农产品近红外光谱分析中多模型共识方法研究.docVIP

农产品近红外光谱分析中多模型共识方法研究 　　摘要：基于多模型共识的基本思路结合近红外光谱，建立了多模型共识偏最小二乘回归方法（cPLS），从训练集随机取样建立一系列偏最小二乘回归模型（PLS），选取其中性能较好的部分模型作为成员模型，并用这些成员模型预测未知样品。将cPLS用于玉米中湿度、淀粉、蛋白质及油分含量的近红外光谱定量预测。结果PLS对独立测试集中4种组分进行50次重复预测的平均预测误差均方根分别为0.020 7、0.268 6、0.122 0和0.070 6，预测误差均方根的标准偏差分别为4.753 0×10-3、0.054 8、0.023 0和0.014 9；而cPLS重复50次预测的平均预测误差均方根分别为0.016 0、0.167 8、0.116 6和0.044 1，预测误差均方根的标准偏差分别为2.735 0×10-4、0.002 5、0.003 0和7.683 0×10-4。可见，cPLS所建立的模型更加稳健可靠，预测的准确性也明显提高。 　　关键词：农产品；多模型共识；近红外光谱；定量分析 　　中图分类号：S132； O657.3 文献标识码：A 文章编号：0439-8114（2013）22-5599-04 　　近红外光谱是指780～2 526 nm波长范围内的电磁波谱[1]，其信息主要是含氢基团（如C-H、O-H、N-H、S-H等）分子振动的倍频与合频吸收信息，由于含有丰富的物质结构信息，可用于分析绝大多数种类的化合物及其混合物的成分浓度或者品质参数。现代近红外光谱分析是通过建立校正模型从而实现对未知样本的定性或定量分析的，因而是一种间接分析技术。由于具有分析时间短、无需样品预处理、非破坏性、无污染以及成本低等特点，近红外光谱分析技术已成为一种快速的现代分析技术，广泛应用于农产品、食品领域的品质检测[2]。 　　由于近红外光谱谱峰较宽，实际样品中各种成分的吸收峰重叠严重，因而必须采用化学计量学方法对微弱化学信息进行提取和分析，以达到对复杂混合物进行定性或者定量分析的目的。近红外光谱分析中常用的多元校正技术包括线性回归和非线性回归，方法包括多元线性回归，主成分回归，偏最小二乘回归以及支持向量回归等[3，4]。然而传统的多元校正技术一般采用单一模型，即采用一定的训练集建立一个最优模型然后用于测定。此类方法对数据噪声和样本量都比较敏感，在分析复杂化学测量数据时，当训练集样本数目有限或存在较大误差时模型的预测精度与稳定性往往达不到满意的效果。 　　多模型共识方法[5-9]是相对于传统的单模型方法提出的。其基本思路是采用随机或组合的方式利用同一训练集中的不同子集建立的多个模型同时进行预测，将多个预测结果通过一定的规则，例如简单平均或加权平均，形成一个共识的最终结果。多模型共识的突出特点是通过多次使用训练集中不同子集样本的信息，降低预测结果对某一样本的依赖性。 　　本研究基于多模型共识的基本思路，采用随机抽样技术选择训练子集，建立一系列的偏最小二乘回归模型（PLS），并从中选择部分预测性能较好的模型作为成员模型，用这些成员模型的预测均值来预测未知样品中待分析组分的浓度。将该方法称为多模型共识偏最小二乘回归方法（cPLS），用于玉米样品中湿度、蛋白质以及油分含量之间的建模研究，并讨论了建模参数对预测结果的影响，对单模型与多模型共识的结果进行了比较。 　　1 方法 　　1.1 cPLS方法原理及主要步骤 　　1.1.1 确定PLS建模采用的最佳隐变量数 利用训练集建立PLS回归模型并以检验集进行预测，根据不同的隐变量数时所得的预测误差均方根，选择最佳隐变量数。 　　1.1.2 确定cPLS中的成员模型的接受标准、模型总数等相关参数 在cPLS方法中，并非所有训练子集所建的模型都可以参与预测，其中有部分模型可能受个别样本的影响较大，因此要设定成员模型的接受标准，达到此标准的模型才能成为cPLS的成员模型。本方法利用训练集建立PLS回归模型并以检验集进行预测，并根据预测结果与真值之间的平均相对误差为依据，确定成员模型的接受标准。此外，多次预测结果的稳定性会受模型总数的影响，以不同训练子集（随机取自训练集）多次建模预测同一检验集，当预测误差均方根趋于稳定时的模型数即合适的模型总数。 　　1.1.3 预测 据以上参数，用cPLS中所有成员模型共同预测未知样品，各成员模型分别预测后结果取均值即为最终预测结果。 　　本试验所涉及的计算在Matlab 7.0上自编程序完成。 　　1.2 试验数据 　　该数据集包含80个玉米样本的近红外光谱数据。光谱通过3种不同的近红外光谱仪测得，每条光谱包含1 100～2 498 nm范围内共700个波长通道下的响应数据，光谱分辨率为2 nm。本试验采用m5仪器测定