【摘要】：利用人體血清240nm激發(fā)波長熒光光譜在220~900nm波段針對血糖濃度進行建模分析。在模擬退火算法和偏最小二乘算法的基礎(chǔ)上進行建模波長變量篩選方法的改進�；谧兞咳脒x模型統(tǒng)計頻率和無關(guān)變量消除法,分別進行了波長的初選和精選過程。同時,加入了主成分數(shù)自適應(yīng)特性等加快收斂速度、減小計算量的措施。該模型對比了線性、三次樣條函數(shù)、高斯函數(shù)作為偏最小二乘法插入基函數(shù)的情況下,分別對原始光譜、Daubechies小波分解第三層和第四層細節(jié)信號光譜建模。結(jié)果顯示,該模型避免了主成分參數(shù)嘗試導(dǎo)致的時間成本,在參數(shù)自適應(yīng)的過程中很快趨于穩(wěn)定并得到對應(yīng)條件下的最佳建模主成分數(shù)。其波長變量篩選能力使得對獨立樣本的分析預(yù)測效果有了顯著的提升,最佳建模預(yù)測效果達到0.25mmol·L~(-1),達到了血糖檢測的醫(yī)用要求。加入了非線性建模條件使得模型有明顯的改善,基于樣條函數(shù)的效果總體最好,其次為基于高斯函數(shù)的情況。對原始光譜進行小波分解,得到的細節(jié)信號光譜建模效果更為可觀�？傮w而言第四層細節(jié)信號光譜建模效果略優(yōu)于第三層細節(jié)信號光譜。模型篩選波長變量的頻率意味著在所給實驗條件下的血糖濃度信息在不同波段的分布情況,這為血糖在血清成分中的物理化學(xué)特性提供了一定程度上的統(tǒng)計解釋。
【圖文】：

相關(guān)系數(shù)越大，擬合效果越好；同時訓(xùn)練集和驗證集各自對應(yīng)的相關(guān)系數(shù)相差越小，說明過擬合現(xiàn)象越小，訓(xùn)練和檢驗樣本結(jié)果的相關(guān)性越接近。無論哪種情況，μ都應(yīng)該更校所以，越小的μ值對應(yīng)初選階段的越高質(zhì)量的種群，因此設(shè)置μ的倒數(shù)作為種群的適應(yīng)度。主成分數(shù)的自適應(yīng)特性如下：每一輪計算對結(jié)果進行評估，，若Ｒｃ大于Ｒｖ某個臨界值（文中設(shè)為０．０８）時，下一輪計算將主成分數(shù)減１。否則搜索之前計算結(jié)果中最小μ值結(jié)果對應(yīng)的主成分數(shù)，在下一輪將其加１作為新的主成分數(shù)。如圖１所示，基于樣條函數(shù)的第四層小波分解細節(jié)信號的建模過程中，主成分數(shù)逐漸趨于穩(wěn)定，此時模型在避免嚴重過擬合情況下得到了相對最好的擬合結(jié)果。表１模擬退火算法設(shè)置參數(shù)Ｔａｂｌｅ１Ｐａｒａｍｅｔｅｒｓｅｔｔｉｎｇｆｏｒｓｉｍｕｌａｔｅｄａｎｎｅａｌｉｎｇａｌｇｏｒｉｔｈｍ參數(shù)取值初始溫度／℃１２０終止溫度／℃５退火比率／％０．９０種群數(shù)量３０種群大�。保白儺悅�數(shù)３圖１主成分參數(shù)自適應(yīng)過程圖Ｆｉｇ．１Ｔｈｅｐｒｏｃｅｓｓｏｆｓｅｌｆ－ａｄａｐｔｉｖｅＰＬＳｆａｃｔｏｒｓｄｅｔｅｒｍｉｎａｔｉｏｎ在每一輪退火計算的過程中，種群的最終結(jié)果往往會落到能在相當(dāng)程度上解釋血糖信息的波長變量上。在５００輪的運算中，入選次數(shù)越多的波長包含的血糖信息更豐富，在后續(xù)的建模過程中也更值得關(guān)注和利用。類似的統(tǒng)計詮釋應(yīng)用見文獻［１１］。因此，初選過程波長變量的確定主要基于整個運算過程中各波長的統(tǒng)計頻率。如圖２，研究中選取信息密度較大和結(jié)果最好的波長組合及范圍作為初選波長變量。２８１８光譜學(xué)與光譜分析第３７

