版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著現(xiàn)代電子技術(shù)的發(fā)展,近紅外光譜儀器的精密程度越來(lái)越高,采集的光譜數(shù)據(jù)包含的信息也越來(lái)越豐富,但這給化學(xué)計(jì)量學(xué)精確模型的構(gòu)建帶來(lái)了挑戰(zhàn)。為了獲得更為精確的光譜定性定量分析模型,本文針對(duì)近紅外光譜特征變量或特征波長(zhǎng)的優(yōu)選方法進(jìn)行了系統(tǒng)研究。具體研究工作如下:
(1)近紅外光譜數(shù)據(jù)維數(shù)約簡(jiǎn)方法研究。針對(duì)蛋白飼料固態(tài)發(fā)酵過(guò)程光譜數(shù)據(jù),采用譜回歸判別分析(SRDA)法代替?zhèn)鹘y(tǒng)的主成分分析法(PCA)和線性判別分析法(LDA)法對(duì)經(jīng)S
2、NV方法預(yù)處理后的數(shù)據(jù)進(jìn)行維數(shù)約簡(jiǎn),并結(jié)合最近鄰分類算法建立發(fā)酵狀態(tài)識(shí)別模型。為了進(jìn)一步提高識(shí)別模型的精度,研究將自適應(yīng)提升算法(Adaboost)與SRDA-NN方法相結(jié)合,提出了Adaboost-SRDA-NN集成學(xué)習(xí)算法,并與單一的LDA-NN與SRDA-NN兩種模型進(jìn)行比較。研究結(jié)果顯示:經(jīng)SRDA維數(shù)約簡(jiǎn)后的變量個(gè)數(shù)為1,SRDA-NN模型對(duì)測(cè)試集樣本的識(shí)別準(zhǔn)確率達(dá)到了94.28%;從第2輪開(kāi)始,Adaboost-SRDA-N
3、N模型的識(shí)別率就達(dá)到并超過(guò)SRDA-NN模型,從第4輪開(kāi)始,其識(shí)別準(zhǔn)確率達(dá)到了100%且保持到整個(gè)過(guò)程結(jié)束。研究結(jié)果表明:SRDA能夠有效地對(duì)光譜數(shù)據(jù)實(shí)行維數(shù)約簡(jiǎn),降低了模型的復(fù)雜度,提高了模型的識(shí)別率;Adaboost方法具有很好的提升效果,進(jìn)一步提高了SRDA-NN模型的識(shí)別率。
(2)近紅外光譜數(shù)據(jù)特征波長(zhǎng)選擇方法研究。針對(duì)蛋白飼料固態(tài)發(fā)酵過(guò)程光譜數(shù)據(jù),采用基于穩(wěn)定性競(jìng)爭(zhēng)自適應(yīng)重加權(quán)采樣法(SCARS)代替常用的連續(xù)投影
4、法(SPA)、蒙特卡羅無(wú)信息變量篩選法(MC-UVE)和競(jìng)爭(zhēng)自適應(yīng)重加權(quán)采樣法(CARS)對(duì)經(jīng)MSC方法預(yù)處理后的數(shù)據(jù)進(jìn)行特征波長(zhǎng)篩選,結(jié)合PLS方法建立發(fā)酵過(guò)程參數(shù)pH參數(shù)檢測(cè)模型,并對(duì)測(cè)試集樣本進(jìn)行預(yù)測(cè)。為了進(jìn)一步驗(yàn)證SCARS方法的泛化能力,分別結(jié)合支持向量機(jī)(SVM)以及最小二乘支持向量機(jī)(LSSVM)兩種非線性方法進(jìn)行建模,并比較不同變量篩選方法下的SVM和LSSVM模型效果。研究結(jié)果顯示:SCARS方法挑選出21個(gè)波長(zhǎng)參與檢
5、測(cè)模型構(gòu)建,與其他PLS模型相比,SCARS-PLS模型具有最佳的預(yù)測(cè)效果,其預(yù)測(cè)均方根誤差(RMSEP)為0.0543,相關(guān)系數(shù)Rp為0.9908。SCARS結(jié)合SVM和LSSVM模型的預(yù)測(cè)效果均優(yōu)于其他三種變量篩選方法的SVM和LSSVM模型,其中SCARS-SVM模型的預(yù)測(cè)效果最佳,其預(yù)測(cè)均方根誤差(RMSEP)為0.0501,相關(guān)系數(shù)Rp為0.9926。研究結(jié)果表明,SCARS策略能有效篩選近紅外光譜特征波長(zhǎng)變量。
本
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 近紅外光譜特征變量選擇方法研究.pdf
- 近紅外光譜校正模型建立與波長(zhǎng)選擇方法的研究.pdf
- 近紅外光譜變量選擇和建模方法研究.pdf
- 15702.近紅外光譜分析中模型傳遞與特征波長(zhǎng)選擇方法研究
- 近紅外光譜
- 近紅外光譜無(wú)創(chuàng)血糖檢測(cè)中的偶然相關(guān)及波長(zhǎng)選擇的研究.pdf
- 近紅外光譜建模方法及溫度效應(yīng)研究.pdf
- 近紅外光譜品質(zhì)檢測(cè)方法研究.pdf
- 功能近紅外光譜成像研究及應(yīng)用.pdf
- 近紅外光譜非線性建模方法研究.pdf
- 近紅外光譜的信息特征提取.pdf
- 柑桔黃龍病葉近紅外光譜特征及藥效評(píng)價(jià)應(yīng)用.pdf
- 近紅外光譜新型建模方法與應(yīng)用基礎(chǔ)研究.pdf
- 掃頻多波長(zhǎng)光源在近紅外光譜儀中的應(yīng)用.pdf
- 近紅外光譜的特征提取及其分類應(yīng)用研究.pdf
- 近紅外光譜微量分析方法研究.pdf
- 巴戟天近紅外光譜的研究.pdf
- 近紅外光譜多元校正模型傳遞方法的研究.pdf
- 基于紅外光譜SIMCA方法的研究及應(yīng)用.pdf
- 黃酒品質(zhì)和酒齡的近紅外光譜分析方法研究.pdf
評(píng)論
0/150
提交評(píng)論