本發(fā)明涉及一種模型轉(zhuǎn)移方法，具體涉及分段直接矯正及斜率和截距修正的土壤養(yǎng)分模型轉(zhuǎn)移方法。

背景技術(shù)：

光譜中包含豐富的物質(zhì)信息，且光譜分析技術(shù)具有無損、快速等優(yōu)點(diǎn)，在農(nóng)業(yè)、食品、工業(yè)等領(lǐng)域已有廣泛的應(yīng)用。采用光譜數(shù)據(jù)以及相關(guān)化學(xué)值進(jìn)行建模，能夠快速實(shí)現(xiàn)對未知樣品化學(xué)值的預(yù)測，但這種光譜模型對未知樣品的預(yù)測具有一定的局限性，只能夠針對一定范圍內(nèi)的未知樣品進(jìn)行預(yù)測。不同溫度、不同儀器、不同測量條件、不同地區(qū)間樣品的光譜均會導(dǎo)致預(yù)測結(jié)果不準(zhǔn)確。為解決這一問題，一種方法是采集樣品光譜及化學(xué)值重新建立模型，該方法耗時(shí)耗力；另一種方法對原模型進(jìn)行模型轉(zhuǎn)移解決模型不適配等問題，簡單、快速的提高未知樣品的預(yù)測結(jié)果。

針對不同溫度、不同儀器、不同測量條件下的模型轉(zhuǎn)移主要采用直接校正法(ds)、分段直接校正(pds)、正交信號法(osc)、小波變換(wt)、專利算法(shenk's)等算法，在一定程度上能解決模型受儀器性能變化、分析時(shí)間、測量條件等方面的影響。針對不同地區(qū)間樣品的模型轉(zhuǎn)移主要為添加新樣本于原模型中，重新建立模型，這種方法不僅耗時(shí)，同時(shí)修訂后的模型預(yù)測效果會降低，不能夠?qū)崿F(xiàn)對不同地區(qū)間未知樣品的準(zhǔn)確預(yù)測。目前基于光譜技術(shù)針對不同地區(qū)間土壤養(yǎng)分進(jìn)行模型轉(zhuǎn)移尚沒有成熟的算法較好的預(yù)測結(jié)果，因此提供一種快速、準(zhǔn)確實(shí)現(xiàn)不同地區(qū)間土壤養(yǎng)分模型轉(zhuǎn)移方法是很有必要的。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明為解決不同地區(qū)間土壤養(yǎng)分模型轉(zhuǎn)移的問題，采用以下述技術(shù)方案予以實(shí)現(xiàn)：

分段直接矯正及斜率和截距修正的土壤養(yǎng)分模型轉(zhuǎn)移方法，步驟如下：

(1)采集某一地區(qū)土壤樣品，測得其光譜數(shù)據(jù)和養(yǎng)分化學(xué)值，并將該土壤樣品作為主樣品，用于主樣品模型的建立；

(2)采集其他地區(qū)土壤樣品，采用與主樣品同樣的光譜儀測得其光譜數(shù)據(jù)和養(yǎng)分化學(xué)值，將其作為從樣品，用于對主樣品模型的預(yù)測；

(3)采用kennard-stone算法劃分土壤主樣品的校正集和檢驗(yàn)集；以偏最小二乘法(pls)建立主樣品校正集模型，并對主樣品檢驗(yàn)集進(jìn)行預(yù)測，根據(jù)絕對系數(shù)r²和相對分析誤差rpd判斷主樣品模型效果；

(4)采用kennard-stone算法劃分土壤從樣品的標(biāo)準(zhǔn)集和未知集，其中標(biāo)準(zhǔn)集用于主樣品校正集模型轉(zhuǎn)移的標(biāo)準(zhǔn)樣品，未知集用于檢驗(yàn)?zāi)Ｐ娃D(zhuǎn)移后土壤樣品的預(yù)測結(jié)果；

(5)對主樣品建模集和檢驗(yàn)集及從樣品標(biāo)準(zhǔn)集和未知集進(jìn)行光譜預(yù)處理；

(6)分別采用多種算法對從樣品進(jìn)行模型轉(zhuǎn)移，代入原主樣品校正模型，得到土壤從樣品未知集的預(yù)測結(jié)果；

(7)對從樣品未知集化學(xué)值和預(yù)測值進(jìn)行評價(jià)分析，推薦出效果最好的模型轉(zhuǎn)移算法，將此算法用于該從樣品地區(qū)土壤的樣品預(yù)測，用校準(zhǔn)后的模型進(jìn)行大批量速測。

