《自适应蚁群优化算法的近红外光谱特征波长选择方法》由会员分享，可在线阅读，更多相关《自适应蚁群优化算法的近红外光谱特征波长选择方法（10页珍藏版）》请在金锄头文库上搜索。
1、-精选财经经济类资料- -最新财经经济资料-感谢阅读- 1 自适应蚁群优化算法的近红外光谱特征波长选择方法1 引言 中国论文网 /8/view-12767074.htm近红外光谱区是指波长在 7802526 nm 范围内的电磁波，是分子 振动光谱倍频和合频吸收谱，具有丰富 的结构和组成信息，可用于碳氢有机物 质的组成与性质的测量。与传统分析技 术相比，近红外光谱具有无损检测、分 析效率高、成本低、重现性好、样品测 量一般不需预处理、适合于现场检测和 在线分析等优势。随着近红外光谱分析 技术、化学计量学和近红外光谱仪器的 快速发展，近红外光谱分析技术已在许 多领域得到广泛应用。借助先进的近红-精
2、选财经经济类资料- -最新财经经济资料-感谢阅读- 2 外光谱仪，研究者可快速获取大量光谱 数据。但物质在该谱区的倍频和合频吸 收信号弱，谱带重叠，解析复杂；且由 于仪器所采集的数据除样品的自身信息 外，还包含了其它无关信息和噪音，如 电噪音、样品背景等，这些信息在预处 理中很难全部消除；其次有些光谱区域 样品的信息很弱，与样品的组成或性质 间相关程度不高；另外，同一样本的光 谱数据内部存在共线性关系，易产生数 据冗余1，2。如果将这些数据都参与 建模，不但计算量大、模型复杂，而且 精度也受到影响。因此，光谱特征变量 优选方法成为提高建模质量的关键环节。目前，近红外光谱的特征变量选 择方面的大
3、量研究主要集中在特征波段 的选择、特征波长的优选及波段和波长 选择相结合的筛选方法。在特征波段的 选择上主要有区间偏最小二乘法 （iPLS）3，4、移动窗偏最小二乘法 （MWPLS） 、向前区间偏最小二乘法-精选财经经济类资料- -最新财经经济资料-感谢阅读- 3 （FiPLS） 、向后区间偏最小二乘法 （BiPLS）和联合区间偏最小二乘法 （SiPLS）5，6等；在特征波长的选择 上主要有遗传算法（GA） 、无信息变量 消除（UVE） 、连续投影算法（SPA）7、 模拟退火算法（SAA）8和粒子群优化 算法（PSO）等4，9。近红外光谱校 正模型建立方法以偏最小二乘法 （PLS）最为经典，且
4、 PLS 应用广泛， 一般认为其具有较强的抗干扰能力，对 非海量数据建模稳定性较好。蚁群优化 算法（Ant colony optimization， ACO）由 Dorigo 等于 20 世纪 90 年代 初提出， 是人工智能或群体智能的新 发展，具有分布计算、信息正反馈和启 发式搜索的特征，已较好的解决旅行商、 通讯、网络路由和定量构效关系等组合 优化问题1012。目前已有学者采用 ACO 算法进行光谱变量的选择1315， 但信息素初始权值的分配有待进一步的 研究。蚁群优化算法结合偏最小二乘法 （ACOPLS）用于近红外光谱的特征波-精选财经经济类资料- -最新财经经济资料-感谢阅读- 4
5、长选择，可实现光谱变量的全局搜索， 建立精度高稳定性强的多元校正模型。 苹果可溶性固形物含量的近红外 光谱检测研究多选取同一产地同批次或 多个批次的苹果样本1618。同一品 种不同产区，因土壤、海拔、光照、水 量、昼夜温差等气候差异， 苹果的外 观特征和风味不同。另外，可溶性固形 物主要是可溶性糖类，包括单糖、双糖， 多糖等，难以直接确定其对应的特征波 长，故需采用优化组合算法寻找光谱中 最相关的信息。鉴于此，本研究利用蚁 群算法启发式全局搜索的特点，结合蒙 特卡罗轮盘赌随机选择机制，选择苹果 可溶性固形物含量的近红外光谱特征波 长，然后用偏最小二乘法建立不同产地 苹果可溶性固形物含量混合分析
