10.13842/j.cnki.issn1671-8151.202210013
基于EOBL-AO的牛奶脂肪含量预测模型
[目的]牛奶中的脂肪是人所必不可少的营养物质,试验对牛奶脂肪含量进行研究,利用高光谱成像系统获取试验数据.[方法]首先,分别对经过多元散射校正(Multiplicative Scatter Correction,MSC)、变量标准化(Standard Normal Variate transform,SNV)、移动平均法(Moving Average,MA)和平滑滤波法(Savitzky-Golay,SG)四4种预处理方法得到的数据建立偏最小二乘回归(Partial Least Squares Regression,PLSR)模型,通过比较模型的评价参数得出最佳的预处理方法SNV进行接下来的操作.其次,对SNV预处理后的数据分别采取连续投影算法(successive projec-tions algorithm,SPA)、竞争性自适应重加权算法(competitive adapative reweighted sampling,CARS)和主成分分析方法(Principal Component Analysis,PCA)进行特征选择操作并建立支持向量回归机(Support Vector Regression,SVR)模型,通过比较模型的预测精度及运行所需要的时间,得出较好的特征选择方法PCA.最后,对特征选择后的数据建立SVR模型,以达到分析牛奶中脂肪含量的目的.由于SVR模型本身的预测精度较低,本文提出一种EOBL-AO算法对SVR模型进行优化,为了检验EOBL-AO的优化效果,将该算法优化后的模型与遗传算法(Genetic Algorithm,GA)、哈里斯鹰优化算法(Harris Hawks Optimization,HHO)、天鹰座优化器(Aquila Optimizer,AO)等算法优化后的SVR模型进行比较.[结果]经EOBL-AO优化后的SVR模型的预测精度更高,且运行所需要的时间更短.[结论]利用精英反向学习(Elite Opposition-Based Learning,EOBL)改进AO是可行性的,改进后的AO算法具有更好的优化效果.
天鹰优化器、精英反向学习、主成分分析、模型优化、哈里斯鹰算法
42
O657.3;S24(分析化学)
内蒙古农业大学青年教师科研能力提升专项;国家自然科学基金;内蒙古科技厅关键技术攻关项目;内蒙古自治区自然科学基金项目;内蒙古教育厅项目
2023-03-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
40-45