基于PLS投影分析的光谱波段选择方法.pdfVIP

第29卷，第2期 光谱学与光谱分析 2009年2月 and February，2009 SpectroscopySpectralAnalysis 基于PLS投影分析的光谱波段选择方法 淡图南，戴连奎。 浙江大学工业控制技术国家重点实验室，浙江杭州310027 摘要光谱测量数据需要对其进行波长选择以提高模型预测精度和简化模型。文章提出了一种基于PLS 投影相关系数的快速、准确的波段选择方法，它计算某波长点光谱数据对待测组分浓度向量的影响时，考虑 了该波长点光谱数据的变化量与光谱PLS回归系数向量在该波长点的投影分量的共同影响。与传统相关系 数方法想比较，该方法明显地改善了分析模型的稳健性并大幅度地压缩了建模所需的波长点数。对208个 汽油样本的实验表明，经过PLS投影相关系数方法进行光谱波段选择后的光谱波长点数占全谱的比例下降 mean errorofcross 至30％，交互验证均方根偏差(rootsquare validation，RMSECV)由未经过波长选择时的 0．44降至0．34。该方法可广泛应用于各类光谱定量分析中的波长选择与数据压缩。 关键词光谱分析}波段选择；近红外；部分最tb--乘；汽油辛烷值 中图分类号：0657．3文献标识码：A 此，这种方法选取的变量大多数情况下不是最优的。GA比 引 言 较容易收敛到全局最优，但是由于GA的随机性，无法保证 每次波长选择结果的一致，而且其迭代过程要花费大量的时 光谱技术作为一种非破坏性、高可靠性的快速检测技 间，限制了它的使用。 术，具有极大的应用价值[1]。在光谱的定量分析应用中，大 本文提出了一种基于PLS投影分析的波段选择方法。它 lin- 首先对光谱阵进行PLS回归，得到待测组分浓度向量在光谱 多采用多元线性回归、主成分回归和偏最小二乘(partial ear 阵上的投影权重向量，使用该权重向量与光谱阵每个波长点 squares，PLS)等线性方法建立定量校正模型，然后用校 正模型和待测样本的光谱来预测待测样本的属性参数。 的光谱数据变化量的标准差进行点积，得到每个波长点的 传统观点认为PLS具有较强的抗干扰能力，可全谱参与 PLS投影系数；再对该投影系数曲线进行均值滤波；最后使 多元校正模型的建立r引。随着对PLS方法的深入研究和应用滤波后得到的曲线进行波段选择，有效地提高了模型精度 用，通过特定方法筛选特征波长或波长区间，使用光谱中那 并大幅度地压缩了建模所需的波长点数。 些与待测组分属性相关性好、有效信息量大的谱段进行建 模，有可能得到更好的定量校正模型[3]。波长选择一方面可 1 PLS投影分析算法 以简化模型，更主要的是由于不相关或非相关变量的剔除， 可以得到预测能力强、稳健性好的校正模型[4]。 对于光谱阵x∈舻轴与待测组分浓度向量，∈舻×1，分 多元校正分析的波长选择方法主要有相关系数法[5]、方 别进行列方向求均值，可得墨(歹一l，2，…，n)和歹，其中m， 差分析法、逐步回归法[6】、遗传算法(geneticalgorithms，11分别表示样本数和光谱原始波长点数。定义jX垒{AXi．j GA)c71等。相关系数法通过计算和选取光谱阵各个波长点数=X√一蜀I 据与组分浓度数据的相关系数实现波长选择。但是，简单地 一歹j i=1，2’．．·，优)，分别表示均值化后的光谱阵x和浓度 计算各波长点光谱数据与待测组分浓度数据的线性相关性， 向量y。 容易引入噪声数据。方差分析法通过对校正集光谱阵在各