Links
Contact Info.
  • Address:天津市西青区宾水西道399号天津工业大学化学与化工学院化学工程与工艺系6D518
  • Zip:300387
  • Tel:022-83955663
  • Fax:022-83955663
  • Email:bianxihui@163.com
Current Location :> Home > Publications > Text
基于灰狼算法的近红外光谱变量选择方法研究
writer:武新燕,卞希慧,杨 盛,徐 沛,王海涛
keywords:近红外光谱,变量选择,灰狼算法,偏最小二乘
source:期刊
specific source:分析测试学报
Issue time:2020年
近红外光谱往往由成千上百个波长点组成,并不是所有波长点都与目标组分相关。为了建立一个高质量的模型,往往需要在多元校正前进行变量选择。基于群体智能的灰狼(Gray Wolf Optimizer)算法因其参数少,结构简单,易于实现,但是在光谱领域的应用还较少。本研究将GWO算法引入到近红外光谱的变量筛选中,以玉米数据为例,考察了GWO算法中狼群性能、迭代次数、狼群数量以及运算效率,并建立偏最小二乘(Partial Least Squares Regression)模型对玉米样品中蛋白质、脂肪、水分以及淀粉含量的测定。结果显示,GWO算法运算效率很高,经过参数调优后建立PLS模型,蛋白质、脂肪、水分以及淀粉保留变量数分别为19,19,14,34,预测均方根误差(RMSEP)从全波长PLS建模的0.2458,0.1224,0.3398,1.1058分别下降到0.1477,0.0801,0.1762,0.7398,下降了40%,35%,48%,33%,相关系数也相应地提高。因此,GWO算法不仅优化速度快、选择变量数少,还可以显著提高PLS模型的预测精度,是一种近红外光谱变量选择的有效方法。