基于遗传算法的多目标最小二乘支持向量机在近红外多组分定量分析中的应用

摘要：

近红外（NIR）定量分析通常涉及多个组分，采用遗传算法和自适应建模策略，建立了能够对多组分同时定量的多目标最小二乘支持向量机（LS-SVM ），并将其应用于玉米中四个组分和连翘中两个活性成分的NIR分析。结果表明多目标遗传算法配合自适应建模策略可保证优化收敛于全局最优解。所建玉米多目标LS-SVM模型明显优于PLS1和PLS2模型；连翘多目标LS-SVM 模型与PLS模型均可取得较好的校正和预测效果。两组数据中，径向基神经网络（RBFNN ）模型均出现过拟合现象。多目标 LS-SVM 和单目标LS-SVM性能相近，但多目标LS-SVM建模运行一次即可得到结果，在NIR多组分定量分析中具有潜在应用优势。

关键词：多目标最小二乘支持向量机、遗传算法、近红外、多组分定量、自适应建模

分类号：O657.3(分析化学)

资助基金：国家“重大新药创制”科技重大专项2010ZX09502-002

在线出版日期：2014-03-15（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：638-642