光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2011年
6期
1514-1517
,共4页
高斯过程%近红外光谱%蒙特卡罗交叉验证%无信息变量去除%定量分析
高斯過程%近紅外光譜%矇特卡囉交扠驗證%無信息變量去除%定量分析
고사과정%근홍외광보%몽특잡라교차험증%무신식변량거제%정량분석
将高斯过程算法引入化学计量学领域,用于挖掘近红外光谱与被测物组分之间的复杂关系.为增加模型的稳健性,首先采用了蒙特卡罗交叉验证方法以去除异常样本,而后多元散射校正、平滑、导数等方法被用于模型的预处理.近红外光谱在经过无信息变量去除算法处理后,在保留有用信息的基础上大大缩减了波长点数,以这些特征波长点作为输入建立的分析模型更具有解释能力和稳健性.为验证算法的有效性,使用了一组公开的数据集,它包含了80个玉米样品的近红外光谱以及油、淀粉、蛋白质的含量值.GP回归算法被用于分析这三种组分的含量,所得模型的评价指标分别采用校正、校正集交叉验证均方根误差、预测均方根误差以及各自的相关系数.结果显示,模型的校正相关系数r达到0.99以上,预测时的相关系数r也在0.96以上,验证了该算法的有效性.
將高斯過程算法引入化學計量學領域,用于挖掘近紅外光譜與被測物組分之間的複雜關繫.為增加模型的穩健性,首先採用瞭矇特卡囉交扠驗證方法以去除異常樣本,而後多元散射校正、平滑、導數等方法被用于模型的預處理.近紅外光譜在經過無信息變量去除算法處理後,在保留有用信息的基礎上大大縮減瞭波長點數,以這些特徵波長點作為輸入建立的分析模型更具有解釋能力和穩健性.為驗證算法的有效性,使用瞭一組公開的數據集,它包含瞭80箇玉米樣品的近紅外光譜以及油、澱粉、蛋白質的含量值.GP迴歸算法被用于分析這三種組分的含量,所得模型的評價指標分彆採用校正、校正集交扠驗證均方根誤差、預測均方根誤差以及各自的相關繫數.結果顯示,模型的校正相關繫數r達到0.99以上,預測時的相關繫數r也在0.96以上,驗證瞭該算法的有效性.
장고사과정산법인입화학계량학영역,용우알굴근홍외광보여피측물조분지간적복잡관계.위증가모형적은건성,수선채용료몽특잡라교차험증방법이거제이상양본,이후다원산사교정、평활、도수등방법피용우모형적예처리.근홍외광보재경과무신식변량거제산법처리후,재보류유용신식적기출상대대축감료파장점수,이저사특정파장점작위수입건립적분석모형경구유해석능력화은건성.위험증산법적유효성,사용료일조공개적수거집,타포함료80개옥미양품적근홍외광보이급유、정분、단백질적함량치.GP회귀산법피용우분석저삼충조분적함량,소득모형적평개지표분별채용교정、교정집교차험증균방근오차、예측균방근오차이급각자적상관계수.결과현시,모형적교정상관계수r체도0.99이상,예측시적상관계수r야재0.96이상,험증료해산법적유효성.
