基于近紅外光譜的安胎丸生產(chǎn)年份預(yù)測方法
發(fā)布時(shí)間:2024-02-17 20:32
隨著中藥制劑存儲時(shí)間的延長,其有效成分含量逐漸降低;瘜W(xué)檢測手段損耗樣品、檢測時(shí)間長、成本高,利用近紅外光譜對不同年份的經(jīng)典名方安胎丸進(jìn)行年份鑒別。為探討這種無損、快速質(zhì)量控制方式的可行性,采集了三年的105粒樣本在1 000~1 799 nm波段近紅外光譜吸光度數(shù)據(jù),隨機(jī)選擇80個(gè)作為訓(xùn)練集, 25個(gè)作為測試集。首先采用連續(xù)投影算法(SPA),消除原始光譜數(shù)據(jù)中的冗余信息,對輸入全光譜進(jìn)行優(yōu)化降維,根據(jù)測試集的內(nèi)部交叉驗(yàn)證均方根誤差值,從輸入的800個(gè)波長中提取出11個(gè)特征波長,分別是:(1 692, 1 714, 1 405, 1 001, 1 114, 1 478, 1 514, 1 788, 1 202, 1 014, 1 164) nm;然后建立支持向量機(jī)(SVM)分類模型,由于SVM模型中的參數(shù)選取對分類正確率影響很大,利用粒子群優(yōu)化(PSO)算法,對SVM模型中懲罰參數(shù)C和核函數(shù)參數(shù)進(jìn)行尋優(yōu),形成PSOSVM分類模型;最后將SPA降維后的特征波長輸入到PSOSVM分類算法中。用Matlab軟件進(jìn)行仿真測試,分別構(gòu)建SVM, SPA-SVM和本文的SPA-PSOSVM三種方...
【文章頁數(shù)】:6 頁
【部分圖文】:
本文編號:3901281
【文章頁數(shù)】:6 頁
【部分圖文】:
圖6基于SPA-SVM的測試集分類結(jié)果
圖5基于SVM的測試集分類結(jié)果圖7基于SPA-PSOSVM的測試集分類結(jié)果
圖1105個(gè)安胎丸樣本的光譜圖
利用聚光科技有限公司生產(chǎn)的SupNIR1500近紅外光譜儀采集安胎丸光譜,漫反射模式,波長掃描范圍是1000~1799nm。每丸樣品重復(fù)掃描三次,得到平均的光譜數(shù)據(jù)保存。105個(gè)樣品的光譜如圖1所示。從圖1可以看出來,近紅外光譜信息重疊嚴(yán)重,特別是2013年....
圖2實(shí)驗(yàn)數(shù)據(jù)處理流程圖
近紅外光譜測量得到的數(shù)據(jù)數(shù)量龐大,光譜波長較多,相鄰波長間存在較多的冗余信息和相關(guān)性,如果直接用全光譜建模,必然會(huì)使得建模的時(shí)間和模型的復(fù)雜度增加,模型的預(yù)測正確率和穩(wěn)定性降低。具體的實(shí)驗(yàn)建模分析過程如圖2所示。先使用連續(xù)投影算法(SPA)對采集到的波長進(jìn)行優(yōu)化,對....
圖3PSOSVM算法的流程圖
PSOSVM算法的流程如圖3所示,將PSO算法用于支持向量機(jī)的參數(shù)優(yōu)化,可以降低優(yōu)化過程的計(jì)算代價(jià),提高分類的正確率[11]。2結(jié)果與討論
本文編號:3901281
本文鏈接:http://sikaile.net/yixuelunwen/zhongyaolw/3901281.html
最近更新
教材專著