基于遗传算法与线性叠加模型的混合物组成拉曼光谱定量分析

摘要

提出了一种基于遗传算法（Genetic algorithm, GA）与线性叠加模型的拉曼光谱定量分析算法。仅需已知一种主要物质的拉曼光谱,即可基于一批包括该物质的混合物样本,结合相关分析获得各组分的特征峰位;再利用遗传算法拟合优化混合物对应的纯物质光谱矩阵;最后利用拟合得到的光谱矩阵,建立混合物中各种物质的拉曼光谱定量分析模型。本方法只在模型训练过程优化模型参数时计算量较大,而在实际预测时只需进行简单的矩阵运算即可,实时计算量很小,适用于连续在线应用。本方法可应用于液相或气相混合物的定量分析。以天然气为例,仅知主要组分甲烷的拉曼光谱时,基于一组已知其组成与拉曼光谱的天然气训练样本,建立了天然气中主要组分（CH4、C2H6、C3H8、CO2、N2、H2、CO）拉曼光谱定量分析模型;对于测试样本集,对应的预测均方根误差（Root mean square error, RMSE）分别为0.488%、0.103%、0.358%、0.079%、0.087%、0.126%和0.022%,复相关系数（Multi-correlation coefficient,R~2）分别为0.995、0.991、0.990、0.991、0.998、0.999和0.999。尽管此结果不及所有纯物质光谱均已知情况下得到的结果,但为大多数纯物质光谱未知的情况提供了一种解决方案。