基于灰狼算法的近红外光谱变量选择方法研究

• 作者: 卞希慧 徐沛 杨盛 武新燕 王海涛
• 来源期刊: 分析测试学报
• 学科: 化学
• 关键词: 近红外光谱 变量选择 灰狼算法(GWO) 偏最小二乘(PLS)
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 研究报告
• 页码范围: 1288-1292
• 页数: 5页
• 分类号: O657.33|O629.73
• 语种: 中文
• DOI: 10.3969/j.issn.1004-4957.2020.10.016

摘要

基于群体智能的灰狼优化(GWO)算法具有参数少、结构简单、易于实现的优点,但在光谱领域的应用较少.该研究将GWO算法引入近红外光谱的变量筛选中,以玉米数据为例,考察了GWO算法中狼群性能、迭代次数、狼群数量及运算效率,并建立了偏最小二乘(PLS)模型对玉米样品中蛋白质、脂肪、水分以及淀粉含量的测定.结果 显示,GWO算法运算效率很高,经过参数调优后建立PLS模型,其蛋白质、脂肪、水分及淀粉的保留变量数分别为19、19、14、34,预测均方根误差(RMSEP)从全波长PLS建模的o.245 8、0.122 4、0.339 8、1.105 8分别下降到0.147 7、0.080 1、0.176 2、0.739 8,分别下降了40％、35％、48％、33％,相关系数也相应地提高.因此,GWO算法不仅优化速度快,选择变量数少,还可以显著提高PLS模型的预测精度,是一种近红外光谱变量选择的有效方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨盛		5	9	1.0	3.0
2	武新燕		1	0	0.0	0.0
3	卞希慧		1	0	0.0	0.0
4	徐沛		1	0	0.0	0.0
5	王海涛		1	0	0.0	0.0