1.一种基于随机森林迁移学习的红外光谱模型传递方法，其特征在于：包括以下步骤：S1、将主仪器扫描采集得到的样本光谱数据集Dm利用Bootstrap随机抽样方法生成K个子数据集：S2、针对每个子数据集 结合目标仪器上扫描得到的数据集Ds，利用迁移学习算法建立目标仪器上的红外光谱与化学组分间的映射模型： 同时形成新的数据集S3、针对待测样本，利用目标仪器扫描其红外光谱xi，并将其送入到每个映射模型从而得到每个映射模型给出的化学组分预测值：S4、计算待测样本xi与数据集 中每个样本的相似度，并进行累加求和，记为：Si(1≤i≤k)；

S5、针对待测样本xi，计算各个映射模型对应的权重因子：

S6、利用加权平均方法计算待测样本的化学组分含量：

2.根据权利要求1所述的基于随机森林迁移学习的红外光谱模型传递方法，其特征在于：所述步骤S2中的迁移学习算法包括基于实例的迁移算法和基于特征的迁移算法。

3.根据权利要求1所述的基于随机森林迁移学习的红外光谱模型传递方法，其特征在于：所述步骤S2中映射模型包括线性模型和非线性模型。

4.根据权利要求3所述的基于随机森林迁移学习的红外光谱模型传递方法，其特征在于：所述线性模型为多元回归和偏最小二乘；非线性模型为人工神经网络、支持向量机和极限学习机。

5.根据权利要求1所述的基于随机森林迁移学习的红外光谱模型传递方法，其特征在于：所述步骤S2中映射模型的建立包括红外光谱预处理和特征选择。

6.根据权利要求5所述的基于随机森林迁移学习的红外光谱模型传递方法，其特征在于：所述红外光谱预处理包括去噪和基线校正；特征选择包括无信息变量消除法、区间偏最小二乘法、遗传算法、蝙蝠算法和稀疏优化等。

7.根据权利要求1所述的基于随机森林迁移学习的红外光谱模型传递方法，其特征在于：所述步骤S4中相似度度量方法包括欧式距离法、L范数法、相关系数法，以及将样本映射到其它高维或者低维空间后再计算得到的相似性度量方法。

8.根据权利要求1所述的基于随机森林迁移学习的红外光谱模型传递方法，其特征在于：所述步骤S4中相似度度量结果包括样本间越接近，相似度越高，Si值越大。

9.根据权利要求1所述的基于随机森林迁移学习的红外光谱模型传递方法，其特征在于：所述步骤S5中各个映射模型对应的权重因子满足关系：