双层PLS算法及其在近红外光谱分析中的应用.pdfVIP

第27卷，第6期 光谱学与光谱分析 200 a11d 7年6月 SpectroscopySpectralAnalySis June，2007 双层PLS算法及其在近红外光谱分析中的应用 成 忠 浙江科技学院生物与化学工程学系，浙江杭州 310012 摘 要针对近红外光谱数据局部效应显著，变量个数多，且彼此间常存在严重的复共线性，并与样品组分 含量呈非线性关系，构建了一种双层非线性偏最小二乘回归(DNPLSR)算法。它将非线性回归和偏最小二 乘(PLS)相结合，先在外层由PLS从样本数据中提取成分，并实现每对成分间的非线性映射，再在内层实施 PLs算法，将外层因变量成分的拟合误差反馈计算转换权向量的增量，进一步修正转换权向量，以使外层所 提取的成分对因变量具有更优的解释能力。最后，将该法应用于80个谷物样品的水组分含量与其近红外光 谱的定量关系建模，效果良好，显示出很强的学习能力，所建模型的预报性能也优于其他方法。 关键词 偏最小二乘；非线性回归；误差反馈；算法修正；近红外光谱；定量分析 中图分类号：0657．3文献标识码：A 文章编号：1000．0593(2007)06—1127一04 物样品的水组分含量与其近红外光谱的定量关系建模，以考 引 言 察DNPLSR校正模型的预测性能。 现代近红外光谱，作为一种间接分析技术，将建立校正 1 DNPLSR方法的构建 模型，实现对未知样品的定量分析。由于近红外光谱通常局 1．1 N】[PALS方法 部效应显著，且随着波长范围内频道(charulel)数的增多，会 产生严重的复共线性，这将影响建模的稳定性。另外，样品 设样本由竹×p维自变量阵x和行×q维因变量阵y构成， iterative 组分含量又多与其近红外光谱呈非线性关系。鉴于此，近红 线性PIS常用非线性迭代偏最小二乘(n0Illinear 外光谱适宜选用非线性偏最小二乘回归(non-linearpartialpartialleast 1east squaresregression，NPLSR)方法快速地为其建立定量 关系模型，进而实现物质组成的实时检测[1‘3]。 中将对提取的成分∥，H“’与转换权向量w(。和载荷向量q“’ 近来一些学者，针对目前的各种NPLSR方法，外层的进行迭代，以从白、因变量矩阵ⅪH’，l，(卜1’中提取成对成 PLS算法与内层的非线性映射互不关联，提出了它们各自的 分f“’，H“’。在外循环中将对f“’，H“’，进行线性回归，其回 改进算法，如基于误差修正的二次多项式偏最小二乘(error-归系数为护，回归估计值为五“’，并从Ⅺ卜1’中消去f“’，成 based quadraticPLS，EBQPLS)[4]、神经网络偏最小二乘为密。，从F卜1’中消去五“’，成为Fo。常用交叉验证方式 neural (errorIbasednetworks，EBNNPLS)[5】、模糊逻辑偏(Cross 最小二乘(erro卜basedadaptivefuzzyPLS，EBAFPLS)等方防过拟合，使模型有良好的预报性能。最终得到自变量成分 法[6]，它们在对PLs算法提取的成对成分实施非线性映射 后，将因变量成分的拟合误差用于反馈计算PLS算法中转换 …，∥”]，以及因变量成分矩阵u=[Hn’，H。’，…，“瓶’]， 权向量的增量，以提高成分对因变量的解释能力。 然而，在应用上述各种NPLSR的改进算法处理强相关 性的样本数据时，仍可能因严重的复共线性而导致计算出的 数矩阵c=(w(PT*w)_1曰7)盯。 转换权向量的增量不稳定。为此，本