离散小波变换2遗传算法2交互检验法用于近红外光谱数据的高倍压缩与变量筛选.PDFVIP

第 33卷 分析化学 ( FENX I HUAXU E) 　研究报告 第 2 期 　　　　　　　　　　　　 　　　　　　　　　　　　 2005年 2 月 Ch ine se Jou rnal of A nalytical Chem istry 191～194 离散小波变换 遗传算法 交互检验法 用于近红外光谱数据的高倍压缩与变量筛选 王国庆 　邵学广 (中国科学技术大学化学系 ,合肥 230026) ( ) ( ) ( ) 摘 　要 　用遗传算法 GA 与交互检验 CV 相结合建立了一种用于对近红外光谱 N IR 数据及其离散小波 ( ) 变换 DW T 系数进行变量筛选的方法 ,并应用于烟草样品中总挥发碱和总氮的同时测定 。结果表明: N IR 数 据经 DW T压缩为原始大小的 3. 3%时基本没有光谱信息的丢失 ;有效的变量筛选可以极大地减少模型中的 变量个数 ,降低模型的复杂程度 ,改善预测的准确度 。 关键词 　近红外光谱 ,离散小波变换 ,变量筛选 ,数据压缩 1　引　　言 ( ) ( ) 近红外光谱 N IR 由严重重叠的宽吸收带组成 , 通常包含大量的冗余信息 。小波变换 W T 是在 傅里叶变换基础上发展起来的信号处理方法 ,可用于数据压缩 、平滑滤噪、基线校正 、多重信号解析和图 [ 1, 2 ] ( ) [ 3 ] ( ) [ 4 ] 像处理等 。偏最小二乘法 PL S 和主成分回归 PCR 是 N IR 技术中常用的两种化学计量学方 法 , 曾被认为对噪音信号不敏感 ,在对庞大的数据矩阵进行处理时不需要变量筛选 ,但大量的研究工作 表明 ,有效的变量筛选可以改善模型的预测能力和减少模型的复杂程度 [ 5～8 ] 。实验对 N IR 数据进行离 ( ) ( ) [ 5, 6 ] ( ) [ 9 ] 散小波变换 DW T 实现 N IR 的数据压缩 ,采用遗传算法 GA 与交互检验 CV 对 N IR 原始数据 及不同尺度下的小波系数进行 PL S建模预测时的变量筛选 ,建立了复杂样品中不同组分同时测定的数 ( ) ( ) 学模型 。通过对烟草样品中总挥发碱 total vo latile alkalo id s, TVA 和总氮 total n itrogen , TN 含量测 定研究 , 表明该方法可用于 N IR 数据的高倍压缩 ,减少模型的复杂性 , 从而改善预测的准确度 。 2　原理与算法 [ 1, 2 ] ( ) 有关小波变换的一般原理与应用 ,