專利名稱：：一種有機肥產(chǎn)品近紅外模型轉(zhuǎn)移方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種模型轉(zhuǎn)移方法，特別是關(guān)于一種有機肥產(chǎn)品近紅外模型轉(zhuǎn)移方法。
背景技術(shù)：
：近年來，近紅外光譜分析技術(shù)以其高效、無損、無污染和可同時進行多組分或性質(zhì)的測定分析等優(yōu)點在各個行業(yè)得到了廣泛應用，其在有機肥技術(shù)指標的測定分析中的應用研究，始于20世紀90年代，且顯現(xiàn)了良好的應用效果。但是，近紅外光譜分析技術(shù)是一種間接的分析方法，在建立校正模型時，往往需要測定分析大量樣品的化學值或基礎(chǔ)性質(zhì)數(shù)據(jù)作為建立校正模型的基礎(chǔ)，這個過程不僅費時費力，且投入較大，所以對所建立的模型在動態(tài)適應性方面提出了較高的要求。其不僅要求模型的預測范圍廣，而且要求在一臺儀器上建立的模型能夠在其它儀器上應用，即要求進行近紅外光譜分析模型的轉(zhuǎn)移。這樣可實現(xiàn)資源的共享和模型的有效利用，大大減少因重復建模所造成的人力、物力和財力的浪費。但是，目前對有機肥近紅外光譜分析模型的轉(zhuǎn)移還沒有一種有效的方法。
發(fā)明內(nèi)容針對上述問題，本發(fā)明的目的是提供一種可有效、精確地對近紅外模型進行轉(zhuǎn)移，進而可實現(xiàn)資源共享和模型有效利用的有機肥產(chǎn)品近紅外模型轉(zhuǎn)移方法。為實現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案一種有機肥產(chǎn)品近紅外模型轉(zhuǎn)移方法，其包括以下步驟1)選擇并設(shè)定兩個近紅外光譜儀作為對有機肥樣品進行光譜分析的主儀器和從儀器，以從儀器獲得的有機肥樣品光譜數(shù)據(jù)格式為標準，將主儀器獲得的有機肥樣品光譜數(shù)據(jù)格式向從儀器獲得的有機肥樣品光譜數(shù)據(jù)格式進行匹配，使其光譜陣橫坐標一致；2)用光譜數(shù)據(jù)匹配前和匹配后主儀器測得的光譜陣與有機肥樣品的化學真值濃度陣，建立基于偏最小二乘法的留一法全交互驗證近紅外模型，并對這兩個近紅外模型的預測效果進行比較，驗證光譜數(shù)據(jù)匹配前、后，主儀器測得的近紅外光譜陣間的差異；3)對有機肥樣品異常樣品進行剔除，對校正集樣品和驗證集樣品進行分集，并對光譜數(shù)據(jù)進行預處理，利用校正集樣品，采用偏最小二乘法作為回歸方法，建立光譜數(shù)據(jù)匹配后主儀器近紅外校正模型，并利用該近紅外校正模型對主儀器驗證集和從儀器驗證集的預測效果進行比較；4)在校正集樣品中選出若干個樣品，分別在主儀器和從儀器上掃描其光譜，得到主儀器標準化樣品集光譜陣和從儀器標準化樣品集光譜陣，以用于計算近紅外模型的轉(zhuǎn)移參數(shù)；5)采用步驟3)所建近紅外校正模型分別對主儀器和從儀器在步驟4)中選用的標準化樣品集進行光譜掃描，并計算出對應的標準化樣品集預測值濃度陣，對其進行最小二乘擬合，得到主儀器上預測的標準化樣品集濃度陣Cmp與從儀器上預測的標準化樣品集濃度陣Csp的最小二乘擬合關(guān)系式Cmp=bias+slope*Csp(1)采用最小二乘法求出bias和slope；其中，slope為最小二乘法擬合得到的斜率值，bias為最小二乘法擬合得到的截距值；6)利用步驟3)所建近紅外校正模型獲得從儀器驗證集樣品濃度陣，并利用步驟5)所得到的最小二乘擬合關(guān)系式(1)中求出的斜率值和截距值進行校正，得到最終主儀器近紅外校正模型預測從儀器驗證集樣品濃度陣；7)對近紅外校正模型轉(zhuǎn)移后的預測效果進行評價分析。