本發(fā)明涉及分子光譜分析領(lǐng)域，尤其涉及一種基于分子光譜分析的定量模型評(píng)估方法和系統(tǒng)。
背景技術(shù)：
：目前，光譜結(jié)合化學(xué)計(jì)量學(xué)方法用于定量分析大都采用同種模式，即基于一組已知樣品建立校正模型。這一組已知樣品稱(chēng)為校正集樣品，通過(guò)這組樣品的光譜及其對(duì)應(yīng)基礎(chǔ)數(shù)據(jù)(理化數(shù)據(jù))，利用多元矯正方法建立校正模型。對(duì)于待測(cè)樣品，只需測(cè)定其光譜，根據(jù)已建的模型便可快速給出定量結(jié)果。在模型建立和驗(yàn)證過(guò)程中，會(huì)使用到一些統(tǒng)計(jì)參數(shù)作為模型的評(píng)價(jià)參數(shù)，如偏差(d)、極差(e)、校正標(biāo)準(zhǔn)偏差(sec)、預(yù)測(cè)標(biāo)準(zhǔn)偏差(sep)、決定系數(shù)(r2)及相關(guān)系數(shù)(r)等。其中，較為常用的有sep與r。sep越小，模型越好；r越接近1，模型越好。但現(xiàn)有技術(shù)存在以下問(wèn)題：在分子光譜分析技術(shù)方面，存在因樣品間測(cè)量尺度不同、數(shù)據(jù)量綱差異，從而造成對(duì)常用模型評(píng)價(jià)參數(shù)的影響，存在評(píng)價(jià)復(fù)雜的問(wèn)題。并且，1.現(xiàn)有方法中的評(píng)價(jià)參數(shù)無(wú)法體現(xiàn)建模時(shí)校正集樣品數(shù)量對(duì)模型產(chǎn)生的影響，僅用現(xiàn)在常用的sep及rp值并不能很好的觀測(cè)出模型的好壞，由數(shù)量較小的樣本集進(jìn)行模型創(chuàng)建也能得到很好的sep及rp評(píng)估。2.sep會(huì)受校正集的理化數(shù)據(jù)影響，理化值大的樣品集所建的模型，其sep相對(duì)大，從而導(dǎo)致不同樣品模型之間的sep無(wú)可比性。3.優(yōu)質(zhì)模型的校正集基礎(chǔ)數(shù)據(jù)(理化數(shù)據(jù))需具有代表性，其組成應(yīng)包含以后待測(cè)樣品所包含的所有化學(xué)組分，其變化范圍應(yīng)大于待測(cè)樣品對(duì)應(yīng)性質(zhì)的變化范圍。4.各類(lèi)模型評(píng)價(jià)參數(shù)相互獨(dú)立，無(wú)法對(duì)模型進(jìn)行較為全面的綜合評(píng)價(jià)。不熟悉化學(xué)計(jì)量學(xué)的人員難以簡(jiǎn)便地通過(guò)現(xiàn)有評(píng)價(jià)參數(shù)得知模型優(yōu)劣。技術(shù)實(shí)現(xiàn)要素：為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于實(shí)現(xiàn)簡(jiǎn)單快速的得出分析結(jié)果及綜合考慮到評(píng)估方法全面性的優(yōu)點(diǎn)。本發(fā)明的目的采用如下技術(shù)方案實(shí)現(xiàn)：一種基于分子光譜分析的定量模型評(píng)估方法，包括，對(duì)定量模型的樣本數(shù)量進(jìn)行評(píng)估的步驟；對(duì)定量模型的模型準(zhǔn)確性進(jìn)行評(píng)估的步驟；對(duì)定量模型的模型相關(guān)性進(jìn)行評(píng)估的步驟；對(duì)定量模型的模型代表性進(jìn)行評(píng)估的步驟；基于上述樣本數(shù)量、模型準(zhǔn)確性、模型相關(guān)性和模型代表性的評(píng)估結(jié)果對(duì)定量模型進(jìn)行評(píng)分，并對(duì)評(píng)分結(jié)果進(jìn)行分析，從而完成分子光譜分析的步驟。進(jìn)一步地，上述對(duì)定量模型的樣本數(shù)量進(jìn)行評(píng)估的步驟，具體為：其中，n為樣本數(shù)量，amoun為樣本數(shù)量的評(píng)估結(jié)果，根據(jù)公式得出，若樣本數(shù)量大于1000，即特征接近飽和時(shí)，樣本數(shù)量的評(píng)估結(jié)果amount將給出滿(mǎn)分。