基于PCA和神经网络的农残含量预测模型研究.pdfVIP

测控技术

•34*2018年第37卷第12期先进算法与人工智能

基于PCA和神经网络的农残含量预测模型研究

李文李民赞2$孙明2

(1.北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室，北京100048

2.中国农业大学现代精细农业系统集成研究教育部重点实验室，北京100083)

摘要：为提高快速检测农残含量的精度，针对建模数据特征发生明显变化的实际情况，提出了一种结合

主成分分析（PCA)和神经网络的分段多模型方法。提取建模数据的前2个主成分作为模型的输入，分

别使用主成分回归（PCR)和BP/RBF神经网络建立单一及分段多模型。通过计算模型验证集的输出总

误差和误差百分比，对比模型检测精度。试验表明：与单一模型相比，利用神经网络建立的分段多模型

可以显著降低农药含量的预测误差，使用BP和RBF网络建立的低浓度段模型的输出误差百分比分别

为0.8%和0.4%，RBF网络效果更好。该方法可以在待测农药的较大浓度范围内实现定量检测，具有

较强的实用性。

关键词：农药残留神经网络主成分分析快速检测

中图分类号:TP391.4文献标识码：A文章编号！1000-8829(2018)12-0034-04

doi:10.19708/j.ckjs.2018.12.008

StudyonPredictionModelofPesticideResidueContentBasedonPCAand

ArtificialNeuralNetwork

LIWen1,LIMin-zan2,SUNMing2

(1.BeijingKeyLaboratoryofBigDataTechnologyforFoodSEety,SchoolofComputerScienceandInformationEngineering,

BeijingTechnologyandBusinesUniversity,Beijing100048,China;2.KeyLaboratoryofModernPrecisionAgricultureSystem

IntegrationResearch,MinistryofEducation,ChinaAgriculturalUniversity,Beijing100083,China)

Abstract：Inordertoimprovetheaccuracyofrapiddetectionpesticideresiduecontent,a

isproposedbasedonprincipalcomponentsanalysis(PCA)andneuralnetwork.Themethodcansolvethe

problemthatthemodelingdatacharacteristicschangesobviously.Thefirsttwoprincipalcomponentsextracted

frommodelingdataareusedasinputofmodels.Singlemodelsandmulti-sectionmodelsareestablishedby

principalcomponentsregression(PCR)andBP/RBFneuralnetworkresp