蚁群-遗传算法优化近红外光谱检测花茶花青素含量的研究

蚁群-遗传算法优化近红外光谱检测花茶花青素含量的研究

目的：本研究基于蚁群-遗传区间偏最小二乘(ACO-GA-iPLS)近红外谱区筛选方法预测花茶花青素含量。方法首先对花茶近红外光谱进行预处理；然后用ACO-iPLS优选出特征子区间；最后对所选的特征子区间,用GA-iPLS进一步细化花青素的特征子区间,并建立花青素的预测模型。结果优选出3个特征子区间(第1、9、10子区间),所建模型对应的交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.1460 mg/g和0.1840 mg/g,校正集和预测集相关系数分别为0.9187和0.8856。结论 ACO-GA-iPLS可以有效选择近红外光谱特征波长,简化模型,提高模型精度。...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:食品安全质量检测学报 2014 (6), p.1679-1686
1. Verfasser: 李艳肖 黄晓玮 邹小波 赵杰文 石吉勇 朱瑶迪
Format: Artikel
Sprache:chi
Schlagworte:
定量分析模型
花茶
花青素
蚁群-遗传算法
近红外光谱
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:目的：本研究基于蚁群-遗传区间偏最小二乘(ACO-GA-iPLS)近红外谱区筛选方法预测花茶花青素含量。方法首先对花茶近红外光谱进行预处理；然后用ACO-iPLS优选出特征子区间；最后对所选的特征子区间,用GA-iPLS进一步细化花青素的特征子区间,并建立花青素的预测模型。结果优选出3个特征子区间(第1、9、10子区间),所建模型对应的交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.1460 mg/g和0.1840 mg/g,校正集和预测集相关系数分别为0.9187和0.8856。结论 ACO-GA-iPLS可以有效选择近红外光谱特征波长,简化模型,提高模型精度。
ISSN:2095-0381