PCASVR联用算法在近红外光谱分析烟草成分中的应用.pdfVIP

第27卷，第12期 光谱学与光谱分析 2oo and Decenlber，2007 7年12月 spectroscopyspectralAnalysis PCA—SVR联用算法在近红外光谱分析烟草成分中的应用 刘 旭L2，陈华才¨，刘太昂4，李银玲4，陆治荣4，陆文聪1’2 1．上海大学理学院化学系，上海200444 2．上海大学材料科学与工程学院，上海200027 3．中国计量学院生命科学学院，浙江杭州 310018 4．北京石油化工设计院，北京100101 摘要 由50份烟草样品的近红外漫反射光谱组成的光谱矩阵经过主成分分析降维，采用基于支持向量机 回归(SⅥt)算法，以常规化学分析方法测定的总糖、还原糖、总氮、烟碱的含量为参考值，建立了烟草中主 要成分近红外光谱定量分析定标模型，并采用留一法交叉验证(L00CV)对模型进行验证。以内部交叉验证 预测的RMSE值为判据，从核函数类型、惩罚因子C和不敏感函数e取值等方面对定标模型进行优化，获得 不同成分定标模型的优化参数。烟草总糖、还原糖、总氮、烟碱优化定标模型的RMSE值分别为1．581， 果表明SⅥt模型具有更好的预测效果。 关键词烟草；支持向量机回归(S、佩)；近红外光谱；化学计量学 中图分类号：0657．3文献标识码：A 文章编号：1000-0593(2007)12—2460—04 产生“过拟合”问题。针对此不足，SⅥt采用“e不敏感函数” 引 言 加以解决，因此能够提供高的泛化能力并避免过拟合现象。 s、很建立的曲面模型能有效处理高维输入向量问题。近来 烟碱、总糖、还原糖、总氮的含量是烟草的重要品质指 s、哏等基于“统计学习理论”的新算法也被引入化学计量学、 标，在烟草的选种、种植和加工过程中具有重要意义。但以 材料设计[13’143和光谱处理领域[15’16|。本文利用支持向量机 上成分的常规化学分析法较为费时、费力、成本高，且人为 回归建立烟草中主要成分的近红外光谱定标模型，并与几种 infrared 引入误差较大[1|。近红外光谱(nearspectra，简称 常用算法所建立的模型进行了比较。 NRS)技术具有快速、高效、无损等特点，在农业、食品、石 化、医药、环保等诸领域得到广泛应用[2’3]。在烟草成分检 SⅥ之算法的基本原理 测中也显示了其优越性[4。8]。应用近红外光谱分析技术的关 键是建立稳健的定标模型。近红外光谱分析中常用的定标方 用，(z)拟合目标值弘时，取 法有多元线性回归(MLR)、主成分回归(PCA)和偏最小二乘 回归(P15)。这几种算法对线性和近线性的数据处理较为合 ，(z)一∑(af—a?)K(置，x) 鼬 适，却不太适合于非线性数据的建模[9]。人工神经网络 上式中，啦和口l*为支持向量对应的拉格朗日待定系数， (ANN)处理非线性数据具有一定优势，但训练中容易出现 K(蕾，x)是采用的核函数，工为未知样本的特征矢量，薯为 “过拟合”现象，导致拟合结果优秀而泛化或者预测能力低 支持向量(拟合函数周围的e“管壁”上的特征矢量)，SⅥ为 下[10．11|。 支持向量的数目。目标值挑拟合在I弘一≥：(