近红外光谱用于植物样品中水溶性氯离子含量的测定

张诗雯 | -> | 1649| 1| 0.27768MB |离散小波变换,最小二乘支持向量回归,近红外光谱,水溶性氯离子

张诗雯 张诗雯 | 文档量 |浏览量18599

摘􀀁 要􀀁 基于离散小波变换( DWT) 和最小二乘支持向量回归( LSSVR) 方法, 建立了近红外光谱测定植物样品中水溶性氯离子的回归校正模型。以烟草样品中水溶性氯离子含量的测定为研究对象, 首先采用DWT 对近红外光谱进行数据压缩和背景扣除, 再用LSSVR 建立氯离子的校正模型。结果表明, 与偏最小二乘回归( PLSR) 和传统的LSSVR 方法相比, 作者所建模型的预测准确性具有一定优势。
    支持向量机( SVM) 是近年发展起来的一种基于统计学习理论的新型学习机器, 已在模式识别、时序分析以及多元校正等领域得到初步应用[1􀀂4] 。与传统的主成分回归( PCR) 、偏最小二乘回归( PLSR) 等线性建模方法相比, 支持向量回归( SVR) 方法由于能够解决非线性问题而具有显著优势。虽然人工神经网络( ANN) 也常被用于建立非线性模型, SVR方法更能控制过拟合现象, 并具有全局最优及更好的泛化能力等优点[5] 。最小二乘支持向量回归( LSSVR) 是在SVR 基
础上发展起来的一种改进技术, 在保持SVR 优点的同时大大提高了计算速度[6􀀂8] 。
    小波变换( WT) 在分析化学信号处理中已得到广泛应用, 可有效地进行分析化学信号的平滑滤噪、数据压缩及背景扣除[9􀀂11] 。本文基于离散小波变换( DWT) 和LSSVR 建立了一种近红外光谱( NIR) 数据的建模方法, 先利用小波变换扣除光谱中的噪声及背景干扰, 再用LSSVR 进行建模, 并应用于植物样品中水溶性氯离子含量的预测。结果表明, 该方法的预测准确性优于PLSR 和传统的LSSVR。
张诗雯发布的其他共享资料
    0 色谱币 下载

近红外光谱用于植物样品中水溶性氯离子含量的测定

(277.68K)

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