基于GA和SCMWPLS算法的NIR光谱信息变量提取研究

摘要：

光谱数据压缩、信息变量提取是近红外应用研究的热点,是简化模型、提高预测精度的重要手段.本文以杏可见/近红外光谱为例,采用二阶导数、标准化和正交信号校正(OSC)处理以滤除光谱与浓度阵无关的信号;使用SCMWPLS选择出880,894～910和932 nm为建模区间建立PLS预测模型,其相关系数(R)、校正误差(SEC)和预测误差(SEP)分别为0.920,0.454和0.470;进行独立运行GA程序100次,依次选择入选频率较高的2个波长点888和900 nm作为回归变量,建立GA-MLR预测模型,其R,SEC,SEP分别为0.905,0.488和0.459,均优于全谱的偏最小二乘建模结果.结果显示.OSC可以滤除光谱与浓度阵无关的信号,减少建立模型所用的主因子数;SCMWPLS和GA可以寻找最优信息变量组合.该方法对于建立低维度、高精度近红外快速分析模型具有普遍参考意义.

关键词：近红外光谱、变量提取、正交信号校正、区间组合移动窗口偏最小二乘法、遗传算法、杏

所属期刊栏目：30

分类号：O657.3(分析化学)

资助基金：国家自然科学基金项目30571073;国家科技支撑计划项目2006BAD05A06

在线出版日期：2010-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：915-919