0
关键词：
GaN基激光器,多量子阱(MQWs),AlInGaN,垒材料
发表时间：
2011-11-30 15:50:56
GA_PLS结合PC_ANN算法提高奶粉蛋白质模型精度
雨泽 | -> | 994| 0| 0.20444MB |近红外光谱,GA-PLS,PC-ANN,模型精度,奶粉,蛋白质
摘 要 提出一种偏最小二乘法( PLS) 和人工神经网络( ANN) 结合用于近红外光谱( NIRS) 的分析方法, 以提高奶粉蛋白质模型的预测精度。首先采用基于遗传算法的波长选择法( RSGA) 优化光谱数据, 建立GAPLS 模型预测奶粉蛋白线性部分; 然后在RSGA 法选择的波段上进行主成分分析( PCA) , 以主成分的得分矩阵作为ANN 模型输入层, 以GAPLS 预测值与真实值之差作为输出层, 建立PCANN 模型预测其非线性部分。最终预测结果为两个模型预测值之和, 以模型的预测标准偏差( RMSEP) 作为评价指标, 以便考察新方法的有效性。同时建立线性的全谱模型( Fr PLS) , 其FrPLS、GAPLS 和GAPLS+ PCANN 模型的RMSEP 分别为0 511, 0 440 和0 235。结果表明: 考虑奶粉蛋白含量近红外模型的非线性部分, 可以显著提高模型的预测精度, 该方法也可为其它复杂体系模型精度的提高提供借鉴。
近红外光谱( near infr ared spect roscopy, NIRS) 是各成分功能基团的综合反映, 光谱信息相互干扰、重叠及掩盖,对于某些信息区间( 波长) 光谱信号并非简单的线性或非线性。偏最小二乘法( par tial least squar es, PLS) 是一种基于线性关系的建模方法, 已广泛用于建立乳及乳制品成分的定量模型[14] , 然而单一的线性模型往往忽略了近红外光谱信息的非线性部分, 而导致模型的预测精度不是最高。对于奶粉复杂体系, 建立蛋白质的近红外模型时, 就需要考虑近红外
光谱的线性和非线性信息部分, 同时也要选择数据优化技术简化模型, 提高预测精度。
在建立复杂体系目标组分模型时, 需要通过波长选择提取最有效的光谱信息, 简化运算; 同时采用线性和非线性加和算法, 以提高模型预测精度。遗传算法( g enetic alg or ithm,GA) 是应用较为广泛的一种波长选择方法, 且已成功用于近红外的波长选择中[ 511] ; 人工神经网络( ar tificial neural netw or k, ANN) 算法是一种重要的非线性拟合工具, 具有抗干扰、抗噪声和强大的非线性转换能力, 但其输入层节点数不能太多, 通常采用主成分分析( principal compo nent analy sis,PCA) 选择新变量作为ANN 输入, 以减少输入层节点数[ 1217] 。
本文提出了利用PLS 模型来预测奶粉蛋白含量的线性部分, ANN 模型来预测非线性部分, 将两者结合的分析方法来提高蛋白模型的预测精度。改进的遗传算法( reg io n selection based on genetic alg or ithm, RSGA) [ 18] 用于优化近红外光谱数据, 建立GAPLS 模型; 在SGA 法选择的波段上进行PCA, 以主成分得分矩阵作为ANN 模型输入层, 以GAPLS 预测差值作为输出层建立PCANN 模型; 最终预测结果为两个模型预测结果之和, 以最终模型的预测标准偏差( RMSEP) 作为模型的评价指标, 考察该方法的可行性。
光谱的线性和非线性信息部分, 同时也要选择数据优化技术简化模型, 提高预测精度。
在建立复杂体系目标组分模型时, 需要通过波长选择提取最有效的光谱信息, 简化运算; 同时采用线性和非线性加和算法, 以提高模型预测精度。遗传算法( g enetic alg or ithm,GA) 是应用较为广泛的一种波长选择方法, 且已成功用于近红外的波长选择中[ 511] ; 人工神经网络( ar tificial neural netw or k, ANN) 算法是一种重要的非线性拟合工具, 具有抗干扰、抗噪声和强大的非线性转换能力, 但其输入层节点数不能太多, 通常采用主成分分析( principal compo nent analy sis,PCA) 选择新变量作为ANN 输入, 以减少输入层节点数[ 1217] 。
本文提出了利用PLS 模型来预测奶粉蛋白含量的线性部分, ANN 模型来预测非线性部分, 将两者结合的分析方法来提高蛋白模型的预测精度。改进的遗传算法( reg io n selection based on genetic alg or ithm, RSGA) [ 18] 用于优化近红外光谱数据, 建立GAPLS 模型; 在SGA 法选择的波段上进行PCA, 以主成分得分矩阵作为ANN 模型输入层, 以GAPLS 预测差值作为输出层建立PCANN 模型; 最终预测结果为两个模型预测结果之和, 以最终模型的预测标准偏差( RMSEP) 作为模型的评价指标, 考察该方法的可行性。
雨泽发布的其他共享资料
-
-
关键词： 近红外光谱,GA-PLS,PC-ANN,模型精度,奶粉,蛋白质 发表时间： 2011-11-30 15:49:13
-
关键词： 太空诱变育种,黄芩,傅里叶变换红外光谱法(FTIR) 发表时间： 2011-11-30 15:47:44
-
关键词： FTIR,氨挥发,浓度反演 发表时间： 2011-11-30 15:46:33
-
关键词： 傅里叶红外光谱,水平衰减全反射,地中海贫血,磷脂,2,3-二磷酸甘油酸 发表时间： 2011-11-30 15:45:13
-
关键词： 傅里叶变换红外光谱,离散平稳小波变换,径向基函数神经网络,罂粟,虞美人 发表时间： 2011-11-30 15:43:37