進(jìn)一步地，上述對(duì)定量模型的模型準(zhǔn)確性進(jìn)行評(píng)估的步驟，具體為：其中，sep為預(yù)測(cè)標(biāo)準(zhǔn)偏差，為建模集樣本參考方法的測(cè)定值均值，yi，actual為第i樣品參考方法的測(cè)定值，yi，predicted為校正集交互驗(yàn)證過(guò)程中第i樣品的預(yù)測(cè)值，i為常數(shù)，m為驗(yàn)證集的樣品數(shù)，sep為預(yù)測(cè)標(biāo)準(zhǔn)偏差，accuracy為模型準(zhǔn)確性評(píng)估結(jié)果。進(jìn)一步地，上述對(duì)定量模型的模型相關(guān)性進(jìn)行評(píng)估的步驟，具體為：correlation＝r*100；其中，r為相關(guān)系數(shù)，為建模集樣本參考方法的平均測(cè)定值，為校正集交互驗(yàn)證過(guò)程中的平均預(yù)測(cè)值，yi，actual為第i樣品參考方法的測(cè)定值，yi，predicted為校正集交互驗(yàn)證過(guò)程中第i樣品的預(yù)測(cè)值，w為校正集或驗(yàn)證集的樣品數(shù)，correlation為模型相關(guān)性評(píng)估結(jié)果。進(jìn)一步地，上述對(duì)定量模型的模型代表性進(jìn)行評(píng)估的步驟，具體為：其中，cv為建模集樣本參考方法測(cè)定值的變異系數(shù)，sd為建模集樣本參考方法測(cè)定值的標(biāo)準(zhǔn)差，為建模集樣本參考方法的平均測(cè)定值，yi，actual為第i樣品參考方法的測(cè)定值，typical為模型代表性評(píng)估結(jié)果。進(jìn)一步地，上述基于上述樣本數(shù)量、模型準(zhǔn)確性、模型相關(guān)性和模型代表性的評(píng)估結(jié)果對(duì)定量模型進(jìn)行評(píng)分，具體為：其中，n為樣本數(shù)量。本發(fā)明的目的還采用如下技術(shù)方案實(shí)現(xiàn)：一種基于分子光譜分析的定量模型評(píng)估系統(tǒng)，包括，樣本數(shù)量評(píng)估模塊：對(duì)定量模型的樣本數(shù)量進(jìn)行評(píng)估；模型準(zhǔn)確性評(píng)估模塊：對(duì)定量模型的模型準(zhǔn)確性進(jìn)行評(píng)估；模型相關(guān)性評(píng)估模塊：對(duì)定量模型的模型相關(guān)性進(jìn)行評(píng)估；模型代表性評(píng)估模塊：對(duì)定量模型的模型代表性進(jìn)行評(píng)估；定量模型評(píng)分模塊：基于上述樣本數(shù)量評(píng)估模塊、模型準(zhǔn)確性評(píng)估模塊、模型相關(guān)性評(píng)估模塊和模型代表性評(píng)估模塊的評(píng)估結(jié)果對(duì)定量模型進(jìn)行評(píng)分；評(píng)分結(jié)果分析模塊：對(duì)定量模型評(píng)分模塊的評(píng)分結(jié)果進(jìn)行分析，從而完成分子光譜分析。進(jìn)一步地，所述樣本數(shù)量評(píng)估模塊對(duì)定量模型的樣本數(shù)量進(jìn)行評(píng)估，具體為：其中，n為樣本數(shù)量，amoun為樣本數(shù)量的評(píng)估結(jié)果，根據(jù)公式得出，若樣本數(shù)量大于1000，即特征接近飽和時(shí)，樣本數(shù)量的評(píng)估結(jié)果amount將給出滿(mǎn)分。進(jìn)一步地，所述模型準(zhǔn)確性評(píng)估模塊對(duì)定量模型的模型準(zhǔn)確性進(jìn)行評(píng)估，具體為：其中，sep為預(yù)測(cè)標(biāo)準(zhǔn)偏差，為建模集樣本參考方法的測(cè)定值均值，yi，actual為第i樣品參考方法的測(cè)定值，yi，predicted為校正集交互驗(yàn)證過(guò)程中第i樣品的預(yù)測(cè)值，i為常數(shù)，m為驗(yàn)證集的樣品數(shù)，sep為預(yù)測(cè)標(biāo)準(zhǔn)偏差，accuracy為模型準(zhǔn)確性評(píng)估結(jié)果；所