所述步驟2)中，根據(jù)校正決定系數(shù)衫、交互驗證決定系數(shù)i〗v、校正均方差RMSEC、交互驗證均方差RMSECV和系統(tǒng)偏差bias這四個指標評價光譜數(shù)據(jù)匹配前、后主儀器所建模型的預測效果，并驗證光譜數(shù)據(jù)匹配前、后主儀器測得的近紅外光譜陣間的差異；其中，校正決定系數(shù)、交互驗證決定系數(shù)《v，表示光譜數(shù)據(jù)匹配前、后，主儀器近紅外預測值濃度陣與化學真值濃度陣之間的擬合程度<formula>formulaseeoriginaldocumentpage6</formula>式中，η。為校正集樣品數(shù)，η為全部樣品數(shù)，yi(i=1,2,.....η)為第i個樣品的化學真值，Zi為第i個樣品的近紅外預測值，Ji為全部樣品化學真值的平均值；校正均方差RMSEC、交互驗證均方差RMSECV，表示光譜數(shù)據(jù)匹配前、后，主儀器近紅外預測值與化學真值之間的偏差<formula>formulaseeoriginaldocumentpage6</formula>系統(tǒng)偏差bias，表示全部樣品化學真值平均值與近紅外預測值平均值的差bias=y-y(6)式中，多為近紅外預測值的平均值；評定原則是和趕v越接近1，并且RMSEC、RMSECV和bias越小，模型的預測精度越高；若光譜數(shù)據(jù)匹配前后主儀器所建模型的評價參數(shù)砣、R、、RMSEC、RMSECV和bias，前后參數(shù)差異不顯著，則可以利用主儀器數(shù)據(jù)匹配后的近紅外光譜陣與從儀器近紅外光譜陣進行模型轉(zhuǎn)移。所述步驟3)中，根據(jù)驗證集決定系數(shù)、均方差RMSEP和系統(tǒng)偏差bias評價近紅外校正模型對主儀器驗證集和從儀器驗證集的預測效果；其中驗證集決定系數(shù)及〗，表示驗證集預測值與化學真值關(guān)系的擬合程度<formula>formulaseeoriginaldocumentpage7</formula>驗證均方差RMSEP，表示驗證集預測值與化學真值之間的偏差RMSEP=J-Vfc-Z,)2(8)式中，％為驗證集樣品數(shù)；評定原則是圮越接近1，并且RMSEP和bias越小，模型的預測精度越高。所述步驟4)中，標準化樣品集的選用原則為以下所列方法中的一種①根據(jù)校正集樣品濃度大小進行梯度排列，等間隔選取樣品作為標準化樣品集；②根據(jù)校正集樣品光譜間的馬氏距離大小，等間隔選取樣品作為標準化樣品集；③由校正集樣品隨機抽取一定數(shù)量的樣品作為標準化樣品集。所述步驟7)中，采用驗證均方差RMSEP和系統(tǒng)偏差bias兩個指標，綜合比較模型轉(zhuǎn)移后，主儀器近紅外校正模型對從儀器驗證集預測結(jié)果和從儀器近紅外校正模型對自身驗證集預測結(jié)果的接近程度。本發(fā)明由于采取以上技術(shù)方案，其具有以下優(yōu)點1、本發(fā)明在將主儀器和從儀器獲得的有機肥樣品的光譜陣進行數(shù)據(jù)格式匹配后，首先對主儀器光譜數(shù)據(jù)匹配前和匹配后所建立的近紅外校正模型預測效果進行比較，因此，可以先粗略判斷主儀器近紅外光譜分析模型是否可進行模型轉(zhuǎn)移。2、本發(fā)明在建立光譜數(shù)據(jù)匹配后主儀器近紅外校正模型前，對有機肥樣品異常樣品進行剔除，對校正集樣品和驗證集樣品進行分集，并優(yōu)選光譜數(shù)據(jù)預處理方法，利用校正集樣品，采用偏最小二乘法作為回歸方法，建立光譜數(shù)據(jù)匹配后主儀器近紅外校正模型，通過校正模型對主儀器和從儀器驗證集預測效果進行比較，因此，可精確獲取主儀器數(shù)據(jù)匹配前后近紅外模型轉(zhuǎn)移前對主從儀器預測效果差異。