基于样本选择与PSO-ANN的葡萄酒酒精浓度预测

• 作者: 王巧云 郑念祖
• 来源期刊: 东北大学学报（自然科学版）
• 学科: 化学
• 关键词: 样本选择算法 群体智能算法 BP神经网络 拉曼光谱 葡萄酒 粒子群优化
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 信息与控制
• 页码范围: 970-975
• 页数: 6页
• 分类号: O657.37
• 字数: 4860字
• 语种: 中文
• DOI: 10.12068/j.issn.1005-3026.2018.07.012

摘要

为了提高拉曼光谱定量分析模型的准确性以及稳健性,提出了一种新的样本选择算法——KM法.实验中以40组葡萄酒光谱为分析对象,将KM法与传统的RS,KS,SPXY样本选择算法相比较.实验结果表明: KM法获得的|RMSEP-RMSEC|要优于其他三种方法,剩余预测偏差( RPD)存在显著性差异,说明KM法具有很好的预测准确度.同时,针对BP神经网络易陷入局部极值的问题,将粒子群优化算法用于优化人工神经网络的参数(PSO-ANN),通过与遗传算法、人工鱼群算法及混合蛙跳算法比较,发现PSO-ANN较之于其他三种方法,能够提高BP神经网络泛化性能,具有收敛速度快、稳健性强及预测精度高等优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王巧云	东北大学信息科学与工程学院	5	8	1.0	2.0
2	郑念祖	东北大学信息科学与工程学院	2	4	1.0	2.0