基于智能算法的近紅外光譜分析與建模.pdf

1、大米是最主要的糧食作物之一，快速無損的測定大米各組分的含量，在糧食的收購及生產(chǎn)加工中具有十分重要的意義。近紅外光譜分析技術(shù)具有高效、快速、低成本、無損傷和綠色環(huán)保等優(yōu)點，可以用于現(xiàn)場快速檢測和實時在線分析。但是，國外現(xiàn)有近紅外光譜分析軟件不適用于我國樣品，而國內(nèi)在近紅外光譜分析技術(shù)方面的研究并不完善。因此本文針對大米光譜數(shù)據(jù)的數(shù)學(xué)模型，綜合多門學(xué)科的知識，對光譜的預(yù)處理及數(shù)學(xué)建模方法等關(guān)鍵技術(shù)進行了深入的分析和研究。 本文系統(tǒng)地

2、分析了幾種傳統(tǒng)的光譜數(shù)據(jù)預(yù)處理方法，指出了這些方法各自的特點及適用范圍。并根據(jù)小波變換在噪聲濾除及數(shù)據(jù)壓縮方面的優(yōu)勢，選取小波變換對光譜數(shù)據(jù)進行濾噪和初步壓縮。針對小波變換無法利用光譜數(shù)據(jù)與組份含量之間關(guān)系來壓縮數(shù)據(jù)的缺點，提出了基于粗糙集的進一步數(shù)據(jù)約簡方法。并對粗糙集的多種約簡方法進行了分析和研究，根據(jù)本文的實際情況，采用基于化簡后的區(qū)分矩陣的算法進行編程計算求出約簡結(jié)果。 文中針對傳統(tǒng)光譜分析技術(shù)的線性模型本質(zhì)，采用了非線

3、性的光譜建模方法。首先，利用BP神經(jīng)網(wǎng)絡(luò)的非線性函數(shù)逼近能力，選用BP網(wǎng)絡(luò)對光譜數(shù)據(jù)進行建模，并對BP網(wǎng)絡(luò)的結(jié)構(gòu)及參數(shù)選取進行了分析。針對神經(jīng)網(wǎng)絡(luò)模型可解釋能力差的缺點，又提出了基于遺傳算法的模糊建模技術(shù)，利用基于協(xié)同進化的遺傳算法對T-S模型的各部分參數(shù)進行優(yōu)化，得到最優(yōu)的模糊模型。最后利用實驗數(shù)據(jù)對兩種方法的性能作了比較，證明遺傳—模糊建模的效果要略優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型。 本研究為近紅外光譜分析及大米成分定量化提供了切實可行