3、本發(fā)明將主儀器上預測的標準化樣品集濃度陣和從儀器上預測的標準化樣品集濃度陣進行最小二乘擬合，通過求解斜率和截距值，可對近紅外校正模型進行轉(zhuǎn)移，該方法簡便易行，并可確保模型轉(zhuǎn)移后的預測精度。4、本發(fā)明提供的將近紅外校正模型進行轉(zhuǎn)移的方法，可使所建立的有機肥重要技術(shù)指標近紅外校正模型在其它儀器上應用，實現(xiàn)模型的有效利用和資源共享；并且利于所建近紅外校正模型的擴容和升級維護，提高模型的精度和適用能力。本發(fā)明構(gòu)思巧妙，操作方便，通過對基于不同近紅外光譜儀所建立的有機肥產(chǎn)品近紅外校正模型的穩(wěn)定轉(zhuǎn)移，大大減少了因不同儀器重復建模所造成的人力、物力和財力的浪費，因此，可廣泛應用于有機固體廢棄物經(jīng)高溫好氧發(fā)酵所得有機肥產(chǎn)品近紅外模型間的傳遞，提高模型的適用能力，節(jié)本增效，實現(xiàn)資源共享。圖1是本發(fā)明實施例的有機肥樣品的近紅外光譜2是本發(fā)明實施例中主儀器光譜數(shù)據(jù)匹配前近紅外模型預測散點3是本發(fā)明實施例中主儀器光譜數(shù)據(jù)匹配后近紅外模型預測散點4是本發(fā)明實施例中基于主儀器近紅外校正模型的主儀器和從儀器標準化樣品集濃度陣最小二乘擬合5是本發(fā)明實施例中模型轉(zhuǎn)移后主儀器對從儀器的驗證散點6是本發(fā)明實施例中從儀器模型驗證散點圖具體實施例方式下面結(jié)合附圖和實施例對本發(fā)明進行詳細的描述。本發(fā)明包括以下步驟1)選擇并設(shè)定兩個近紅外光譜儀作為對有機肥樣品進行光譜分析的主儀器和從儀器，將主儀器和從儀器獲得的有機肥樣品的光譜陣進行數(shù)據(jù)格式匹配。由于不同近紅外光譜儀其分辨率等參數(shù)設(shè)置不同，所以獲取的光譜數(shù)據(jù)間格式不匹配，本實施例在進行光譜數(shù)據(jù)匹配時，以從儀器光譜數(shù)據(jù)格式為標準，將主儀器光譜數(shù)據(jù)格式向從儀器光譜數(shù)據(jù)格式進行匹配，使其光譜陣橫坐標一致。如主儀器光譜數(shù)據(jù)波長范圍為40029998CHT1，數(shù)據(jù)點間隔為4cm—1；從儀器光譜數(shù)據(jù)波長范圍為4000lOOOOcnT1，數(shù)據(jù)點間隔為2CHT1；主儀器光譜數(shù)據(jù)插值后波長范圍應為4000lOOOOcnT1，數(shù)據(jù)點間隔為2cm—1。光譜數(shù)據(jù)匹配使用Matlab(軟件名稱)7.0中三次樣條插值方法實現(xiàn)。2)對主儀器光譜數(shù)據(jù)匹配前和匹配后所建立的近紅外校正模型預測效果進行比較。采用標準方法測得有機肥樣品各項指標的化學真值濃度陣；用光譜數(shù)據(jù)匹配前主儀器測得的光譜陣和有機肥樣品的化學真值濃度陣建立基于偏最小二乘法的留一法全交互驗證近紅外模型；用光譜數(shù)據(jù)匹配后主儀器測得的光譜陣和有機肥樣品的化學真值濃度陣建立基于偏最小二乘法的留一法全交互驗證近紅外模型。上述建模時，不對主儀器數(shù)據(jù)匹配前后測得的光譜陣做任何預處理。根據(jù)校正決定系數(shù)^、交互驗證決定系數(shù)、校正均方差RMSEC、交互驗證均方差RMSECV和系統(tǒng)偏差bias等指標評價光譜數(shù)據(jù)匹配前、后主儀器所建模型，并驗證光譜數(shù)據(jù)匹配前、后主儀器測得的近紅外光譜陣間的差異。留一法全交互驗證近紅外模型評價指標如下①校正決定系數(shù)祐、交互驗證決定系數(shù)i^v，表示光譜數(shù)據(jù)匹配前、后，主儀器近紅外預測值濃度陣與化學真值濃度陣之間的擬合程度<formula>formulaseeoriginaldocumentpage8</formula>其中，η。為校正集樣品數(shù)，η為全部樣品數(shù)，yi(i=1,2,.....