近红外光谱结合变量优选和GA-ELM模型的干制哈密大枣水分含量研究

• 作者: 孙静涛 李小霞 李玉洁 王文霞 罗秀芝 雷声渊 马本学
• 来源期刊: 光谱学与光谱分析
• 学科: 化学
• 关键词: 近红外光谱 哈密大枣 水分含量 特征波长 极限学习机(ELM)
• 年，卷（期）: 2020,（2）
• 页码范围: 543-549
• 页数: 7页
• 分类号: O657.3
• 字数: 5814字
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2020)02-0543-07

摘要

水分含量是哈密大枣干制过程中的重要指标,对其外观、口感、贮藏和运输具有重要的影响.因此,为实现哈密大枣水分含量的准确预测,采用近红外光谱结合变量优选方法,建立干制哈密大枣水分含量的GA-ELM预测模型.为提高模型的稳定性和预测精度,开展并讨论了核函数和神经元个数对GA-ELM预测模型的影响.采用多种预处理方法对全波段光谱进行处理,对比分析发现标准正态变换方法(SNV)效果最佳.对标准正态变换处理后的光谱利用连续投影算法(SPA)、联合区间偏最小二乘(si-PLS)和遗传算法(GA)及其组合算法分别从全波段927.77～2501.14 nm范围内筛选特征波长,并建立对应GA-ELM预测模型,同时与全波段的GA-ELM模型效果相比较,采用SNV+SPA筛选的14个特征波长建立的GA-ELM模型效果最佳,预测结果Rc和Rp分别为0.9842和0.9675,RMSEC和RMSEP分别为0.0061和0.0079,RPD为3.6788.研究结果表明:SNV+SPA+GA-ELM方法可实现干制哈密大枣水分含量的准确预测,为近红外光谱技术应用于干制哈密大枣在线检测提供了参考.