳波长变量对应的光谱信号、对应混合溶液样本中待测痕量金属离子的浓度输入模型训练得到高浓度区间的浓度预测模型；b：将属于低浓度区间的混合溶液样本的光谱信号中最佳波长变量对应的光谱信号、对应混合溶液样本中待测痕量金属离子的浓度输入模型训练得到低浓度区间的浓度预测模型；得到的所述高浓度区间的浓度预测模型和低浓度区间的浓度预测模型的输入数据均为：混合溶液的光谱信号中最佳波长变量对应的光谱信号；输出数据为：混合溶液的待测痕量金属离子的浓度；S5：基于步骤S3中的所述浓度区间分类模型得到待测混合溶液所属的浓度区间，再基于步骤S4中对应高浓度区间的浓度预测模型或低浓度区间的浓度预测模型得到待测痕量金属离子的预测浓度。
所属类别：	发明专利