应用CARS和SPA算法对草莓SSC含量NIR光谱预测模型中变量及样本筛选
  • 【摘要】

    采用光谱技术对水果进行定量或定性分析,如何获得一个简单、有效的校正模型对后续模型的应用和维护都非常关键。以草莓内部品质近红外光谱预测为例,从关键变量和特征样本优选两方面进行研究。采用竞争性自适应重加权CARS算法对光谱变量进行初次选择,随后采用连续投影算法SPA对校正集样本进行优选,获得98个特征样本,针对优选后的变量/样本子集利用SPA 算法作二次关键变量提取,获得25个关键变量。为了验证CAR... 展开>>采用光谱技术对水果进行定量或定性分析,如何获得一个简单、有效的校正模型对后续模型的应用和维护都非常关键。以草莓内部品质近红外光谱预测为例,从关键变量和特征样本优选两方面进行研究。采用竞争性自适应重加权CARS算法对光谱变量进行初次选择,随后采用连续投影算法SPA对校正集样本进行优选,获得98个特征样本,针对优选后的变量/样本子集利用SPA 算法作二次关键变量提取,获得25个关键变量。为了验证CARS算法的性能,蒙特卡罗无信息变量消除MC-UVE和连续投影算法SPA用于比较研究。CARS算法在消除无信息变量的同时可以对共线性信息进行去除。同样,为了评估 SPA 算法在特征样本选择中的性能,经典的Kennard-Stone算法也用于比较分析。SPA算法能够用于校正集特征样本的优选。针对最终优选后的变量/样本(25/98)子集建立PLS和 MLR模型对草莓内部可溶性固形物含量SSC 含量进行定量预测。结果表明,两个模型利用原始变量/样本的0.59%/65.33%的信息均能够获得比基于原始变量/样本所建模型更好的性能,且 MLR模型比PLS模型性能略优,r2pre,RMSEP和RPD分别为0.9097,0.3484和3.3278。 收起<<

  • 【作者】

    李江波  郭志明  黄文倩  张保华  赵春江 

  • 【作者单位】

    北京市农林科学院北京农业智能装备技术研究中心

  • 【刊期】

    光谱学与光谱分析 ISTIC PKU 2015年2期

  • 【关键词】

    变量筛选  样本筛选  近红外光谱  草莓  可溶性固形物  Variable selection  Sample selection  Near-infrared spectra  Strawberry  Soluble solids content 

  • 【基金项目】

    北京市博士后科研活动经费(2013ZZ-70) 中国博士后科学基金项目(2012M520193) 国家自然科学基金项目(31301236)