基于GA-LSSVR的烟草尼古丁含量的近红外光谱分析

摘要：

为了提高近红外光谱快速检测烟草尼古丁含量的精度和稳定性,利用遗传算法结合最小二乘支持向量回归建立了回归预测模型.最小二乘支持向量回归(least squares support vector regression, LSSVR)模型建立过程中,采用遗传算法对LSSVR 参数进行自动优化.相比于常规最小二乘支持向量机、神经网络和遗传偏最小二乘法等建立的回归预测模型,遗传算法结合最小二乘支持向量回归法建立的回归预测模型的相关系数(R2)、交互验证均方根误差(RMSE)和预测均方根误差(RMSEP) 3 个指标值显示其模型泛化能力最强, 预测效果最好.研究结果表明,应用遗传算法结合最小二乘支持向量回归是一种快速准确的建模方法,为烟草尼古丁含量的近红外测定和近红外光谱数据的处理提供了新的方法与途径.

关键词： 近红外光谱 烟草检测 尼古丁 遗传算法 最小二乘-支持向量回归 LSSVR模型

作者: 郭志明 赵春江 陈立平 黄文倩

作者单位: 国家农业信息化工程技术研究中心,北京 100097 国家农业信息化工程技术研究中心,北京 100097 国家农业部农业信息技术重点开放实验室,北京 100097

会议类型: 国内会议

会议名称: 中国农业工程学会电气信息与自动化专委会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会

会议地点: 北京

会议语种:中文

页码: 1-5

在线出版日期: 2010-10-29（万方平台首次上网日期，不代表论文的发表时间）