10.3964/j.issn.1000-0593(2016)08-2437-05
联合区间高斯过程的近红外光谱波长选择方法及应用
针对近红外光谱应用,提出了一种基于高斯过程(GP)模型的波长选择算法,即联合区间高斯过程(synergy interval gaussian process,siGP)算法。首先将全光谱区域划分为一系列无重复且间距相等的区间,再选取最优的若干个区间联合建立 GP 模型,由于 GP 模型具有非线性处理能力,因此该方法可以减少非线性的影响。以红曲菌固态发酵过程中过程参数水分含量和 pH 值的检测为例,新算法对水分含量、pH 值的预测集相关系数(r p )分别为0.9564和0.9773,预测均方根误差(RMSEP)分别为0.0127和0.1610,参与建模的数据点由全谱的1500个分别减少到225个、375个,在对独立样本的预测上,表现出较好的精度。与传统联合区间偏最小二乘(siPLS)波长选择算法对比,siGP 算法预测效果更好:对水分含量和 pH 值,r p 在GP 模型预测时提高了3.37%和3.51%,RMSEP 在 GP 模型预测时提高了29.4%和34.8%。表明 siGP 结合 GP 模型能够有效选择波长区间以及提高近红外模型的准确性,对进一步实现近红外光谱技术在线检测具有参考价值。
近红外光谱、高斯过程模型、联合区间高斯过程(siGP)、红曲菌、水分含量、pH值
36
O657.33(分析化学)
国家自然科学基金项目NSFC 61273087;江苏省产学研前瞻性联合研究项目BY2013015-27
2016-09-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
2437-2441