述模型相關(guān)性評(píng)估模塊對(duì)定量模型的模型相關(guān)性進(jìn)行評(píng)估，具體為：correlation＝r*100；其中，r為相關(guān)系數(shù)，為建模集樣本參考方法的平均測(cè)定值，為校正集交互驗(yàn)證過(guò)程中的平均預(yù)測(cè)值，yi，actual為第i樣品參考方法的測(cè)定值，yi，predicted為校正集交互驗(yàn)證過(guò)程中第i樣品的預(yù)測(cè)值，w為校正集或驗(yàn)證集的樣品數(shù)，correlation為模型相關(guān)性評(píng)估結(jié)果；所述模型代表性評(píng)估模塊對(duì)定量模型的模型代表性進(jìn)行評(píng)估，具體為：其中，cv為建模集樣本參考方法測(cè)定值的變異系數(shù)，sd為建模集樣本參考方法測(cè)定值的標(biāo)準(zhǔn)差，為建模集樣本參考方法的平均測(cè)定值，yi，actual為第i樣品參考方法的測(cè)定值，typical為模型代表性評(píng)估結(jié)果。進(jìn)一步地，所述定量模型評(píng)分模塊：基于上述樣本數(shù)量評(píng)估模塊、模型準(zhǔn)確性評(píng)估模塊、模型相關(guān)性評(píng)估模塊和模型代表性評(píng)估模塊的評(píng)估結(jié)果對(duì)定量模型進(jìn)行評(píng)分，具體為：其中，n為樣本數(shù)量。相比現(xiàn)有技術(shù)，本發(fā)明的有益效果在于：本技術(shù)方案引入模型評(píng)分的概念，選取對(duì)定量模型具有評(píng)價(jià)意義的參數(shù)進(jìn)行數(shù)學(xué)變換及加權(quán)融合，從而給出一個(gè)易于理解的百分制模型評(píng)分，一定程度上消除了樣品間測(cè)量尺度不同、數(shù)據(jù)量綱差異對(duì)常用模型評(píng)價(jià)參數(shù)的影響。達(dá)到簡(jiǎn)單快速的得出分析結(jié)果及綜合考慮到評(píng)估方法全面性的目的。附圖說(shuō)明圖1為發(fā)明實(shí)施例一基于分子光譜分析的定量模型評(píng)估方法的流程圖；圖2為發(fā)明實(shí)施例二基于分子光譜分析的定量模型評(píng)估系統(tǒng)的原理框圖；圖3為發(fā)明基于分子光譜分析的定量模型評(píng)估方法和系統(tǒng)中n與樣本數(shù)量評(píng)估結(jié)果的曲線(xiàn)圖；圖4為發(fā)明基于分子光譜分析的定量模型評(píng)估方法和系統(tǒng)中與模型準(zhǔn)確性評(píng)估結(jié)果的曲線(xiàn)圖；圖5為發(fā)明基于分子光譜分析的定量模型評(píng)估方法和系統(tǒng)中r與模型相關(guān)性評(píng)估結(jié)果的曲線(xiàn)圖；圖6為發(fā)明基于分子光譜分析的定量模型評(píng)估方法和系統(tǒng)中sd與模型代表性評(píng)分結(jié)果的曲線(xiàn)圖；圖7為發(fā)明采用基于分子光譜分析的定量模型評(píng)估方法和系統(tǒng)在樣本數(shù)量為10時(shí)的模型評(píng)分雷達(dá)圖；圖8為發(fā)明采用基于分子光譜分析的定量模型評(píng)估方法和系統(tǒng)在樣本數(shù)量為50時(shí)的模型評(píng)分雷達(dá)圖；圖9為發(fā)明采用基于分子光譜分析的定量模型評(píng)估方法和系統(tǒng)在樣本數(shù)量為100時(shí)的模型評(píng)分雷達(dá)圖；圖10為發(fā)明采用基于分子光譜分析的定量模型評(píng)估方法和系統(tǒng)在樣本數(shù)量為507時(shí)的模型評(píng)分雷達(dá)圖。具體實(shí)施方式下面，結(jié)合附圖以及具體實(shí)施方式，對(duì)本發(fā)明做進(jìn)一步描述，需要說(shuō)明的是，在不相沖突的前提下，以下描述的各實(shí)施例之間或各技術(shù)特征之間可以任意組合形成新的實(shí)施例。