基于迭代初始化遗传算法的光谱波段选择及其在感冒液多组分测定中的应用

李玥 | -> | 1169| 1| 0.314459MB |遗传算法,波长选择,偏最小二乘,多组分

李玥 李玥 | 文档量 |浏览量37799

摘􀀁 要􀀁 光谱数据用于多元校正时, 组分间的交互作用会使部分波段与组分浓度呈非线性关系, 在用偏最小二乘法( PLSR) 建模前, 宜作波长筛选。基于迭代初始化的遗传算法( IRGA) 将运行多轮GA, 递归地以上轮结果作为先验知识支持下轮的初始化, 并对入选波长点的统计频率进行平滑处理, 由此可高效地从全谱中选出校正性能良好的波段, 筛选结果稳定。入选波段对全谱既作了适当简化, 又充分保留了有效信息。再采用PLSR 建模, 模型更具稳健性。将该法用于感冒液的五组分测定, 与全谱建模法相比, 其预测性能和稳健性有显著提高。
    现代光谱分析技术的发展极大地提高了仪器的分辨率和灵敏性, 可为分析者提供精确的光谱数据。光谱数据通常遵从朗伯􀀂比尔定律, 可用偏最小二乘回归( PLSR) 建模, 并作多元校正。近年研究发现, 在多组分体系中, 由于组分间的交互作用产生了新分子键等原因, 全谱中会出现不符合朗伯􀀂比尔定律而与组分浓度呈非线性关系的波段。理论与试验均表明, 在PLSR 建模前先筛选波长, 消除与待分析组分无关或呈非线性关系的波长点, 将可简化模型, 并提高其预测精度和稳健性[1, 2] 。
    波长选择方法有逐步回归法、无关信息变量消除法( un􀀂info rmation var iable eliminat ion, UVS) [ 3] 、迭代变量选择法( iter ativ e variable selectio n, IVS) [4] 、模拟退火法( simulatedannealing , SA) [ 5] 和遗传算法( g enetic algo rithm, GA) [ 6] 等。遗传算法的研究和应用较为广泛, 并衍生出很多改进形式,以迭代型遗传算法最为引人注目, 其选择效果良好。    速效感冒液包含扑热息痛、扑尔敏、咖啡因、愈创木酚甘油醚和对氨基酚五种成分, 组分间存在交互作用, 在紫外区其吸收峰相互重叠, 采用一般光度分析法难于定量每一组分[7] 。本文拟用基于迭代种群初始化的遗传算法, 先筛选紫外区波长, 找出和组分浓度相关性最好的几个波长区间, 再进行PLSR 建模, 以期提高感冒液多元校正精度。
李玥发布的其他共享资料
    0 色谱币 下载

基于迭代初始化遗传算法的光谱波段选择及其在感冒液多组分测定中的应用

(314.459K)

所需色谱币: 0

您持有: $userGold色谱币,完成任务赚取色谱币

立即下载

友情链接(联系QQ:47140047)
关于我们  经营理念  业务合作  联系我们  法律声明  网站建议  网站导航  帮助中心
Copyright © 色谱世界 版权所有 鄂ICP备19022139号-2