η)為第i個樣品的化學真值，Zi為第i個樣品的近紅外預測值j為全部樣品化學真值的平均值。②校正均方差RMSEC、交互驗證均方差RMSECV，表示光譜數(shù)據(jù)匹配前、后，主儀器近紅外預測值與化學真值之間的偏差<formula>formulaseeoriginaldocumentpage9</formula>③系統(tǒng)偏差bias，表示全部樣品化學真值平均值與近紅外預測值平均值的差bias=y-}(5)其中，歹為近紅外預測值的平均值。評定原則是衫和越接近1，并且RMSEC、RMSECV和bias越小，模型的預測精度越高。若光譜數(shù)據(jù)匹配前后主儀器所建模型的評價參數(shù)砣、《vRMSEC,RMSECV和bias，前后參數(shù)差異不顯著，則可以利用主儀器數(shù)據(jù)匹配后的近紅外光譜陣與從儀器近紅外光譜陣進行模型轉(zhuǎn)移。3)光譜數(shù)據(jù)匹配后，主儀器近紅外校正模型的建立及其對主儀器和從儀器驗證集預測效果的比較。建立光譜數(shù)據(jù)匹配后主儀器近紅外校正模型前，對有機肥樣品異常樣品進行剔除，對校正集樣品和驗證集樣品進行分集，并優(yōu)選光譜數(shù)據(jù)預處理方法，利用校正集樣品，采用偏最小二乘法作為回歸方法，建立光譜數(shù)據(jù)匹配后主儀器近紅外校正模型。近紅外校正模型建立后對驗證集樣品進行測定，并評價所建模型。預測效果的評價指標為驗證集決定系數(shù)及〗、均方差RMSEP和系統(tǒng)偏差bias。其中①驗證集決定系數(shù)，表示驗證集預測值與化學真值關(guān)系的擬合程度<formula>formulaseeoriginaldocumentpage9</formula>②驗證均方差RMSEP，表示驗證集預測值與化學真值之間的偏差<formula>formulaseeoriginaldocumentpage9</formula>其中，ην為驗證集樣品數(shù)。評定原則是/〗越接近1，并且RMSEP和bias越小，模型的預測精度越高。4)模型轉(zhuǎn)移用標準化樣品集的選用。標準化樣品集用于計算近紅外模型的轉(zhuǎn)移參數(shù)，它是由校正集樣品中選出的3050個樣品，需分別在主儀器和從儀器上掃描其光譜，得到主儀器標準化樣品集光譜陣和從儀器標準化樣品集光譜陣。標準化樣品集的選用原則可為以下所列方法中的一種①根據(jù)校正集樣品濃度大小進行梯度排列，等間隔選取樣品作為標準化樣品集；②根據(jù)校正集樣品光譜間的馬氏距離大小，等間隔選取樣品作為標準化樣品集；③由校正集樣品隨機抽取一定數(shù)量的樣品作為標準化樣品集。5)光譜數(shù)據(jù)匹配后，用主儀器所建近紅外校正模型對主儀器和從儀器在步驟4)中選用的標準化樣品集，分別計算對應的標準化樣品集預測值濃度陣，對其進行最小二乘擬合，求解斜率和截距值，獲得兩者間函數(shù)關(guān)系Cmp=bias+slope*Csp(8)用最小二乘法求出bias和slope。其中，Cmp代表主儀器上預測的標準化樣品集濃度陣，Csp代表從儀器上預測的標準化樣品集濃度陣。slope為最小二乘法擬合得到的斜率值，bias為最小二乘法擬合得到的截距值。6)利用主儀器近紅外校正模型獲得從儀器驗證集樣品濃度陣，利用求得的斜率和截距值進行校正，計為最終主儀器近紅外校正模型預測從儀器驗證集樣品濃度陣。7)近紅外校正模型轉(zhuǎn)移效果的評價。模型轉(zhuǎn)移效果評價采用驗證均方差RMSEP和系統(tǒng)偏差bias兩個指標，綜合比較模型轉(zhuǎn)移后，主儀器近紅外校正模型對從儀器驗證集預測結(jié)果和從儀器近紅外校正模型對自身驗證集預測結(jié)果的接近程度。下面列舉一具體實施例。將本發(fā)明應用在畜禽糞便堆肥產(chǎn)品有機質(zhì)含量近紅外校正模型的轉(zhuǎn)移。