基于独立分量和神经网络的近红外多组分分析方法

摘要：

采用小波变换对光谱数据进行压缩,用独立分量分析(ICA)方法提取近红外光谱数据矩阵的独立成分和相应的混合矩阵,再用:BP神经网络对混合矩阵和实测浓度矩阵进行建模,提出了基于独立分量分析-神经网络回归(ICA-NNR)的近红外分析建模方法.进一步研究了独立分量数和网络中间隐层的神经元数对模型性能的影响,经优化后的ICA-NNR模型在相关系数与均方根误差两个指标上均优于直接用光谱矩阵作为输入所建立的模型.本方法用于玉米中水分、淀粉、蛋白质3种主要成分含量的同时测定,检验样品集的化学检测值与近红外预测值的相关系数分别达到:淀粉,=0.971,蛋白质,=0.976,水分,=0.975.

关键词：独立分量分析、神经网络、小波变换、近红外光谱、玉米样品

所属期刊栏目：36

分类号：TP3;O21

资助基金：浙江省科技厅重点项目2006C21044

在线出版日期：2008-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：815-818