《
分析化學》2008年06期
基于獨立分量和
神經網絡的近紅外多組分分析方法
方利民;林敏
采用
小波變換對
光譜數據進行壓縮,用獨立分量分析(ICA)方法提取近紅外光譜數據矩陣的獨立成分和相應的混合矩陣,再用BP神經網絡對混合矩陣和實測濃度矩陣進行建模,提出了基于獨立分量分析-神經網絡回歸(ICA-NNR)的近紅外分析建模方法。進一步研究了獨立分量數和網絡中間隱層的神經元數對模型性能的影響,經優化后的ICA-NNR模型在相關系數與均方根誤差兩個指標上均優于直接用光譜矩陣作為輸入所建立的模型。本方法用于玉米中水分、淀粉、蛋白質3種主要成分含量的同時
測定,檢驗樣品集的化學
檢測值與近紅外預測值的相關系數分別達到:淀粉r=0.971,蛋白質r=0.976,水分r=0.975。
【作者單位】：
中國計量學院計量技術工程學院 杭州310018
【關鍵詞】：獨立分量分析;神經網絡;小波變換;近紅外光譜;玉米樣品
【基金】：浙江省科技廳重點項目(No.2006C21044)資助
【分類號】：O657.33
【DOI】：CNKI:SUN:FXHX.0.2008-06-028
【正文快照】：
1引言近紅外(NIR)光譜技術是依據某一化學成分對近紅外區光譜的吸收特性而進行的定量測定。但是,近紅外光譜分析信息的提取存在很多難點,比如光譜的復雜性和重疊性、光譜的變動性以及所包含的信息強度低等[1~3]。通常測得的NIR光譜可以認為是一些純物質(主要成分)光譜的線性組