(1)模型轉(zhuǎn)移用樣品、主儀器和從儀器及其近紅外光譜。模型轉(zhuǎn)移用樣品為畜禽糞便堆肥產(chǎn)品樣品120份，主要來自我國黑龍江、北京、山東、廣東、寧夏、新疆等22省(市)。堆肥產(chǎn)品呈粒狀或粉末狀，粒徑均小于1cm，原料種類主要有雞糞、牛糞、豬糞等，所涉及填充料以農(nóng)作物秸稈為主。以Nicolet公司的ANTARIS傅里葉變換型近紅外光譜儀作為主儀器，采集光譜時儀器工作參數(shù)為漫反射光譜范圍為100004000cm-1，單樣品掃描次數(shù)為32次，每條光譜含1557個數(shù)據(jù)點。以美國PerkinElmer公司生產(chǎn)的SPECTRUMONENTS傅里葉變換近紅外光譜儀(漫反射積分球附件，InGaAs檢測器)作為從儀器，光譜范圍為100004000CHT1，單樣品掃描次數(shù)為32次，每條光譜含3001個數(shù)據(jù)點。如圖1所示，為畜禽糞便堆肥產(chǎn)品代表性樣品的近紅外光譜圖。(2)畜禽糞便堆肥樣品化學真值的測定。樣品有機質(zhì)(OM)含量的測定采用馬弗爐燃燒法(540°C)燒至恒重，具體參見TMECC03.02A(此為標準方法，在此不贅述)。(3)光譜數(shù)據(jù)匹配前、后，主儀器近紅外建模效果比較。表1所示為120個樣品主儀器光譜數(shù)據(jù)匹配前、后的建模結(jié)果，由表1可知，所用主儀器在匹配前和匹配后的交互驗證建模效果差異不顯著，可進行模型轉(zhuǎn)移，如圖2、圖3所示，為主儀器在光譜數(shù)據(jù)匹配前、后交互驗證散點圖。表1<table>tableseeoriginaldocumentpage11</column></row><table>(4)模型轉(zhuǎn)移前主儀器近紅外校正模型預測主、從儀器驗證集結(jié)果比較表2所示為數(shù)據(jù)匹配前、后，主儀器建立的近紅外校正模型分別預測主儀器和從儀器驗證集的結(jié)果。直接用Nicolet上建立的模型預測PE儀器上的驗證集，其RMSEP、bias值與表中所列前三種預測結(jié)果相比差異較大，預測效果較差，且bias至偏大導致模型不穩(wěn)定，波動性較大，因此，需進行模型轉(zhuǎn)移。表2<table>tableseeoriginaldocumentpage11</column></row><table>(5)最小二乘擬合求斜率/截距根據(jù)光譜數(shù)據(jù)匹配后Nicolet模型對本儀器驗證集的預測值和Nicolet模型對PE儀器驗證集的預測值用最小二乘法擬合得出slope和Bias值，如圖4所示。(6)近紅外校正模型轉(zhuǎn)移效果評價利用MATLAB7.O軟件，模型轉(zhuǎn)移后主儀器模型對從儀器驗證集進行預測后，對、RMSEP和bias值進行統(tǒng)計分析，結(jié)果如表3所示，模型轉(zhuǎn)移獲得了較好的效果，與從儀器校正模型對其自身驗證集進行預測的RMSEP值相當，但bias值有較大幅度減小。模型轉(zhuǎn)移后，主儀器近紅外校正模型對從儀器驗證集預測值散點圖和從儀器近紅外校正模型對其自身驗證集預測值散點圖，如圖5、圖6所示。表3<table>tableseeoriginaldocumentpage11</column></row><table>上述各實施例僅用于說明本發(fā)明，凡是在本發(fā)明技術(shù)方案的基礎(chǔ)上進行的等同變換和改進，均不應排除在本發(fā)明的保護范圍之外.