1.基于近红外光谱的有机物在线检测结果的可靠性评价方法，其特征在于，包括以下步骤：S1、收集有机化工生产过程的近红外光谱数据，并通过实验室化验法获得有机物物质浓度参考值；

S2、利用收集的近红外光谱数据和获得的有机物物质浓度参考值离线建立近红外校正模型，如下：Y＝f(X)·β+ε   (1)其中，Y＝{yi}是获得的有机物物质浓度参考值；X＝{xi}是收集的近红外光谱数据；i＝

1，...，n；n是离线建模的光谱数量，β是校正模型的回归系数；ε是残差；

S3、采集新的光谱数据，利用离线建立好的校正模型在线预测有机物物质浓度；

S4、构建离线建模精度的性能指标函数以及在线预测精度的性能指标函数；

S5、定量评价光谱数量对离线建模精度的影响力以及在线预测精度的影响力；

S6、确定最优的离线建模光谱数量以及在线预测光谱数量；

具体地，构建离线建模精度的性能指标函数如下：在线预测精度的性能指标函数如下：其中，zi＝(xi，yi)是第i个离线建模的光谱样本点；zj＝(xj，yj)是第j个在线预测的光谱样本点；T是转置；

具体地，定量评价光谱数量对离线建模精度的影响力，包括：S511、最小化离线建模精度的性能指标函数，得到最优的回归系数：S512、在离线建模的光谱样本点zi处增加一个权重σ1，将回归系数变化为：S513、取公式(6)关于 的偏导数并令其等于0，得：S514、当σ1→0时， 在 处进行泰勒展开，并令：得到：

根据公式(8)得到：

同时对公式(9)两边求导，由于 不受σ1影响，所以 可得：具体地，定量评价光谱数量对光谱数量对在线预测精度的影响力，包括：S521、最小化在线预测精度的性能指标函数，得到最优的回归系数：S522、在线预测的光谱样本点zj处增加一个权重σ2，将回归系数变化为：S523、取公式(12)关于 的偏导数并令其等于0，得到：S524、当σ2→0时， 在 处进行泰勒展开，并令：得到：

根据公式(14)得到：

同时对公式(15)两边求导，由于 不受σ2影响，所以 可得：具体地，确定最优的离线建模光谱数量，如下：其中， 表示取每个离线建模样本的绝对值并进行加和；

*

最大化公式(17)，得到最优的离线建模光谱数量n；

具体地，确定最优的在线预测光谱数量，如下：其中， 表示取每个在线预测样本的绝对值并进行加和；

*

最大化公式(18)，得到最优的在线预测光谱数量m。

2.如权利要求1所述的基于近红外光谱的有机物在线检测结果的可靠性评价方法，其特征在于，步骤S3包括：采集新的光谱数据Xnew＝{xj}，利用离线建立好的校正模型在线预测有机物物质浓度，如下：Ynew＝f(Xnew)·β                   (2)其中，Ynew＝{yj}是在线预测的有机物物质浓度；m是在线预测的光谱数量；j＝1，...，m。

3.如权利要求1所述的基于近红外光谱的有机物在线检测结果的可靠性评价方法，其特征在于，步骤S1中，在收集有机化工生产过程的近红外光谱数据后，还对收集近红外光谱数据进行预处理。

4.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1‑3中任意一项所述方法的步骤。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1‑3任意一项所述方法的步骤。