本文選題：拉曼光譜　切入點：粒子群優(yōu)化　出處：《光譜學與光譜分析》2017年08期 　論文類型：期刊論文

【摘要】：提出了一種將拉曼光譜和基于粒子群的最小二乘支持向量機(PSO-LSSVM)算法相結(jié)合快速定量檢測三組分食用調(diào)和油含量的方法。以三組分的食用調(diào)和油為研究對象,對拉曼光譜分四步進行了預處理,進而準確提取拉曼光譜的特征峰強度。以訓練集樣本的特征峰強度和調(diào)和油樣品的百分比含量作為回歸預測模型的輸入值和輸出值,建立LSSVM和PSO-LSSVM數(shù)學模型,通過測試集樣本的相關系數(shù)和均方誤差對模型的預測能力進行分析。非線性建模的最小二乘支持向量機(LSSVM)算法的核函數(shù)參數(shù)σ和正則化參數(shù)γ對模型的學習和泛化能力影響很大,導致模型的預測精度和泛化能力過度依賴于參數(shù)——在優(yōu)化步長過小時耗時較長,過大時又無法得到全局最優(yōu)值。提出的PSO-LSSVM算法,利用粒子群全局優(yōu)化能力和收斂速度快的特點對LSSVM的模型參數(shù)σ和γ進行優(yōu)化,從而克服LSSVM算法中耗時與盲目性的問題。分析結(jié)果表明,PSO-LSSVM算法對三組分食用調(diào)和油中大豆油、花生油和葵花仁油定量預測模型的測試集相關系數(shù)分別為0.967 7,0.997 2,0.995 3;均方誤差分別為0.054 9,0.009 2,0.047 1。與LSSVM算法相比,PSO-LSSVM模型的預測精度更高。因此,該方法可以快速、準確地檢測三組分食用調(diào)和油的含量。
[Abstract]:In this paper, a fast and quantitative method for detecting the content of three components of edible blending oil by combining Raman spectrum with PSO-LSSVM-based least squares support vector machine (LSSVM) algorithm is proposed. The three-component edible blending oil is taken as the object of study. The Raman spectrum was pretreated in four steps, and the characteristic peak intensity of the Raman spectrum was extracted accurately. The input and output values of the regression prediction model were determined by using the characteristic peak strength of the training set sample and the percentage content of the blending oil sample as the input value and output value of the regression prediction model. Establish mathematical models of LSSVM and PSO-LSSVM, The prediction ability of the model is analyzed by correlation coefficient and mean square error of test set. Learning and generalization of kernel function parameter 蟽 and regularization parameter 緯 of the least squares support vector machine (LSSVM) algorithm for nonlinear modeling. The influence of chemical ability is very great. The prediction accuracy and generalization ability of the model are too dependent on the parameters. The proposed PSO-LSSVM algorithm can not get the global optimal value when the optimization step is too long. The model parameters 蟽 and 緯 of LSSVM are optimized by using the global optimization ability and fast convergence speed of PSO, which can overcome the problems of time consuming and blindness in LSSVM algorithm. The analysis results show that PSO-LSSVM algorithm can be used to solve the problem of soybean oil in three-component edible blending oil. The correlation coefficient of the quantitative prediction model for peanut oil and sunflower kernel oil is 0.967 7 / 0.997 / 20.995 3 and the mean square error is 0.054 9 / 0.009 / 2 / 0.0471.Compared with the LSSVM algorithm, the prediction accuracy of the PSO-LSSVM model is higher than that of the LSSVM algorithm. The content of edible blending oil was detected accurately.
【作者單位】： 燕山大學信息科學與工程學院河北省特種光纖與光纖傳感重點實驗室;
【基金】：國家自然科學基金項目(61205068) 中國博士后科學基金項目(2013M541200) 河北省自然科學基金項目(F2014203125) 燕山大學“新銳工程”人才支持計劃項目資助
【分類號】：O433;TP18;TS227

