应用CARS和SPA算法对草莓SSC含量NIR光谱预测模型中变量及样本筛选

• 作者: 张保华 李江波 赵春江 郭志明 黄文倩
• 来源期刊: 光谱学与光谱分析
• 学科: 化学
• 关键词: 变量筛选 样本筛选 近红外光谱 草莓 可溶性固形物
• 年，卷（期）: 2015,（2）
• 页码范围: 372-378
• 页数: 7页
• 分类号: O657.3
• 字数: 5841字
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2015)02-0372-07

摘要

采用光谱技术对水果进行定量或定性分析，如何获得一个简单、有效的校正模型对后续模型的应用和维护都非常关键。以草莓内部品质近红外光谱预测为例，从关键变量和特征样本优选两方面进行研究。采用竞争性自适应重加权CARS算法对光谱变量进行初次选择，随后采用连续投影算法SPA对校正集样本进行优选，获得98个特征样本，针对优选后的变量／样本子集利用SPA 算法作二次关键变量提取，获得25个关键变量。为了验证CARS算法的性能，蒙特卡罗无信息变量消除MC-UVE和连续投影算法SPA用于比较研究。CARS算法在消除无信息变量的同时可以对共线性信息进行去除。同样，为了评估 SPA 算法在特征样本选择中的性能，经典的Kennard-Stone算法也用于比较分析。SPA算法能够用于校正集特征样本的优选。针对最终优选后的变量／样本（25／98）子集建立PLS和 MLR模型对草莓内部可溶性固形物含量SSC 含量进行定量预测。结果表明，两个模型利用原始变量／样本的0．59％／65．33％的信息均能够获得比基于原始变量／样本所建模型更好的性能，且 MLR模型比PLS模型性能略优，r2pre，RMSEP和RPD分别为0．9097，0．3484和3．3278。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵春江	北京市农林科学院北京农业智能装备技术研究中心	26	1520	15.0	26.0
2	李江波	北京市农林科学院北京农业智能装备技术研究中心	6	149	6.0	6.0
3	郭志明	北京市农林科学院北京农业智能装备技术研究中心	3	73	3.0	3.0
4	黄文倩	北京市农林科学院北京农业智能装备技术研究中心	7	158	7.0	7.0
5	张保华	北京市农林科学院北京农业智能装备技术研究中心	5	98	5.0	5.0