遗传模拟退火算法在玉米秸秆纤维素含量检测中的应用

• 作者: 谢欢 陈争光
• 来源期刊: 分析化学
• 关键词: 近红外光谱 玉米秸秆 纤维素 联合区间偏最小二乘法 遗传模拟退火算法
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 研究报告
• 页码范围: 1987-1994
• 页数: 8页
• 字数: 6501字
• 语种: 中文
• DOI: 10.19756/j.issn.0253-3820.191131

摘要

利用近红外光谱分析方法预测了玉米秸秆纤维素的含量.针对近红外光谱的高维高相关性的特点,探讨在对玉米秸秆纤维素建立偏最小二乘(PLS)预测模型时的特征波长筛选问题.首先探讨了联合区间偏最小二乘法(SIPLS)和后向区间偏最小二乘法(BIPLS)的区间划分数对算法效果的影响.在SIPLS和BIPLS的基础上,利用遗传模拟退火算法(GSAA)进行二次特征波长筛选,进一步提高模型的预测精度和建模效率.结果表明:相对于PLS方法,3种算法单独使用均能够提高所建模型的预测精度,但是SIPLS、BIPLS两种算法的效果在很大程度上受区间划分数的影响.BIPLS模型的预测集均方根误差(RMSEP)虽然最小,但选择的变量数多达485个,影响模型的建模效率.在SIPLS和BIPLS的基础上,利用GSAA进行二次特征波长筛选,相较于BIPLS,BIPLS-GSAA模型的RMSEP虽略增大,但其输入变量减小到134个,而建模的主成分数也由11降为10个.相较于SIPLS,SIPLS-GSAA模型的输入变量仅为34个,预测精度得到了提升,实验结果表明,SIPLS-GSAA模型的预测效果最好.基于SIPLS和BIPLS上的GSAA对光谱数据进行二次筛选不仅能简化模型的输入,而且能有效提升模型的预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈争光	黑龙江八一农垦大学电气与信息学院	50	129	6.0	8.0
2	谢欢	黑龙江八一农垦大学电气与信息学院	2	0	0.0	0.0