论文部分内容阅读
针对近红外光谱（NIR）数据信息量大进行定量分析尤其是进行多次预处理方法及建模参数优选耗时长的特点，首先利用遗传算法（GA）进行基于光谱数据和化学分析值的不同波长处光谱信息贡献率排序，然后选取适量的光谱信息作为回归分析的输入变量建模并进行验证分析。本研究对所收集的120 份有机肥料样品进行NIRS 采集和有机质含量测定，每条光谱含有信息数据点3001 个。利用全谱信息分别与PLS 和SVM所建模型验证集决定系数（r2）、标准差（SEP）和相对分析误差（RPD）分别为PLS（0.94，36.12g/kg，3.92）、 SVM（0.94，34.86g/kg，4.07）；利用GA选取其中500 个数据点并利用SVM建模r2、SEP 和RPD 为GA-SVM（0.95，31.86g/kg，4.46）。研究表明，GA可以有效提取光谱信息，SVM可以获得适用性更好的模型，两者的联用提高了运算效率和模型精度，具有较好的效果。