[發明專利]基于粒子群算法的近紅外光譜波長選擇方法

有效

• 申請號: 201410114669.3
• 申請日: 2014-03-25
• 公開（公告）號: CN103913432A
• 公開（公告）日: 2014-07-09
• 發明（設計）人: 曹暉;王燕霞;張彥斌;周延
• 申請（專利權）人: 西安交通大學
• 主分類號: G01N21/359
• 分類號: G01N21/359
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 何會俠

1.一種基于粒子群算法的近紅外光譜波長選擇方法，其特征在于：步驟如下：

步驟1：首先采集樣本的近紅外光譜信號，構成現場歷史數據庫D，數據庫D的測量光譜為近紅外光譜；數據庫D包括有N個波長變量；

步驟2：近紅外光譜波長選擇方法使用蒙特卡洛Monte-Carlo,MC方法，按照預設比例R:1將數據庫D隨機劃分為訓練集和驗證集；

步驟3：近紅外光譜波長選擇方法初始化訓練集，隨機選取Num個粒子，每個粒子代表一個數據對象，即每個粒子是一個N維向量，Num即為粒子群大小；將這Num個粒子的飛行速度進行隨機初始化；

步驟4：近紅外光譜波長選擇方法采用二進制編碼對每個粒子進行位置編碼；每個粒子長度等于全部波長N，每個波長對應一個二進制碼，其中數值‘1’表示對應的波長被選中，數值‘0’表示對應的波長未被選中；

步驟5：近紅外光譜波長選擇方法采用偏最小二乘法partial?linear?squares，PIS建立分析校正模型，并選取交叉驗證均方根誤差RMSECV作為適應度函數，計算每個粒子的適應度值，并記錄個體最優解p_i和全局最優解p_g；交叉驗證均方根誤差RMSECV的計算公式為：

RMSECV=Σk=1Kp(yk-yk*)Kp]]>

式中，Kp為交叉驗證集的樣本數，y_k為第k個樣本的實際測量濃度，為第k個樣本的預測濃度；

步驟6：近紅外光譜波長選擇方法按照下式更新粒子的飛行速度，

pc=pij0≤r1<fcpgjfc≤r1≤1]]>

vijk+1=ω·vijk+a·r2·(pc-xijk)]]>

式中，p_c為參考狀態，p_ij為個體最優解p_i第j維的位置編碼，p_gj為全局最優解p_g第j維的位置編碼，r₁和r₂均為[0,1]之間的隨機數，f_c為選擇系數，k為當前迭代次數，ω為慣性因子，a為加速度系數，為當前迭代第i個粒子第j維的飛行速度，為當前迭代第i個粒子第j維的位置編碼，為下一次迭代第i個粒子第j維的飛行速度；

步驟7：近紅外光譜波長選擇方法按照下式更新粒子的位置編碼，

xijk+1=pijρ<11+e(-vijk+1)pgjother]]>

式中，ρ為[0,1]之間的隨機數，k為當前迭代次數，為下一次迭代第i個粒子第j維的飛行速度，為下一次迭代第i個粒子第j維的位置編碼；

步驟8：近紅外光譜波長選擇方法重復步驟4～步驟7，直到達到最大迭代次數Iter_n或者適應度函數RMSECV達到設定的適應度值fitness；輸出全局最優解；

步驟9：近紅外光譜波長選擇方法根據輸出的全局最優解的二進制編碼，得到所選擇的波長變量,數值‘1’表示對應的波長被選中，數值‘0’表示對應的波長未被選中。

2.根據權利要求1所述的一種基于粒子群算法的近紅外光譜波長選擇方法，其特征在于：所述的近紅外光譜波長選擇方法采用USB2000+光纖光譜儀和計算機組成的光譜信號采集系統，并對相關成分在各個頻段的光譜吸收率進行測量采集。