實(shí)施例一：如圖1所示一種基于分子光譜分析的定量模型評(píng)估方法，包括，對(duì)定量模型的樣本數(shù)量進(jìn)行評(píng)估的步驟；對(duì)定量模型的模型準(zhǔn)確性進(jìn)行評(píng)估的步驟；對(duì)定量模型的模型相關(guān)性進(jìn)行評(píng)估的步驟；對(duì)定量模型的模型代表性進(jìn)行評(píng)估的步驟；基于樣本數(shù)量、模型準(zhǔn)確性、模型相關(guān)性和模型代表性的評(píng)估結(jié)果對(duì)定量模型進(jìn)行評(píng)分，并對(duì)評(píng)分結(jié)果進(jìn)行分析，從而完成分子光譜分析的步驟。對(duì)評(píng)分結(jié)果進(jìn)行分析即將得到的參數(shù)羅列后，得出雷達(dá)圖，雷達(dá)圖能快速方便的顯示出分子光譜分析結(jié)果。對(duì)定量模型的樣本數(shù)量進(jìn)行評(píng)估的步驟，具體為：其中，n為樣本數(shù)量，amoun為樣本數(shù)量的評(píng)估結(jié)果，根據(jù)公式得出，若樣本數(shù)量大于1000，即特征接近飽和時(shí)，樣本數(shù)量的評(píng)估結(jié)果amount將給出滿(mǎn)分。對(duì)定量模型的模型準(zhǔn)確性進(jìn)行評(píng)估的步驟，具體為：其中，sep為預(yù)測(cè)標(biāo)準(zhǔn)偏差，為建模集樣本參考方法的測(cè)定值均值，yi，actual為第i樣品參考方法的測(cè)定值，yi，predicted為校正集交互驗(yàn)證過(guò)程中第i樣品的預(yù)測(cè)值，i為常數(shù)，m為驗(yàn)證集的樣品數(shù)，sep為預(yù)測(cè)標(biāo)準(zhǔn)偏差，accuracy為模型準(zhǔn)確性評(píng)估結(jié)果。對(duì)定量模型的模型相關(guān)性進(jìn)行評(píng)估的步驟，具體為：correlation＝r*100；其中，r為相關(guān)系數(shù)，為建模集樣本參考方法的平均測(cè)定值，為校正集交互驗(yàn)證過(guò)程中的平均預(yù)測(cè)值，yi，actual為第i樣品參考方法的測(cè)定值，yi，predicted為校正集交互驗(yàn)證過(guò)程中第i樣品的預(yù)測(cè)值，w為校正集或驗(yàn)證集的樣品數(shù)，correlation為模型相關(guān)性評(píng)估結(jié)果。對(duì)定量模型的模型代表性進(jìn)行評(píng)估的步驟，具體為：其中，cv為建模集樣本參考方法測(cè)定值的變異系數(shù)，sd為建模集樣本參考方法測(cè)定值的標(biāo)準(zhǔn)差，為建模集樣本參考方法的平均測(cè)定值，yi，actual為第i樣品參考方法的測(cè)定值，typocal為模型代表性評(píng)估結(jié)果?；跇颖緮?shù)量、模型準(zhǔn)確性、模型相關(guān)性和模型代表性的評(píng)估結(jié)果對(duì)定量模型進(jìn)行評(píng)分，具體為：其中，n為樣本數(shù)量。另外，由于對(duì)于簡(jiǎn)單的測(cè)量體系，至少需要60個(gè)有代表性的樣品，對(duì)于復(fù)雜的測(cè)量體系，至少需要上百個(gè)有代表性的樣品。因此，若樣本數(shù)量小于100，數(shù)量評(píng)分將會(huì)占有較大權(quán)重，從而扣掉足夠的分?jǐn)?shù)。實(shí)施例二：如圖2所示，一種基于分子光譜分析的定量模型評(píng)估系統(tǒng)，包括，樣本數(shù)量評(píng)估模塊：對(duì)定量模型的樣本數(shù)量進(jìn)行評(píng)估；模型準(zhǔn)確性評(píng)估模塊：對(duì)定量模型的模型準(zhǔn)確性進(jìn)行評(píng)估；模型相關(guān)性評(píng)估模塊：對(duì)定量模型的模型相關(guān)性進(jìn)行評(píng)估；模型代表性評(píng)估模塊：對(duì)定量模型的模型代表性進(jìn)行評(píng)估；定量模型評(píng)分模塊：基于樣本數(shù)量評(píng)估模塊、模型準(zhǔn)確性評(píng)估模塊、模型相關(guān)性評(píng)估模塊和模型代表性評(píng)估模塊的評(píng)估結(jié)果對(duì)定量模型進(jìn)行評(píng)分；評(píng)分結(jié)果分析模塊：對(duì)定量模型評(píng)分模塊的評(píng)分結(jié)果進(jìn)行分析，從而完成分子光譜分析。