基于智能算法的近紅外光譜分析與建模.pdf

1、大米是最主要的糧食作物之一，快速無(wú)損的測(cè)定大米各組分的含量，在糧食的收購(gòu)及生產(chǎn)加工中具有十分重要的意義。近紅外光譜分析技術(shù)具有高效、快速、低成本、無(wú)損傷和綠色環(huán)保等優(yōu)點(diǎn)，可以用于現(xiàn)場(chǎng)快速檢測(cè)和實(shí)時(shí)在線分析。但是，國(guó)外現(xiàn)有近紅外光譜分析軟件不適用于我國(guó)樣品，而國(guó)內(nèi)在近紅外光譜分析技術(shù)方面的研究并不完善。因此本文針對(duì)大米光譜數(shù)據(jù)的數(shù)學(xué)模型，綜合多門(mén)學(xué)科的知識(shí)，對(duì)光譜的預(yù)處理及數(shù)學(xué)建模方法等關(guān)鍵技術(shù)進(jìn)行了深入的分析和研究。 本文系統(tǒng)地

2、分析了幾種傳統(tǒng)的光譜數(shù)據(jù)預(yù)處理方法，指出了這些方法各自的特點(diǎn)及適用范圍。并根據(jù)小波變換在噪聲濾除及數(shù)據(jù)壓縮方面的優(yōu)勢(shì)，選取小波變換對(duì)光譜數(shù)據(jù)進(jìn)行濾噪和初步壓縮。針對(duì)小波變換無(wú)法利用光譜數(shù)據(jù)與組份含量之間關(guān)系來(lái)壓縮數(shù)據(jù)的缺點(diǎn)，提出了基于粗糙集的進(jìn)一步數(shù)據(jù)約簡(jiǎn)方法。并對(duì)粗糙集的多種約簡(jiǎn)方法進(jìn)行了分析和研究，根據(jù)本文的實(shí)際情況，采用基于化簡(jiǎn)后的區(qū)分矩陣的算法進(jìn)行編程計(jì)算求出約簡(jiǎn)結(jié)果。 文中針對(duì)傳統(tǒng)光譜分析技術(shù)的線性模型本質(zhì)，采用了非線

3、性的光譜建模方法。首先，利用BP神經(jīng)網(wǎng)絡(luò)的非線性函數(shù)逼近能力，選用BP網(wǎng)絡(luò)對(duì)光譜數(shù)據(jù)進(jìn)行建模，并對(duì)BP網(wǎng)絡(luò)的結(jié)構(gòu)及參數(shù)選取進(jìn)行了分析。針對(duì)神經(jīng)網(wǎng)絡(luò)模型可解釋能力差的缺點(diǎn)，又提出了基于遺傳算法的模糊建模技術(shù)，利用基于協(xié)同進(jìn)化的遺傳算法對(duì)T-S模型的各部分參數(shù)進(jìn)行優(yōu)化，得到最優(yōu)的模糊模型。最后利用實(shí)驗(yàn)數(shù)據(jù)對(duì)兩種方法的性能作了比較，證明遺傳—模糊建模的效果要略優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型。 本研究為近紅外光譜分析及大米成分定量化提供了切實(shí)可行