一种基于高斯过程回归机器学习模型的有机质非靶向全组分定量解析方法

本发明提供一种基于高斯过程回归机器学习模型的有机质非靶向全组分定量解析方法，属于高分辨质谱应用技术领域。所要解决的技术问题为传统定量方法依赖化合物标准曲线，难以实现复杂有机质的非靶向全组分高精度定量，且现有机器学习模型在小样本、多参数场景下泛化能力有限，难以准确预测有机质浓度函数（如仪器离子化效率IE）。本发明通过数据整合与预处理（收集SMILES、pH_aq、Solvent等数据，进行编码、转化、填充空白值处理），构建分子参数与对数LogIE的高斯过程回归模型，并优化模型参数（Kernel、alpha等），最终利用最优模型在无标准品条件下实现复杂样品中有机质非靶向全组分的高精度定量解析。