基于GA-LSSVM的苹果糖度近红外光谱检测

摘要

[目的]结合遗传算法和最小二乘支持向量机(GA-LSSVM),优化苹果糖度近红外光谱检测的数学模型,提高模型的检测精度和稳定性.[方法]在GA-LSSVM模型建立过程中,采用遗传算法自动获取最小二乘支持向量机的最优参数.[结果]相比于偏最小二乘法(PLS)、传统最小二乘支持向量机(LSSVM)和遗传偏最小二乘法(GA-PLS)数学模型,GA-LSSVM法建立的模型预测效果最优,模型的相关系数为0.94,预测均方根误差为0.32°Brix.[结论]GA和LSSVM相结合的优化方法在提高苹果糖度近红外光谱检测精度和稳定性方面是可行的.