一种近红外光谱定量分析的集成建模方法

本申请公开了一种近红外光谱定量分析的集成建模方法，首先对原始近红外光谱数据分别施以多种预处理手段，并通过偏最小二乘法剔除极端异常样本；随后，利用主成分分析（PCA）在“干净”数据上进行降维，将高维光谱信息压缩为若干主成分上的得分，将其作为回归自变量；以极限学习机（ELM）为基学习器，并结合蒙特卡洛抽样与随机搜索技术，分别在样本抽取、预处理算法、激活函数、隐藏层节点数及正则化系数等五个维度构建集成模型，以提高成员模型的多样性和整体预测性能。采用本申请的一种近红外光谱定量分析的集成建模方法，有效减少冗余信息与特征维数，显著降低模型训练时长与计算资源消耗，提升整体建模效率。