基于深度Bi-LSTM网络的近红外光谱模型迁移方法

摘要

本发明涉及基于深度Bi‑LSTM网络的近红外光谱模型迁移方法，属于近红外模型转移技术领域，包括获取源域和目标域光谱数据；对源域光谱数据进行数据增强；对源域和目标域光谱数据预处理；将源域和目标域光谱数据划分；设计Bi‑LSTM网络结构；使用源域光谱数据训练Bi‑LSTM网络结构；提取所有Bi‑LSTM层，并加入全连接层构成神经网络；使用目标域校正集和验证集近红外光谱数据训练全连接层并更新神经网络各层间的权重与偏差；使用目标域预测集近红外光谱数据测试迁移模型，评估模型迁移效果和抗噪能力。本发明实现从目标域定量模型向源域定量模型的迁移，节约了大量重建模型的时间且保持了较高精度的预测。