權(quán)利要求一種有機肥產(chǎn)品近紅外模型轉(zhuǎn)移方法，其包括以下步驟1)選擇并設(shè)定兩個近紅外光譜儀作為對有機肥樣品進行光譜分析的主儀器和從儀器，以從儀器獲得的有機肥樣品光譜數(shù)據(jù)格式為標準，將主儀器獲得的有機肥樣品光譜數(shù)據(jù)格式向從儀器獲得的有機肥樣品光譜數(shù)據(jù)格式進行匹配，使其光譜陣橫坐標一致；2)用光譜數(shù)據(jù)匹配前和匹配后主儀器測得的光譜陣與有機肥樣品的化學真值濃度陣，建立基于偏最小二乘法的留一法全交互驗證近紅外模型，并對這兩個近紅外模型的預測效果進行比較，驗證光譜數(shù)據(jù)匹配前、后，主儀器測得的近紅外光譜陣間的差異；3)對有機肥樣品異常樣品進行剔除，對校正集樣品和驗證集樣品進行分集，并對光譜數(shù)據(jù)進行預處理，利用校正集樣品，采用偏最小二乘法作為回歸方法，建立光譜數(shù)據(jù)匹配后主儀器近紅外校正模型，并利用該近紅外校正模型對主儀器驗證集和從儀器驗證集的預測效果進行比較；4)在校正集樣品中選出若干個樣品，分別在主儀器和從儀器上掃描其光譜，得到主儀器標準化樣品集光譜陣和從儀器標準化樣品集光譜陣，以用于計算近紅外模型的轉(zhuǎn)移參數(shù)；5)采用步驟3)所建近紅外校正模型分別對主儀器和從儀器在步驟4)中選用的標準化樣品集進行光譜掃描，并計算出對應的標準化樣品集預測值濃度陣，對其進行最小二乘擬合，得到主儀器上預測的標準化樣品集濃度陣Cmp與從儀器上預測的標準化樣品集濃度陣Csp的最小二乘擬合關(guān)系式Cmp＝bias+slope*Csp(1)采用最小二乘法求出bias和slope；其中，slope為最小二乘法擬合得到的斜率值，bias為最小二乘法擬合得到的截距值；6)利用步驟3)所建近紅外校正模型獲得從儀器驗證集樣品濃度陣，并利用步驟5)所得到的最小二乘擬合關(guān)系式(1)中求出的斜率值和截距值進行校正，得到最終主儀器近紅外校正模型預測從儀器驗證集樣品濃度陣；7)對近紅外校正模型轉(zhuǎn)移后的預測效果進行評價分析。2.如權(quán)利要求1所述的一種有機肥產(chǎn)品近紅外模型轉(zhuǎn)移方法，其特征在于所述步驟2)中，根據(jù)校正決定系數(shù)衫、交互驗證決定系數(shù)趁v、校正均方差RMSEC、交互驗證均方差RMSECV和系統(tǒng)偏差bias這四個指標評價光譜數(shù)據(jù)匹配前、后主儀器所建模型的預測效果，并驗證光譜數(shù)據(jù)匹配前、后主儀器測得的近紅外光譜陣間的差異；其中，校正決定系數(shù)衫、交互驗證決定系數(shù)，表示光譜數(shù)據(jù)匹配前、后，主儀器近紅外預測值濃度陣與化學真值濃度陣之間的擬合程度<formula>formulaseeoriginaldocumentpage2</formula><formula>formulaseeoriginaldocumentpage3</formula>式中，n。為校正集樣品數(shù)，n為全部樣品數(shù)，yi(i=1，2，......n)為第i個樣品的化學真值，z,為第i個樣品的近紅外預測值，歹為全部樣品化學真值的平均值；校正均方差RMSEC、交互驗證均方差RMSECV，表示光譜數(shù)據(jù)匹配前、后，主儀器近紅外預測值與化學真值之間的偏差<formula>formulaseeoriginaldocumentpage3</formula>系統(tǒng)偏差bias，表示全部樣品化學真值平均值與近紅外預測值平均值的差<formula>formulaseeoriginaldocumentpage3</formula>(6)式中，歹為近紅外預測值的平均值；評定原則是趁和越接近1，并且RMSEC、RMSECV和bias越小，模型的預測精度越高；若光譜數(shù)據(jù)匹配前后主儀器所建模型的評價參數(shù)&、祐v、RMSEC.RMSECV和bias，前后參數(shù)差異不顯著，則可以利用主儀器數(shù)據(jù)匹配后的近紅外光譜陣與從儀器近紅外光譜陣進行模型轉(zhuǎn)移。3.