步驟(1)、(2)中，采用可見-近紅外光譜、近紅外光譜等光譜數(shù)據(jù)。

步驟(1)、(2)中，測量全氮、全磷、全鉀等土壤養(yǎng)分含量。

步驟(5)中，光譜預(yù)處理包括無預(yù)處理、譜區(qū)選擇、平滑求導(dǎo)、snv、msc、歸一化等。

步驟(6)中，多算法包括分段直接矯正結(jié)合線性插值(pds-li)、直接矯正結(jié)合線性插值(ds-li)、典型相關(guān)性分析結(jié)合線性插值(cca-li)、分段直接矯正結(jié)合斜率/截距修正法(pds-s/b)、直接矯正結(jié)合斜率/截距修正法(ds-s/b)、典型相關(guān)性分析結(jié)合斜率/截距修正法(cca-s/b)等算法。

步驟(6)中，典型相關(guān)性分析結(jié)合線性插值(cca-li)算法具體步驟為：

1)采用cca算法求出轉(zhuǎn)移矩陣f。采用kennard-stone算法從主樣品校正集x主中篩選出與從樣品標(biāo)準(zhǔn)集x標(biāo)樣品個(gè)數(shù)一樣的矩陣x主cca，根據(jù)x主cca和x標(biāo)計(jì)算矩陣c,由矩陣c計(jì)算特征值與特征向量，其相關(guān)公式如下：

將每一個(gè)非零特征值ρ所對應(yīng)的特征向量wm和ws分別歸為矩陣wm和ws，即為x主cca和x標(biāo)的典型相關(guān)系數(shù)wm和ws，對x主cca和x標(biāo)進(jìn)行cca分解，計(jì)算出x主cca和x標(biāo)的典型相關(guān)成分lm和ls，最終得到轉(zhuǎn)移矩陣f，公式如下：

lm＝x主cca×wm

ls＝x標(biāo)×ws

f＝ws×f1×f2

2)根據(jù)轉(zhuǎn)移矩陣f，分別對從樣品標(biāo)準(zhǔn)集x標(biāo)和未知集x未光譜進(jìn)行轉(zhuǎn)換，得到經(jīng)cca算法轉(zhuǎn)換后的標(biāo)準(zhǔn)集x標(biāo)f和未知集x未f相關(guān)公式如下：

x標(biāo)f＝x標(biāo)·f

x未f＝x未·f

3)建立預(yù)測值校正函數(shù)。用主模型分別對從樣品標(biāo)準(zhǔn)集和未知集轉(zhuǎn)化后的光譜矩陣進(jìn)行預(yù)測。分別計(jì)算標(biāo)準(zhǔn)集中每個(gè)樣品與未知集中的第i個(gè)樣品的共生距離d(i)，共生距離d(i)為轉(zhuǎn)化光譜的歐氏距離與化學(xué)預(yù)測值的絕對偏差之和，計(jì)算公式為：

d2(p,i)＝|y標(biāo)f(p)-y未f(i)|

其中，m為光譜波長點(diǎn)數(shù)，x標(biāo)f和x未f分別為標(biāo)準(zhǔn)集和未知集的轉(zhuǎn)換后的光譜矩陣，y標(biāo)f和y未f分別為標(biāo)準(zhǔn)集和未知集經(jīng)轉(zhuǎn)換矩陣f轉(zhuǎn)換后的預(yù)測值，d1(p,i)為標(biāo)準(zhǔn)集中第p個(gè)樣品與未知集中第i個(gè)樣品之間光譜的歐式距離，d2(p,i)為標(biāo)準(zhǔn)樣品中第p個(gè)樣品與未知樣品中第i個(gè)樣品之間預(yù)測值的絕對值偏差，d1(i)和d2(i)分別為d1(p,i)和d2(p,i)中p取1-n所有值組成的向量，n為標(biāo)準(zhǔn)集的樣品個(gè)數(shù)。

尋找d(i)中2個(gè)最小值對應(yīng)的序列p1和p2，根據(jù)標(biāo)準(zhǔn)集中的第p1、p2個(gè)樣品對應(yīng)的預(yù)測值和實(shí)測值，建立插值函數(shù)。將未知集中第i個(gè)樣品的預(yù)測值代入插值函數(shù)，得到校正后的預(yù)測值y未p，相關(guān)公式如下：