6、模型， 以提高近红外光谱预测模型的稳健性和 适用性。 2 实验部分 2.1 实验材料 选用的富士苹果为我国苹果主产-精选财经经济类资料- -最新财经经济资料-感谢阅读- 5 区山东、陕西和特产区新疆，选择无缺 陷、损伤或污染物的苹果共 207 个，随 机挑选 138 个（40 个陕西、48 个山东、 50 个新疆）作为校正集，其余的 69 个 （20 个陕西、24 个山东、25 个新疆） 作为预测集，将它们分别编号后置于 4 冰柜中贮藏。实验前，将苹果从冰柜 取出置于实验室中 12 h，以使苹果样本 整体温度与环境温度一致，试验过程保 持实验室温湿度基本不变。 2.2 光谱采集与标准值测定 2
7、.3.3 目标函数选取在优化过程中， 目标函数表明了个体生存能力和群体的 优化程度。建立一个好的目标函数，可 加快收敛速度，提高计算精度。近红外 光谱多元校正模型建立过程中，常采用 交互验证法来评价模型的预测能力，即 采用预测残差平方和、交互验证均方根 误差、预测均方根误差和待测组分预测 值与实测值间的相关系数等作为目标函 数。本研究以均方根误差 RMSE 为评价 指标，公式（4）中 yi 为样本 SSC 的实-精选财经经济类资料- -最新财经经济资料-感谢阅读- 6 测值，t 为预测值。均方根误差的值越 小，对应校正模型的预测能力越好；并 设置显著性因子 Q，Q 为常数，用于调 整目标函数的
8、收敛效度。 2.3.4 算法流程蚁群优化算法是一 种迭代算法。首先初始化信息素向量等 相关参数，设置最大变量数、最大迭代 次数、最大循环次数、蚂蚁群体大小， 其中初始信息素向量值均置为 1，即每 个变量具有相同的被选择概率；其次， 启动所有蚂蚁，采用蒙特卡洛轮盘转法 随机从变量集中选择一个变量，直到变 量数达到最大变量数，阶段性完成变量 选择后建立偏最小二乘模型，输出均方 根误差；再次，未达到最大迭代次数时， 更新信息素向量，继续进行变量选择并 建立偏最小二乘模型；最后，比较各次 循环次数获得的偏最小二乘模型结果， 输出最优解。 4 结论 利用蚁群优化算法选择苹果可溶 性固形物含量的近红外光谱
9、特征波长，-精选财经经济类资料- -最新财经经济资料-感谢阅读- 7 建立稳健精细的偏最小二乘分析模型。 与全光谱偏最小二乘模型和遗传偏最小 二乘模型相比，蚁群优化算法选择的波 长数最少，且模型预测能力最强，其校 正集相关系数 Rc 和均方根误差 RMSEC 分别为 0.9830 和 0.4615，预测集相关系 数 Rp 和预测均方根误差 RMSEP 分别 为 0.9708 和 0.5144。研究选用 3 个富士 苹果主产地的样本，建立不同产地苹果 可溶性固形物含量混合分析模型，最优 模型具有较高的预测精度，应用近红外 光谱可以建立多产地苹果品质混合分析 模型，具有较好的稳健性和适用性。研 究
10、结果表明，自适应蚁群优化算法可以 有效选择近红外光谱特征波长，简化模 型，提高计算效率，增强模型的稳健性。References 1YANG HaoMin， LU QiPeng， HUANG FuRong. J. Infrared Millim. Waves， 2011， 30（6）： 522-525 2JIN Ye， YANG Kai， WU -精选财经经济类资料- -最新财经经济资料-感谢阅读- 8 YongJiang， LIU XueSong， CHEN Yong. Chinese J. Anal. Chem.， 2012， 40（6）： 925-931 3ZHANG DeQuan， CHEN XiaoNa， SUN SuQin， LI ChunHong， ZHANG BaiLin， LI Yong， LI ShuRong， LI QingPeng， ZHOU HongJie. Spectroscopy and Spectral Analysis， 2008， 28（11）： 2550-2553 4WANG JiaHua， LI PengFei， CAO NanNing， HAN DongHai. J. In
