基于主成分分析和小波神经网络的近红外多组分建模研究

• 作者: 姚鑫锋 姚霞 曹卫星 朱艳 汤守鹏 田永超
• 来源期刊: 分析化学
• 学科: 化学
• 关键词: 小波神经网络 主成分分析 近红外光谱 小麦叶片 全氮 可溶性总糖
• 年，卷（期）: 2009,（10）
• 所属期刊栏目: 研究报告
• 页码范围: 1445-1450
• 页数: 6页
• 分类号: O6
• 字数: 4776字
• 语种: 中文
• DOI: 10.3321/j.issn:0253-3820.2009.10.008

摘要

将小麦叶片原始光谱经过预处理后,采用主成分分析(PCA)对数据进行降维,取前3个主成分输入小波神经网络,建立了基于主成分分析和小波神经网络的近红外多组分预测模型(WNN);进一步研究了小波基函数个数的选取(WNN隐层节点数)对小波神经网络模型性能的影响,并将WNN模型与偏最小二乘法(PLS)和传统的反向传播神经网络(BPNN)模型进行了比较.结果表明,所建立的WNN模型能用于同时预测小麦叶片全氮和可溶性总糖两种组分含量,其预测均方根误差(RMSEP)分别为0.101%和0.089%,预测相关系数(R)分别为0.980和0.967.另外,在收敛速度和预测精度上,WNN模型明显优于BPNN和PLS模型,从而为将小波神经网络用于近红外光谱的多组分定量分析奠定了基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹卫星	南京农业大学江苏省信息农业高技术研究重点实验室	295	13282	68.0	99.0
2	朱艳	南京农业大学江苏省信息农业高技术研究重点实验室	113	2719	28.0	45.0
3	田永超	南京农业大学江苏省信息农业高技术研究重点实验室	45	1632	23.0	40.0
4	姚霞	南京农业大学江苏省信息农业高技术研究重点实验室	32	921	16.0	30.0
5	汤守鹏	南京农业大学江苏省信息农业高技术研究重点实验室	2	47	2.0	2.0
6	姚鑫锋	南京农业大学江苏省信息农业高技术研究重点实验室	1	38	1.0	1.0