其中，y標(biāo)(p1)和y標(biāo)(p2)為標(biāo)準(zhǔn)集養(yǎng)分含量的實(shí)測值。

步驟(6)中，分段直接矯正結(jié)合斜率/截距修正法(pds-s/b)算法具體步驟為：

1)采用pds算法求出轉(zhuǎn)移矩陣f。分別計(jì)算主樣品校正集x主和從樣品標(biāo)準(zhǔn)集x標(biāo)的平均光譜，對主樣品第j個(gè)波長點(diǎn)處的光譜值求其平均光譜m1，在從樣品標(biāo)準(zhǔn)集平均光譜m2的第j個(gè)波長點(diǎn)附近截取窗口寬度為(j-k～j+k)的波段，令zj＝[m2,j-k,…,m2,j,m2,j+1,…m2,j+k]，然后構(gòu)建m1(j)與zj之間的多元線性回歸方程m1(j)＝zj×fj，由pls算法求得回歸系數(shù)fj，然后循環(huán)j，求出所有的fj。將fj置于轉(zhuǎn)移矩陣f的主對角線上，并將其他元素置0，得到轉(zhuǎn)移矩陣f，相關(guān)公式如下：

m1＝m2·f

其中，n1和n2分別為x主和x標(biāo)的樣品個(gè)數(shù)，x(i,j)為光譜矩陣x中第i行第j列處的光譜值。

2)根據(jù)轉(zhuǎn)移矩陣f，分別對從樣品標(biāo)準(zhǔn)集x標(biāo)和未知集x未光譜進(jìn)行轉(zhuǎn)換，得到經(jīng)pds算法轉(zhuǎn)換后的標(biāo)準(zhǔn)集x標(biāo)f和未知集x未f相關(guān)公式如下：

x標(biāo)f＝x標(biāo)·f

x未f＝x未·f

3)采用s/b算法計(jì)算最終預(yù)測值，用一元線性回歸方程來擬合轉(zhuǎn)換后的標(biāo)準(zhǔn)集x標(biāo)f和轉(zhuǎn)換后標(biāo)準(zhǔn)集的實(shí)測值y標(biāo)，求得此線性方程的最小二乘解，即為該線性模型的斜率slope和截距bias，根據(jù)計(jì)算的斜率和截距求得未知集的預(yù)測值y未p，相關(guān)公式如下：

y未p＝slope·x未f+bias

步驟(6)中，典型相關(guān)性分析結(jié)合斜率/截距修正法(cca-s/b)算法具體步驟為：

1)采用cca算法求出轉(zhuǎn)移矩陣f。采用kennard-stone算法從主樣品校正集x主中篩選出與從樣品標(biāo)準(zhǔn)集x標(biāo)樣品個(gè)數(shù)一樣的矩陣x主cca，根據(jù)x主cca和x標(biāo)計(jì)算矩陣c,由矩陣c計(jì)算特征值與特征向量，其相關(guān)公式如下：

將每一個(gè)非零特征值ρ所對應(yīng)的特征向量wm和ws分別歸為矩陣wm和wd，即為x主cca和x標(biāo)的典型相關(guān)系數(shù)wm和ws，對x主cca和x標(biāo)進(jìn)行cca分解，計(jì)算出x主cca和x標(biāo)的典型相關(guān)成分lm和ls，最終得到轉(zhuǎn)移矩陣f，公式如下：

lm＝x主cca×wm

ls＝x標(biāo)×ws

f＝ws×f1×f2

2)根據(jù)轉(zhuǎn)移矩陣f，分別對從樣品標(biāo)準(zhǔn)集x標(biāo)和未知集x未光譜進(jìn)行轉(zhuǎn)換，得到經(jīng)cca算法轉(zhuǎn)換后的標(biāo)準(zhǔn)集x標(biāo)f和未知集x未f相關(guān)公式如下：

x標(biāo)f＝x標(biāo)·f

x未f＝x未·f

3)采用s/b算法計(jì)算最終預(yù)測值，用一元線性回歸方程來擬合轉(zhuǎn)換后的標(biāo)準(zhǔn)集x標(biāo)f和轉(zhuǎn)換后標(biāo)準(zhǔn)集的實(shí)測值y標(biāo)，求得此線性方程的最小二乘解，即為該線性模型的斜率slope和截距bias，根據(jù)計(jì)算的斜率和截距求得未知集的預(yù)測值y未p，相關(guān)公式如下：

