GA-SVM在有机肥料近红外光谱定量分析中的应用研究

摘要：

针对近红外光谱（NIR）数据信息量大进行定量分析尤其是进行多次预处理方法及建模参数优选耗时长的特点，首先利用遗传算法（GA）进行基于光谱数据和化学分析值的不同波长处光谱信息贡献率排序，然后选取适量的光谱信息作为回归分析的输入变量建模并进行验证分析。本研究对所收集的120 份有机肥料样品进行NIRS 采集和有机质含量测定，每条光谱含有信息数据点3001 个。利用全谱信息分别与PLS 和SVM所建模型验证集决定系数（r2）、标准差（SEP）和相对分析误差（RPD）分别为PLS（0.94，36.12g/kg，3.92）、 SVM（0.94，34.86g/kg，4.07）；利用GA选取其中500 个数据点并利用SVM建模r2、SEP 和RPD 为GA-SVM（0.95，31.86g/kg，4.46）。研究表明，GA可以有效提取光谱信息，SVM可以获得适用性更好的模型，两者的联用提高了运算效率和模型精度，具有较好的效果。

关键词： 遗传算法 支持向量机 近红外光谱 有机肥料

作者: 黄光群 韩鲁佳 王晓燕

作者单位: 中国农业大学工学院，北京100083 中国农业大学工学院，北京100083；中国农业机械化科学研究院，北京100083

会议类型: 国内会议

会议名称: 纪念中国农业工程学会成立三十周年暨中国农业工程学会2009年学术年会(CSAE2009)

会议地点: 太原

会议语种:中文

页码: 1-5

在线出版日期: 2009-08-01（万方平台首次上网日期，不代表论文的发表时间）