確定初選波長范圍后，在μ參數(shù)的評估標(biāo)準下，將不同基函數(shù)和原始光譜及其細節(jié)信號導(dǎo)入模型進行訓(xùn)練擬合。表２是初選階段的建模結(jié)果，ＲＭＳＥＣ，ＲＭＳＥＶ，ＲＭＳＥＰ以及Ｒ２分別代表訓(xùn)練集、檢驗集測試集的建模結(jié)果與實際數(shù)據(jù)的均方根誤差和預(yù)測結(jié)果的相關(guān)系數(shù)，ｆａｃｔｏｒｓ代表該條件下建模最終穩(wěn)定的偏最小二乘法主成分數(shù)。表２顯示，通過模型對獨立于訓(xùn)練過程的測試集樣本血糖濃度的預(yù)測，小波分解第三層和第四層細節(jié)信號得到了０．５０～０．７０ｍｍｏｌ·Ｌ－１誤差范圍的預(yù)測結(jié)果，與文獻［１２］達到了接近的預(yù)測水平，好于原始光譜建模的結(jié)果。這可能是因為原始光譜中的背景光譜和噪聲信號對血糖成分熒光信息的干擾所導(dǎo)致�？傮w來說，訓(xùn)練集的訓(xùn)練效果從好到差依次來自高斯基函數(shù)、樣條基函數(shù)和線性的建模條件。最佳結(jié)果來自基于三次樣條基函數(shù)的第四層細節(jié)信號建模過程。訓(xùn)練集、驗證集和預(yù)測集的誤差分別為０．３６，０．３８和０．５３ｍｍｏｌ·Ｌ－１。圖２初選階段波長信息分布密度圖Ｆｉｇ．２Ｔｈｅｉｎｆｏｒｍａｔｉｏｎｄｅｎｓｉｔｙｄｉｓｔｒｉｂｕｔｉｏｎｆｏｒｆｉｒｓｔｓｅｌｅｃｔｅｄｗａｖｅｌｅｎｇｔｈｓ表２波長變量初選階段建模結(jié)果Ｔａｂｌｅ２Ｍｏｄｅｌｉｎｇｒｅｓｕｌｔｏｆｔｈｅｆｉｒｓｔｗａｖｅｌｅｎｇｔｈｄｅｔｅｒｍｉｎａｔｉｏｎ線性樣條高斯ＲＭＳＥＣＲＭＳＥＶＲ２ＲＭＳＥＰ（ｆａｃｔｏｒｓ）ＲＭＳＥＣＲＭＳＥＶＲ２ＲＭＳＥＰ（ｆａｃｔｏｒｓ）ＲＭＳＥＣＲＭＳＥＶＲ２ＲＭＳＥＰ（ｆａｃｔｏｒｓ）原始光譜０．５７０．４８０．７２０．８３（１３）０．４９０．９３
【作者單位】： 河海大學(xué)理學(xué)院;中交建機場勘測設(shè)計研究院;中交第四航務(wù)工程勘察設(shè)計院有限公司;南京航空航天大學(xué)理學(xué)院;
【基金】：國家自然科學(xué)基金項目(61378037)資助
【分類號】：O433;R587.1

【相似文獻】

相關(guān)期刊論文 前10條

1 顧春峰;蘭秀風(fēng);于銀山;盧禮萍;;牛奶水溶液熒光光譜影響因素的研究[J];激光與光電子學(xué)進展;2012年03期

2 許良;劉紅婕;黃進;周信達;王鳳蕊;吳衛(wèi)東;;激光誘導(dǎo)時間分辨固體表面熒光光譜系統(tǒng)[J];強激光與粒子束;2012年08期

3 龐爾國,趙亞琴,楊斌盛;apoCopC與銅(Ⅱ)結(jié)合性質(zhì)的熒光光譜[J];科學(xué)通報;2005年16期

4 段靜波;花日茂;劉文清;張玉鈞;王志剛;肖雪;王歡博;;基于特征熒光光譜的銅綠微囊藻MC-LR的快速預(yù)測[J];大氣與環(huán)境光學(xué)學(xué)報;2011年06期

5 高淑梅;葛立新;徐振峰;;三維紫外血漿熒光光譜學(xué)特性及機理分析[J];光子學(xué)報;2008年09期

6 許良元;江慶;劉微;孔曉玲;劉偉偉;蔣德云;;LED在熒光光譜檢測中的應(yīng)用[J];傳感器與微系統(tǒng);2011年10期

7 王宏偉;田豐貴;;光學(xué)玻璃熒光光譜測試與分析[J];世界科技研究與發(fā)展;2007年02期

8 宋國慶;;SDS水溶液熒光光譜研究[J];徐州工程學(xué)院學(xué)報;2006年09期

9 蘭秀風(fēng),劉瑩,劉建剛,沈中華,陸建,倪曉武;乙醇溶液的熒光光譜研究(英文)[J];光子學(xué)報;2003年11期

10 孟祥杰;任維義;黎波;許良;安辛友;吳衛(wèi)東;;SrOAl_2O_3:Eu~(2+)時間分辨熒光光譜的實驗研究[J];西華師范大學(xué)學(xué)報(自然科學(xué)版);2013年01期

相關(guān)會議論文 前2條

1 武睿;王瑞;楊槐馨;秦元斌;董斌;李建奇;趙繼民;;多鐵Er_(1-x)Yb_xFe_2O_4的熒光光譜研究[A];第十六屆全國光散射學(xué)術(shù)會議論文摘要集[C];2011年

2 王文韻;;時間分辨熒光光譜的若干應(yīng)用[A];全國第六屆分子振動光譜學(xué)術(shù)報告會文集[C];1990年

相關(guān)博士學(xué)位論文 前2條

1 高淑梅;可見光誘導(dǎo)血液熒光光譜研究[D];南京理工大學(xué);2002年

2 韓彩芹;典型有機分子水溶液的熒光光譜與氫鍵作用機理研究[D];南京理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前2條

1 劉雪松;有機晶體熒光檢測和熒光光譜特性的研究[D];吉林大學(xué);2011年

2 畢琳娜;幾種典型有機磷農(nóng)藥的熒光光譜研究[D];江南大學(xué);2009年

本文編號：2520010