樣本數(shù)量評(píng)估模塊對(duì)定量模型的樣本數(shù)量進(jìn)行評(píng)估，具體為：其中，n為樣本數(shù)量，amoun為樣本數(shù)量的評(píng)估結(jié)果，根據(jù)公式得出，若樣本數(shù)量大于1000，即特征接近飽和時(shí)，樣本數(shù)量的評(píng)估結(jié)果amount將給出滿(mǎn)分。模型準(zhǔn)確性評(píng)估模塊對(duì)定量模型的模型準(zhǔn)確性進(jìn)行評(píng)估，具體為：其中，sep為預(yù)測(cè)標(biāo)準(zhǔn)偏差，為建模集樣本參考方法的測(cè)定值均值，yi，actual為第i樣品參考方法的測(cè)定值，yi，predicted為校正集交互驗(yàn)證過(guò)程中第i樣品的預(yù)測(cè)值，i為常數(shù)，m為驗(yàn)證集的樣品數(shù)，sep為預(yù)測(cè)標(biāo)準(zhǔn)偏差，accuracy為模型準(zhǔn)確性評(píng)估結(jié)果；模型相關(guān)性評(píng)估模塊對(duì)定量模型的模型相關(guān)性進(jìn)行評(píng)估，具體為：correlation＝r*100；其中，r為相關(guān)系數(shù)，為建模集樣本參考方法的平均測(cè)定值，為校正集交互驗(yàn)證過(guò)程中的平均預(yù)測(cè)值，yi，actual為第i樣品參考方法的測(cè)定值，yi，predicted為校正集交互驗(yàn)證過(guò)程中第i樣品的預(yù)測(cè)值，w為校正集或驗(yàn)證集的樣品數(shù)，correlation為模型相關(guān)性評(píng)估結(jié)果；模型代表性評(píng)估模塊對(duì)定量模型的模型代表性進(jìn)行評(píng)估，具體為：其中，cv為建模集樣本參考方法測(cè)定值的變異系數(shù)，sd為建模集樣本參考方法測(cè)定值的標(biāo)準(zhǔn)差，為建模集樣本參考方法的平均測(cè)定值，yi，actual為第i樣品參考方法的測(cè)定值，typical為模型代表性評(píng)估結(jié)果。定量模型評(píng)分模塊：基于樣本數(shù)量評(píng)估模塊、模型準(zhǔn)確性評(píng)估模塊、模型相關(guān)性評(píng)估模塊和模型代表性評(píng)估模塊的評(píng)估結(jié)果對(duì)定量模型進(jìn)行評(píng)分，具體為：其中，n為樣本數(shù)量。采用實(shí)施例一和實(shí)施例二基于分子光譜分析的定量模型評(píng)估方法和系統(tǒng)中n與樣本數(shù)量評(píng)估結(jié)果的曲線(xiàn)圖如圖3所示，圖中n為橫坐標(biāo)，樣本數(shù)量評(píng)估結(jié)果為縱坐標(biāo)?；诜肿庸庾V分析的定量模型評(píng)估方法和系統(tǒng)中與模型準(zhǔn)確性評(píng)估結(jié)果的曲線(xiàn)圖如圖4所示，圖中為橫坐標(biāo)，模型準(zhǔn)確性評(píng)估結(jié)果為縱坐標(biāo)?；诜肿庸庾V分析的定量模型評(píng)估方法和系統(tǒng)中r與模型相關(guān)性評(píng)估結(jié)果的曲線(xiàn)圖如圖5所示，圖中r為橫坐標(biāo)，模型相關(guān)性評(píng)估結(jié)果為縱坐標(biāo)?；诜肿庸庾V分析的定量模型評(píng)估方法和系統(tǒng)中sd與模型代表性評(píng)分結(jié)果的曲線(xiàn)圖如圖6所示，圖中sd為橫坐標(biāo)，模型代表性評(píng)估結(jié)果為縱坐標(biāo)?；谏鲜龉_(kāi)的技術(shù)方案，對(duì)于同一批近紅外光譜及測(cè)量數(shù)據(jù)，分別使用10條抽取樣本，50條抽取樣本，100條抽取樣本，507條全樣本進(jìn)行定量模型創(chuàng)建，得到如表1至表4的評(píng)分結(jié)果。