论文部分内容阅读
模型建立与传递是当今近红外光谱分析技术的核心。因此本文提出了——基于粒子群(PSO)的稳健性独立分量分析(RobustICA)-极限学习机(ELM)算法来建模,成功应用于定量分析和定性分析;研究了不同树形的翠冠梨糖度模型传递以及大米蛋白粉不同仪器间的模型传递,主要内容有以下几个方面:(1)针对光谱数据量大的问题,本文将稳健性独立分量分析应用于光谱特征提取。该方法收敛速度快,选取最佳步长以及任何不为零的独立分量,提取的独立成分包含充分的有用信息,提高了鲁棒性。(2)针对模型不稳定、精确度不高的问题,建立基于粒子群的RobustICA-ELM模型(RobustICA-PSO-ELM),能有效提取光谱中有用信息,提高了模型的预测能力和精确度。在定性分析方面,用RobustICA-PSO-ELM建立翠冠梨成熟度鉴别模型,将鉴别率提高至95.833%。在定量分析方面,用RobustICA-PSO-ELM建立大米蛋白粉分析模型,得到大米蛋白粉水分、蛋白和脂肪模型的RMSEP和R~2均有很大提高。(3)在模型传递方面,研究了不同树形间翠冠梨糖度模型传递以及不同仪器间大米蛋白粉模型传递。建立了P形翠冠梨糖度PLS主模型,选择两种不同的S/B算法,RMSEP从8.21降到了0.704和0.535。建立了大米蛋白粉含量PLS模型,比较了不同模型传递方法的效果,发现三种方法中DS算法效果最好。