农产品近红外光谱分析中的多模型共识方法研究

摘要

基于多模型共识的基本思路结合近红外光谱,建立了多模型共识偏最小二乘回归方法(cPLS),从训练集随机取样建立一系列偏最小二乘回归模型(PLS),选取其中性能较好的部分模型作为成员模型,并用这些成员模型预测未知样品.将cPLS用于玉米中湿度、淀粉、蛋白质及油分含量的近红外光谱定量预测.结果PLS对独立测试集中4种组分进行50次重复预测的平均预测误差均方根分别为0.020 7、0.268 6、0.1220和0.070 6,预测误差均方根的标准偏差分别为4.753 0×10-3、0.054 8、0.023 0和0.014 9;而cPLS重复50次预测的平均预测误差均方根分别为0.016 0、0.167 8、0.1166和0.044 1,预测误差均方根的标准偏差分别为2.735 0×10-4、0.002 5、0.003 0和7.683 0×10-4.可见,cPLS所建立的模型更加稳健可靠,预测的准确性也明显提高.