評(píng)價(jià)參數(shù)分值amount34.71308950527417score63.740541575648344correlation99.96547420914379accuracy99.8971846515979typical28.468695480752295表1、樣本數(shù)量為10模型評(píng)分結(jié)果表；基于表1得到的雷達(dá)圖如圖7所示。評(píng)價(jià)參數(shù)分值amount56.91900586993121score74.43881913376907correlation97.59998994271179accuracy98.93026537357434typical31.874486475625535表2、樣本數(shù)量為50模型評(píng)分結(jié)果表；基于表2得到的雷達(dá)圖如圖8所示。評(píng)價(jià)參數(shù)分值amount66.81071245942142score79.08404411814837correlation94.41666440973334accuracy96.7951004505688typical47.17472579530512表3、樣本數(shù)量為100模型評(píng)分結(jié)果表；基于表3得到的雷達(dá)圖如圖9所示。評(píng)價(jià)參數(shù)分值amount90.19545707613064score90.87507244306913correlation96.4814901824041accuracy97.64937004906398typical47.14997966830202表4、樣本數(shù)量為507模型評(píng)分結(jié)果表；基于表4得到的雷達(dá)圖如圖10所示。光譜結(jié)合化學(xué)計(jì)量學(xué)方法用于定量分析大都是采用同樣一種模式，即基于一組已知樣品建立校正模型。這一組已知樣品稱(chēng)為校正集樣品或訓(xùn)練集樣品，通過(guò)這組樣品的光譜及其對(duì)應(yīng)基礎(chǔ)數(shù)據(jù)(理化數(shù)據(jù))，利用多元矯正或模式識(shí)別方法建立校正或識(shí)別模型。對(duì)于待測(cè)樣品，只需測(cè)定其光譜，根據(jù)已建的模型便可快速給出定量結(jié)果。本技術(shù)方案有以下特點(diǎn)：1.引入了建模時(shí)訓(xùn)練集的樣品數(shù)量對(duì)模型的影響，訓(xùn)練集樣品數(shù)量應(yīng)足夠多，以能有效提取出光譜與待測(cè)組分之間的數(shù)學(xué)關(guān)系，對(duì)于數(shù)量不達(dá)標(biāo)的模型將被扣分。2.解決此問(wèn)題：上述sep會(huì)受訓(xùn)練集的理化數(shù)據(jù)影響，理化值大的樣品集所建的模型，其sep相對(duì)大，從而導(dǎo)致不同樣品模型之間的sep無(wú)可比性。3.優(yōu)質(zhì)模型的訓(xùn)練集基礎(chǔ)數(shù)據(jù)(理化數(shù)據(jù))需具有代表性，其組成應(yīng)包含以后待測(cè)樣品所包含的所有化學(xué)組分，其變化范圍應(yīng)大于待測(cè)樣品對(duì)應(yīng)性質(zhì)的變化范圍。對(duì)此，引入變異系數(shù)(標(biāo)準(zhǔn)差/均值)，并通過(guò)數(shù)學(xué)手段進(jìn)行轉(zhuǎn)換，從而對(duì)樣本的代表性進(jìn)行評(píng)分。4.將各類(lèi)影響因素進(jìn)行加權(quán)融合，給出模型的綜合評(píng)分，該評(píng)分使用百分制展現(xiàn)，讓不懂化學(xué)計(jì)量學(xué)的人員也能直觀了解定標(biāo)模型的優(yōu)劣。5.解決以下問(wèn)題：僅用現(xiàn)在常用的sep及rp值并不能很好的觀測(cè)出模型的好壞，由數(shù)量較小的樣本集進(jìn)行模型創(chuàng)建也能得到很好的sep及rp評(píng)估。上述實(shí)施方式僅為本發(fā)明的優(yōu)選實(shí)施方式，不能以此來(lái)限定本發(fā)明保護(hù)的范圍，本領(lǐng)域的技術(shù)人員在本發(fā)明的基礎(chǔ)上所做的任何非實(shí)質(zhì)性的變化及替換均屬于本發(fā)明所要求保護(hù)的范圍。當(dāng)前第1頁(yè)12