BiPLS结合GA优选可见/近红外光谱MLR变量

摘要

利用反向区间偏最小二乘法(BiPLS)定位光谱糖度若干信息区间,运用遗传算法(GA)从中选择波长点,建立了多元线性回归(MLR)模型.光谱进行卷积平滑和二阶导数处理后,将光谱(225个数据点)分割成25个子区间时,BiPLS优化结果最优.在所定位的信息区间进行GA二次选择特征变量,运行100次依次选择入选频率较高的12个波长点.为简化MLR模型,对于入选的相邻波长选择频率较高者,最后选择638,734,752,868,910,916和938 nm作为同归变量,建立的MLR预测模型相关系数(R2)、校正均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为0.984,0.364和0.471,优于常用的逐步多元线性回归的建模结果.表明BiPLS结合GA可以有效地对李子糖度可见/近红外光谱MLR回归变量进行筛选,提高了模型的精度.