如權(quán)利要求1所述的一種有機肥產(chǎn)品近紅外模型轉(zhuǎn)移方法，其特征在于所述步驟3)中，根據(jù)驗證集決定系數(shù)、均方差RMSEP和系統(tǒng)偏差bias評價近紅外校正模型對主儀器驗證集和從儀器驗證集的預測效果；其中驗證集決定系數(shù)及$，表示驗證集預測值與化學真值關(guān)系的擬合程度<formula>formulaseeoriginaldocumentpage3</formula>驗證均方差RMSEP，表示驗證集預測值與化學真值之間的偏差<formula>formulaseeoriginaldocumentpage3</formula>式中，nv為驗證集樣品數(shù)；評定原則是及$越接近1，并且RMSEP和bias越小，模型的預測精度越高。4.如權(quán)利要求2所述的一種有機肥產(chǎn)品近紅外模型轉(zhuǎn)移方法，其特征在于所述步驟3)中，根據(jù)驗證集決定系數(shù)及〗、均方差RMSEP和系統(tǒng)偏差bias評價近紅外校正模型對主儀器驗證集和從儀器驗證集的預測效果；其中驗證集決定系數(shù)及〗，表示驗證集預測值與化學真值關(guān)系的擬合程度<formula>formulaseeoriginaldocumentpage4</formula>驗證均方差RMSEP，表示驗證集預測值與化學真值之間的偏差<formula>formulaseeoriginaldocumentpage4</formula>式中，nv為驗證集樣品數(shù)；評定原則是滅$越接近1，并且RMSEP和bias越小，模型的預測精度越高。5.如權(quán)利要求1或2或3或4所述的一種有機肥產(chǎn)品近紅外模型轉(zhuǎn)移方法，其特征在于所述步驟4)中，標準化樣品集的選用原則為以下所列方法中的一種①根據(jù)校正集樣品濃度大小進行梯度排列，等間隔選取樣品作為標準化樣品集；②根據(jù)校正集樣品光譜間的馬氏距離大小，等間隔選取樣品作為標準化樣品集；③由校正集樣品隨機抽取一定數(shù)量的樣品作為標準化樣品集。6.如權(quán)利要求1或2或3或4所述的一種有機肥產(chǎn)品近紅外模型轉(zhuǎn)移方法，其特征在于所述步驟7)中，采用驗證均方差RMSEP和系統(tǒng)偏差bias兩個指標，綜合比較模型轉(zhuǎn)移后，主儀器近紅外校正模型對從儀器驗證集預測結(jié)果和從儀器近紅外校正模型對自身驗證集預測結(jié)果的接近程度。7.如權(quán)利要求5所述的一種有機肥產(chǎn)品近紅外模型轉(zhuǎn)移方法，其特征在于所述步驟7)中，采用驗證均方差RMSEP和系統(tǒng)偏差bias兩個指標，綜合比較模型轉(zhuǎn)移后，主儀器近紅外校正模型對從儀器驗證集預測結(jié)果和從儀器近紅外校正模型對自身驗證集預測結(jié)果的接近程度。全文摘要本發(fā)明涉及一種有機肥產(chǎn)品近紅外模型轉(zhuǎn)移方法，其特征在于1)選擇并設(shè)定主儀器和從儀器，進行兩儀器間光譜數(shù)據(jù)匹配；2)用光譜數(shù)據(jù)匹配前、后主儀器光譜陣與樣品化學真值濃度陣建立基于偏最小二乘法的留一法全交互驗證近紅外模型，并進行預測效果差異比較；3)在校正集樣品中選出若干代表性樣品組成標準化樣品集；4)利用主儀器所建近紅外校正模型分別計算主儀器和從儀器標準化樣品集預測值濃度陣，并進行最小二乘擬合；5)利用主儀器近紅外校正模型計算從儀器驗證集樣品濃度陣，并利用最小二乘擬合關(guān)系式進行校正，得到模型轉(zhuǎn)移后從儀器驗證集樣品濃度陣；6)對主儀器近紅外校正模型轉(zhuǎn)移后的預測效果進行評價分析。文檔編號G06F17/50GK101832922SQ20101018341公開日2010年9月15日申請日期2010年5月19日優(yōu)先權(quán)日2010年5月19日發(fā)明者劉賢,王曉燕,韓魯佳,黃光群申請人:中國農(nóng)業(yè)大學