【相似文獻】

相關期刊論文 前10條

1 王吉有;王閔;劉玲;郝偉;;拉曼光譜在考古中的應用[J];光散射學報;2006年02期

2 李自達;陳亮;孟令晶;劉軍賢;王桂文;;拉曼光譜結(jié)合光學操控分選油脂酵母[J];光譜學與光譜分析;2011年04期

3 顧仁敖,喬專虹;付里葉變換拉曼光譜及其應用[J];光譜學與光譜分析;1993年03期

4 ;世界各國近兩年發(fā)表科技及拉曼光譜論文數(shù)統(tǒng)計[J];光散射學報;1996年02期

5 余國滔;拉曼光譜在醫(yī)學上的應用（Ⅱ）[J];光散射學報;1996年03期

6 谷晉騏,李文成,劉金來;ZrO_2-Y_2O_3-Al_2O_3系統(tǒng)的拉曼光譜[J];天津大學學報;2000年06期

7 劉清,劉輝文;紫外、紅外及拉曼光譜實驗教學改革的思考[J];實驗室研究與探索;2000年02期

8 柯惟中;紫膜菌紫質(zhì)的拉曼光譜測試[J];光散射學報;2002年03期

9 何艷陽,張海燕,伍春燕,朱燕娟,梁遠博,陳易明;不同惰性氣氛及壓強下的碳納米管的拉曼光譜[J];光譜學與光譜分析;2002年04期

10 祖恩東,陳大鵬,張鵬翔;翡翠B貨的拉曼光譜鑒別[J];光譜學與光譜分析;2003年01期

相關會議論文 前10條

1 汪安;任斌;田中群;;線聚焦模式提高拉曼光譜的檢測靈敏度[A];中國化學會第27屆學術年會第18分會場摘要集[C];2010年

2 張鵬翔;;新科學和新拉曼光譜[A];第十四屆全國光散射學術會議論文摘要集[C];2007年

3 王紅球;張麗;王璐;程廣衛(wèi);葉光林;張士新;朱鵬;易裕民;;拉曼光譜在安檢領域中的應用[A];第十六屆全國光散射學術會議論文摘要集[C];2011年

4 凌宗成;;行星表面物質(zhì)研究中的拉曼光譜應用[A];第十七屆全國光散射學術會議摘要文集[C];2013年

5 胡繼明;沈愛國;謝微;;拉曼光譜在生物醫(yī)學分析中的應用[A];中國化學會第十五屆全國有機分析及生物分析學術研討會論文集[C];2009年

6 任斌;劉鄭;王翔;莊目德;曾智聰;王喜;田中群;;針尖增強拉曼光譜方法建立及其在納米間隔體系研究中的應用[A];第十五屆全國分子光譜學術報告會論文集[C];2008年

7 李開開;曾光;壽晶晶;張韞宏;;聚焦深度對共聚焦拉曼光譜影響的研究[A];第十五屆全國光散射學術會議論文摘要集[C];2009年

8 龐然;吳德印;田中群;;水合離子簇的氫鍵作用和振動拉曼光譜[A];第十五屆全國光散射學術會議論文摘要集[C];2009年

9 謝黎明;凌曦;方源;張錦;劉忠范;;石墨烯作為共振拉曼光譜測量中的熒光抑制基底[A];第十五屆全國光散射學術會議論文摘要集[C];2009年

10 劉鈺;徐抒平;唐彬;王燁;周吉;鄭先亮;徐蔚青;;表面等離子體共振增強拉曼光譜的研究[A];第十五屆全國光散射學術會議論文摘要集[C];2009年

相關重要報紙文章 前2條

1 記者 張建琛;中美科學家發(fā)明增強拉曼光譜檢測新技術[N];科技日報;2010年

2 黃愛群;荷蘭發(fā)明智能手術探針[N];中國醫(yī)藥報;2001年

相關博士學位論文 前10條

1 董學鋒;拉曼光譜傳遞與定量分析技術研究及其工業(yè)應用[D];浙江大學;2013年

2 趙秀明;幾個影響表面增強拉曼散射的因素的理論研究[D];大連理工大學;2015年

3 胡偉;金屬界面分子構(gòu)型的振動識別[D];中國科學技術大學;2016年

4 李雪;低維MoS_2的制備及光學特性研究[D];長春理工大學;2016年

5 肖令平;碳氫化合物在高壓下的物性研究[D];中國科學技術大學;2016年

6 賈麗華;共振拉曼光譜方法探測水溶液中生物分子的研究[D];吉林大學;2011年

7 董濵;納米銀增強基底制備及分子的拉曼光譜解析[D];昆明理工大學;2011年

8 李津蓉;拉曼光譜的數(shù)學解析及其在定量分析中的應用[D];浙江大學;2013年

9 胡成旭;乳腺疾病的拉曼光譜檢測及研究[D];吉林大學;2013年

10 姜承志;拉曼光譜數(shù)據(jù)處理與定性分析技術研究[D];中國科學院研究生院(長春光學精密機械與物理研究所);2014年

相關碩士學位論文 前10條

1 董濵;拉曼光譜數(shù)據(jù)庫[D];昆明理工大學;2008年

2 楊秋寶;基于拉曼光譜的易燃易爆品檢測技術的研究[D];沈陽理工大學;2012年

3 張瑞琦;琥珀的寶石學特征和譜學特征研究[D];中國地質(zhì)大學(北京);2015年

4 李俊平;拉曼光譜在三種鎮(zhèn)痛類藥物研究上的應用[D];西南大學;2015年

5 王亞平;沖擊壓縮下液態(tài)硝基甲烷的拉曼光譜研究[D];西南交通大學;2015年

6 陳輝;拉曼光譜儀器標準化的算法研究及其在藥品快檢中的應用[D];福建中醫(yī)藥大學;2015年

7 徐瑛;拉曼光譜在淀粉結(jié)構(gòu)分析中的應用研究[D];鄭州輕工業(yè)學院;2015年

8 魏有超;有機薄膜中納秒激光沖擊波的時間分辨拉曼光譜實驗研究[D];哈爾濱工業(yè)大學;2015年

9 郭利斌;基于支持向量機算法的癌癥組織拉曼光譜數(shù)據(jù)分析[D];福建師范大學;2015年

10 陳茂文;急性心肌梗塞患者血液與唾液拉曼光譜研究[D];福建師范大學;2015年

，

本文編號：1605518