基于BOSS的小麦水分近红外光谱分析方法研究

摘要：

小麦水分含量是评估小麦品质的重要指标,近红外光谱技术可以同时、快速、无损的对小麦水分含量进行检测与定量分析.基于模型集群分析(M P A)思想,结合引导软阈值算法(B O S S)对光谱变量进行选择,通过子模型回归系数得到变量权重,采用加权引导采样(W B S)逐步校正优化变量权重,收缩变量空间,选取交叉验证均方根误差(RMSECV)较小的子集为最优变量集,以此建立回归预测模型.结果显示,与全光谱模型相比,利用BOSS算法选择的特征变量建模,可以将预测均方根误差(RMSEP)由0.4717下降到0.2249,预测精度提高了52.3％,极大程度简化了模型,提高了模型预测能力.

关键词：小麦水分、近红外光谱、模型集群分析、变量选择

所属期刊栏目：43

分类号：O657.33(分析化学)

资助基金：吉林省科技发展计划项目20190701024GH

在线出版日期：2020-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-6