y未p＝slope·x未f+bias

基于不同品種或地區(qū)間的模型轉(zhuǎn)移現(xiàn)有算法有分段直接矯正結(jié)合線性插值(pds-li)、直接矯正結(jié)合線性插值(ds-li)、斜率/截距修正法(s/b)、直接矯正結(jié)合斜率/截距修正法(ds-s/b)等。分段直接矯正結(jié)合線性插值(pds-li)算法是采用pds算法對從樣品進(jìn)行校正，然后在從樣品標(biāo)準(zhǔn)樣品中選擇與未知樣品最接近的兩個(gè)樣品，根據(jù)其預(yù)測值和實(shí)測值，建立li函數(shù)，實(shí)現(xiàn)對未知樣品的預(yù)測。直接矯正結(jié)合線性插值(ds-li)與pds-li算法類似，區(qū)別在于采用ds算法對從樣品進(jìn)行校正，然后再建立li函數(shù)。斜率/截距修正法(s/b)算法是主樣品模型對從樣品標(biāo)準(zhǔn)集的預(yù)測值和實(shí)測值用一條直線擬合得到斜率和截距，將其作為模型轉(zhuǎn)移未知樣品修正的系數(shù)。直接矯正結(jié)合斜率/截距修正法(ds-s/b)是先對從樣品進(jìn)行ds校正，然后采用s/b算法得到模型轉(zhuǎn)移未知樣品的修正系數(shù)。這些算法也可用于本技術(shù)方案。

步驟(7)中，評價(jià)分析采用平均相對誤差、最大相對誤差、預(yù)測均方根誤差(rmsep)綜合進(jìn)行評價(jià)分析。

本發(fā)明基于光譜技術(shù)，采用多種模型轉(zhuǎn)移算法，實(shí)現(xiàn)不同地區(qū)間土壤的養(yǎng)分含量值預(yù)測。在現(xiàn)有儀器間模型轉(zhuǎn)移算法應(yīng)用的基礎(chǔ)上，通過結(jié)合和改進(jìn)現(xiàn)有模型轉(zhuǎn)移算法，提出一些新的模型轉(zhuǎn)移算法，如pds-s/b、cca-li、cca-s/b等，將其作為多算法推薦的基礎(chǔ)。通過采用多種模型轉(zhuǎn)移算法實(shí)現(xiàn)不同地區(qū)間土壤養(yǎng)分含量的預(yù)測，根據(jù)平均相對誤差、預(yù)測均方根誤差等評價(jià)標(biāo)準(zhǔn)推薦出一種最優(yōu)模型轉(zhuǎn)移方法，能夠更加全面、準(zhǔn)確的實(shí)現(xiàn)土壤養(yǎng)分含量的預(yù)測。本發(fā)明運(yùn)用一個(gè)土壤養(yǎng)分含量模型，提出了新的模型轉(zhuǎn)移算法，結(jié)合多種模型轉(zhuǎn)移算法推薦出最優(yōu)算法，解決了不同地區(qū)間土壤養(yǎng)分含量預(yù)測的難題，在保證該模型預(yù)測效果的同時(shí)，減少了土壤養(yǎng)分化學(xué)方法測量的時(shí)間，降低成本，節(jié)省人力物力，快速、簡單的實(shí)現(xiàn)土壤養(yǎng)分的預(yù)測。

附圖說明

圖1：分段直接矯正及斜率和截距修正的土壤養(yǎng)分模型轉(zhuǎn)移方法流程圖；

圖2：主樣品土壤可見近紅外反射光譜曲線圖；

圖3：從樣品土壤可見近紅外反射光譜曲線圖；

圖4：主樣品與從樣品第一主成分和第二主成分空間分布圖；

圖5：主樣品土壤養(yǎng)分(全氮)校正集的擬合結(jié)果圖；

圖6：主樣品土壤養(yǎng)分(全氮)檢驗(yàn)集的擬合結(jié)果圖；

圖7：從樣品未知集土壤養(yǎng)分(全氮)預(yù)測值與實(shí)測值對比圖。

具體實(shí)施方式

結(jié)合附圖和具體實(shí)施方式對本發(fā)明的技術(shù)方案作進(jìn)一步詳細(xì)的說明：

分段直接矯正及斜率和截距修正的土壤養(yǎng)分模型轉(zhuǎn)移方法，以基于可見近紅外光譜對不同地區(qū)間土壤全氮含量值實(shí)現(xiàn)模型轉(zhuǎn)移為例，包括下列步驟：

