本文關鍵詞：聯(lián)合區(qū)間高斯過程的近紅外光譜波長選擇方法及應用

  更多相關文章： 近紅外光譜 高斯過程模型 聯(lián)合區(qū)間高斯過程(siGP) 紅曲菌 水分含量 pH值

【摘要】：針對近紅外光譜應用,提出了一種基于高斯過程(GP)模型的波長選擇算法,即聯(lián)合區(qū)間高斯過程(synergy interval gaussian process,siGP)算法。首先將全光譜區(qū)域劃分為一系列無重復且間距相等的區(qū)間,再選取最優(yōu)的若干個區(qū)間聯(lián)合建立GP模型,由于GP模型具有非線性處理能力,因此該方法可以減少非線性的影響。以紅曲菌固態(tài)發(fā)酵過程中過程參數水分含量和pH值的檢測為例,新算法對水分含量、pH值的預測集相關系數(rp)分別為0.956 4和0.977 3,預測均方根誤差(RMSEP)分別為0.012 7和0.161 0,參與建模的數據點由全譜的1 500個分別減少到225個、375個,在對獨立樣本的預測上,表現出較好的精度。與傳統(tǒng)聯(lián)合區(qū)間偏最小二乘(siPIS)波長選擇算法對比,siGP算法預測效果更好:對水分含量和pH值,r_p在GP模型預測時提高了3.37%和3.51%,RMSEP在GP模型預測時提高了29.4%和34.8%。表明siGP結合GP模型能夠有效選擇波長區(qū)間以及提高近紅外模型的準確性,對進一步實現近紅外光譜技術在線檢測具有參考價值。
【作者單位】： 江南大學輕工過程先進控制教育部重點實驗室自動化研究所;
【關鍵詞】： 近紅外光譜 高斯過程模型 聯(lián)合區(qū)間高斯過程(siGP) 紅曲菌 水分含量 pH值
【基金】：國家自然科學基金項目(NSFC 61273087) 江蘇省產學研前瞻性聯(lián)合研究項目(BY2013015-27)資助
【分類號】：O657.33
【正文快照】： 程參數與光譜數據之間常常具有一定的非線性,因此,為了弓| 言 提高模型精度,須在波長選擇時考慮非線性因素。作為一種新的機器學習方法,氋斯過程(GP)模型可以近年來,近紅外光譜技術(N1R)作為一個過程分析工 處理復雜的非線性問題,且泛化能力強與ANN和LS具,被廣泛應用于石油、

【相似文獻】

中國期刊全文數據庫 前8條

1 任彥榮;陳紹成;鄒曉川;田菲菲;周鵬;;采用高斯過程模擬預測域/肽識別和相互作用[J];中國科學:化學;2012年08期

2 王鑫;李紅麗;;苯酚含量預測的高斯過程回歸模型[J];自動化儀表;2014年05期

3 李雅芹;楊慧中;;基于仿射傳播聚類和高斯過程的多模型建模方法[J];計算機與應用化學;2010年01期

4 王華忠;;一種基于高斯過程的非線性PLS建模方法[J];華東理工大學學報(自然科學版);2007年05期

5 邵建新;袁慎芳;張華;邱雷;袁江;;基于高斯過程的疲勞裂紋長度評定方法研究[J];儀器儀表學報;2014年03期

6 劉開云;劉保國;徐沖;;基于遺傳 組合核函數高斯過程回歸算法的邊坡非線性變形時序分析智能模型[J];巖石力學與工程學報;2009年10期

7 張相勝;王凱;;高斯過程集成算法的發(fā)酵過程軟測量建模[J];計算機工程與應用;2011年33期

8 ;[J];;年期

中國重要會議論文全文數據庫 前5條

1 劉信恩;肖世富;莫軍;;用于不確定性分析的高斯過程響應面模型設計點選擇方法研究[A];中國計算力學大會'2010（CCCM2010）暨第八屆南方計算力學學術會議（SCCM8）論文集[C];2010年

2 劉冬;張清華;;基于高斯過程的精密衛(wèi)星鐘差加密[A];第二屆中國衛(wèi)星導航學術年會電子文集[C];2011年

3 李雅芹;楊慧中;;一種基于仿射傳播聚類和高斯過程的多模型建模方法[A];2009中國過程系統(tǒng)工程年會暨中國mes年會論文集[C];2009年

4 趙級漢;張國敬;姜龍;魏巍;;基于疊加高斯過程的數字噪聲產生方法FPGA實現[A];第二十四屆全國空間探測學術交流會論文摘要集[C];2011年

5 何志昆;劉光斌;姚志成;趙曦晶;;基于高斯過程回歸的FOG標度因數溫度漂移建模新方法[A];第25屆中國控制與決策會議論文集[C];2013年

中國博士學位論文全文數據庫 前6條

1 王建民;礦山邊坡變形監(jiān)測數據的高斯過程智能分析與預測[D];太原理工大學;2016年

2 趙靜;基于高斯過程的動態(tài)系統(tǒng)研究[D];華東師范大學;2016年

3 潘偉;基于高斯過程的高爐煉鐵過程辨識與預測[D];浙江大學;2012年

4 賀建軍;基于高斯過程模型的機器學習算法研究及應用[D];大連理工大學;2012年

5 夏戰(zhàn)國;基于高斯過程的提升機軸承性能評測方法研究[D];中國礦業(yè)大學;2013年

6 趙偉;復雜工程結構可靠度分析的高斯過程動態(tài)響應面方法研究[D];廣西大學;2014年

中國碩士學位論文全文數據庫 前10條

1 李紅麗;回歸分析中的貝葉斯推斷技術的研究[D];江南大學;2015年

2 李勵耘;基于高斯過程的抓取規(guī)劃方法研究[D];哈爾濱工業(yè)大學;2015年

3 王雪茹;基于高斯過程的風電機組部件建模與監(jiān)測研究[D];華北電力大學;2015年

4 于立鑫;基于高斯過程—差異進化算法的隧道施工多元信息反分析研究[D];大連海事大學;2015年

5 戈財若;基于高斯過程的高光譜圖像分類算法研究[D];東華理工大學;2015年

6 葉婧;基于高斯過程回歸的鋰電池數據處理[D];北京交通大學;2016年

7 張棟;基于在線學習高斯過程有桿泵油井動態(tài)液面建模方法研究[D];東北大學;2014年

8 申倩倩;基于高斯過程的在線建模問題研究[D];華南理工大學;2011年

9 朱江;單任務以及多任務稀疏高斯過程[D];華東師范大學;2014年

10 黃榮清;基于稀疏高斯過程回歸的半監(jiān)督分類的序貫訓練方法[D];華東師范大學;2012年

，

本文編號：1004660