基于模拟退火算法优化波长的面粉品质检测

摘要：

模拟退火算法(simulated annealing algorithm,SAA)是一种随机搜索、全局优化算法,为提高近红外光谱检测面粉品质模型的准确度与稳健性,实验提出基于SAA优化波长,再结合偏最小二乘(partial least squares,PLS)法建模预测的定量模型,并对SAA中冷却进度表参数设置进行对比分析.实验依据面粉中灰分含量梯度,随机选取126份样本的近红外光谱建立SAA-PLS模型.结果发现,SAA从2 074个波数优选出70个波数,结合PLS建立的定量模型相关系数为0.976 0,交互验证均方根误差(root mean square error of cross validation,RMSECV)为0.022,预测均方根误差(root mean square error of prediction,RMSEP)为0.030 1,全谱建立的PLS模型相关系数为0.778 5,RMSECV为0.066 6,RMSEP为0.076 8.结果表明,基于SAA优化特征谱区,建立灰分定量模型是可行的,且准确度与稳健性明显优于全谱定量分析模型.

关键词：模拟退火算法、偏最小二乘法、面粉、近红外光谱、定量分析

所属期刊栏目：37

分类号：S03

资助基金：北京市教委科研计划重点项目KZ201310011012;北京市教委科技创新平台建设项目PXM_2012_014213_000023;北京市自然科学基金项目4142012;北京市优秀人才资助项目2012D005003000007

在线出版日期：2016-07-29（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：208-211