(1)采集土壤樣品

采集青島浮山山麓、青島李村河畔土壤樣品各60份，深度為0-20cm。對土壤樣品去除石塊等異物，55℃干燥4-8小時(shí)后過0.45mm尼龍篩，將過濾后的土壤樣本置入樣品袋中，并填寫相應(yīng)的樣品編號。設(shè)定青島李村河畔土壤為主樣品，設(shè)定青島浮山山麓為從樣品。

(2)測定土壤樣品養(yǎng)分含量及可見-近紅外光譜

從土壤樣品中分別取出5-10g，采用碳氮分析儀測定土壤樣品的全氮含量。

采用海洋光學(xué)qe65000光譜儀測定土壤樣品的光譜，譜區(qū)范圍是200-1100nm(光譜范圍主要為可見近紅外光譜，包含小部分紫外光譜)。取3-5g土壤樣品，將土壤樣品放在樣品盒(大小、長度與探頭支架相同的樣品盒)中，輕輕壓平，然后把探頭置入支架上的45度角的孔里，使探頭剛好露出支架，把支架和樣品盒緊貼在一起，每個(gè)土壤樣品測定5次光譜反射率，取平均值，主、從樣品土壤可見近紅外反射光譜的曲線圖分別如圖2、圖3所示。主、從樣品土壤第一主成分與第二主成分在主成分空間的分布見圖4，主、從樣品在主成分空間中分成了兩個(gè)區(qū)域，說明兩樣品光譜有明顯差異。

(3)建立主樣品校正模型

采用kennard-stone算法以3:1的比例劃分主樣品的校正集和檢驗(yàn)集，即校正集45份，檢驗(yàn)集15份。以偏最小二乘法(pls)建立主樣品校正集模型，并對主樣品檢驗(yàn)集進(jìn)行預(yù)測，主樣品土壤養(yǎng)分(全氮)校正集和檢驗(yàn)集的擬合結(jié)果分別如圖5、圖6所示,校正集和檢驗(yàn)集的絕對系數(shù)r²分別為0.9603、0.9053，相對分析誤差rpd為2.506。該模型校正集和檢驗(yàn)集的絕對系數(shù)均在0.9以上，且rpd值在2.5以上，該校正模型為極好的模型，可以用于極好的預(yù)測。

(4)劃分從樣品標(biāo)準(zhǔn)集和未知集

剔除從樣品中的異常土壤樣品，采用kennard-stone算法以1:2的比例劃分從樣品的標(biāo)準(zhǔn)集和未知集，即標(biāo)準(zhǔn)集20份，未知集38份。

(5)光譜預(yù)處理和模型轉(zhuǎn)移

主、從樣品光譜預(yù)處理為一階導(dǎo)數(shù)和15點(diǎn)平滑，采用pds-s/b算法對主、從樣品進(jìn)行模型轉(zhuǎn)移，下表為未經(jīng)模型轉(zhuǎn)移預(yù)測結(jié)果、進(jìn)行模型轉(zhuǎn)移后預(yù)測結(jié)果及其相對誤差，圖7為未知集土壤養(yǎng)分(全氮)預(yù)測值與實(shí)測值對比圖。

由上表可知，經(jīng)pds-s/b模型轉(zhuǎn)移算法處理后，預(yù)測值準(zhǔn)確性有大幅度的提高，無模型轉(zhuǎn)移平均相對誤差為462.9％，模型轉(zhuǎn)移后平均相對誤差為5.81％，平均相對誤差明顯變??；模型轉(zhuǎn)移后相對誤差最大值為19.03％，遠(yuǎn)小于無模型轉(zhuǎn)移的相對誤差；rmsep由2.525降為0.044，因此采用pds-s/b算法能夠?qū)崿F(xiàn)不同地區(qū)間土壤養(yǎng)分含量預(yù)測。

以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對其進(jìn)行任何限制；盡管參照前述實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，對于本領(lǐng)域的普通技術(shù)人員來說，依然可以對前述實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明所要求保護(hù)的技術(shù)方案的精神和范圍。