文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201510981003.2

申 请 日：20151223

发 明 人：梅青平 李太福 姚立忠 杨永龙 王先国 曹旭鹏 杨君玲

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区虎溪大学城

公 开 日：20190412

公 开 号：CN105550457B

代 理 人：王玉芝

代理机构：50223 重庆蕴博君晟知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明提供一种基于卡尔曼滤波BP神经网络近红外光谱动态演化模型校正方法及系统，其中的方法包括：利用K/S算法从标准样品中选择有代表性的建模样品；采用BPNN法对所述建模样品建立近红外光谱数据与浓度间的非线性关系，形成BPNN校正模型；定期对待测样品进行化验，获取所述待测样品的样品数据；利用所述BPNN校正模型对所述待测样品进行预测，获取所述待测样品的预测值；获取的所述待测样品的样品数据和所述待测样品的预测值通过采用KF算法修正所述BPNN校正模型的阈值和权值。利用本发明能够保证近红外光谱校正模型具有自适应性，降低重建模型成本，从而实现在线分析。

主 权 项：1.一种基于卡尔曼滤波BP神经网络近红外光谱动态演化模型校正方法，包括：利用K/S算法从标准样品中选择有代表性的建模样品；采用BPNN法对所述建模样品建立近红外光谱数据与浓度间的非线性关系，形成BPNN校正模型；定期对待测样品进行化验，获取所述待测样品的样品数据；同时，利用所述BPNN校正模型对所述待测样品进行预测，获取所述待测样品的预测值；获取所述待测样品的样品数据和所述待测样品的预测值，采用KF算法修正所述BPNN校正模型的阈值和权值；在采用BPNN法对所述建模样品建立近红外光谱数据与浓度间的非线性关系的过程中，(1)设A_n×m为n个建模样品在m个波长上的光谱矩阵，C_n×l为n个建模样品l种成分含量构成的浓度矩阵；A_n×m＝[a₁,a₂,…,a_n]^T(n＝1,2,…,N)为输入矢量； 其中，W_MI(n)为第n次迭代时输入层与隐层I之间的权值矢量；W_JP(n)为第n次迭代时隐层J与输出层之间的权值矢量；Y_k(n)＝[y_k1(n),y_k2(n),…,y_kP(n)](k＝1,2,…,N)为第n次迭代时网络的实际输出，其中，y_kP(n)表示第p种成分的预测浓度；C_n×l＝[c₁,c₂,…,c_n]^T(n＝1,2,…,N)为期望浓度；(2)初始化，赋给W_MI(0),W_JP(0)各一个较小的随机非零值；(3)随机输入样本a_n，n＝0；(4)对输入样本a_n，前向计算BP网络每层神经元的输入信号和输出信号；(5)由期望浓度c_n和实际输出Y_k(n)，计算误差E(n)，判断是否满足要求；若满足要求转至步骤(8)，若不满足要求转至步骤(6)；(6)

关 键 词：待测样品  校正模型  近红外光谱 建模样品  样品数据  预测  近红外光谱数据  非线性关系  卡尔曼滤波 标准样品  动态演化  模型成本  模型校正  算法修正  在线分析  自适应性 算法  化验 重建  保证  

IPC专利分类号：G06F17/50(20060101);G06N3/08(20060101);G01N21/359(20140101)