基于移动窗口-迭代遗传算法的近红外光谱波长选择方法-基于.pdfVIP

维普资讯 第34卷 分析化学 (FENXIHUAXUE) 研究报告 特 f1j 2006年9月 ChineseJournalofAnalyticalChemistry S123～ 126 基于移动窗口一迭代遗传算法的近红外光谱波长选择方法 成 飙 陈德钊 吴晓华 (浙江大学化学 程与生物T程学系，杭州 310027) 摘 要 光谱样本数据常会受到环境噪声和其它组分的十扰 ，应作波K选择 ，以提高分析精度 近红外光谱 潜区宽，搜索空间过大，难以直接采用遗传算法进行波长选择。为此本研究提HJ先用移动窗r_1偏最小 乘法 (MWPLS)从宽谱区中初选}n信息区间，再采用改进的迭代遗传算法 (1GA)从中选f}I报优的f．；息子 问 MWPLS用移动窗 口沿全谱区扫描，对信息区间的定位效果好，而 IGA将顾及光谱数据的连续卡I1关特性，运{ 多轮GA，并以上轮选择结果平滑处理后作为先验知识支持下轮的种群初始化。由此选…的连续卡f{邻的波K 点作为自变量 ，进行P1S建模，既可显著地简化模型，义保留一定的数据冗余，模型的稳健性好．分析精度高。 将其用于小麦水分的近红外分析，效果 良好，预测性能明显优于其它方法。 关键词 近红外光谱 ，波长选择 ，移动窗口，偏最小二乘，遗传算法 1 引 言 近红外分析因其快速简便等优点被广泛应用于石油化工、高分子、食品和医药等行、，女l1检测组分 含量、汽油辛烷值、干点等。近红外光谱信号除样品信息外，还包含其他无关信息和噪声。近红外分析 通常采用线性模型，而波长选择能够剔除与待分析性质无关或呈非线性l芙系的波长点，从而可提高分析 精度，简化分析模型_JJ。波长选择的实质是搜寻波长点，即建模变量的最优组合，使所建预测模型的预 报误差最小。常用方法有：专家选择 ，即凭借专家的经验选定；数学优化选择法，从绢合优化 发，主要 有模拟退火 、禁忌搜索 和遗传算法 等；有效信息区间定位法，分别考察所划分的符波长Ⅸ ， 从中挑选较优者，其中饱含适于建模预测的有效信息，称为信息区间(informationregi~Ⅲ)，主要有I日『J偏 最小二乘(intervalPLS，iPIs)…，移动窗I=1偏最小二乘 (MovingWindowPLS，MWPIS) 等。七述方法 各有优缺点，后两类可 自动选择，无需领域专家介人。但是区间定位法往往只是粗略仙汁， 最优选 择。而经典的数学优化法未考虑光谱数据连续相关性的特点，以其优选的波长点建模，稳健性较差。光 谱数据的连续相关性是指人选的波长点具有高信息量 ，其邻域内的波长点也具有较高信息 ，将这 商 信息最的波长点都引进模型，有一定的数据冗余，可提高模型的抗干扰能力，使之更其稳健性 。 近年来遗传算法用于波长选择的研究逐步深入，得到广泛应川。为避免搜索空 过_火而影响寻优 效果，常要求原始波长点数不超过200。近红外谱区为700～2500am，波长点可达上T-个，不宜直接采 用GA选择。本研究拟先用MWPLS定位出若干信息区间，运用考虑了连续相关性的改进的迭代遗传算 法(IGA)从中选出波长点，并可在两种方法间调整，最后基于选出的波长点构建偏最小_乘 (PLS)预测 模型，记为MWPLS．IGA法。测定小麦水分含量的实例表明该法所建模型预测精度高，稳健性 良好 2 算法部分 2．1 移动窗口偏最小二乘法用于信息区间定位 iPIS法将全波段等分成 ／v个区间，在各区间内进行 PLS建模，选择预测误差小的区间，组合后建 模。iPLS法对区间宽度敏感，且等分区间的位置已同定，它们不一定 好为信息区问。为此 MWPIS法 并不固定待选区间的起点，而将区间以窗口形式沿全波段渐进移动，有助于确定信息区问 谱区窗口宽度为 ，第 个窗口始于第 i波长点，止于第 i+W一1波长点，第 i箭L_』的响应矩阵为 ， 是整个光谱响应矩阵 的一个分块，以交叉验证方式建立 与待测性质向量C的PIS模 ： 2005-06．20收稿 ；2005．1l·l4接受 本文系浙江省重点科技项 口基金资助 (No．2004C21SAl20002)