基于迭代保留信息变量和连续投影的近红外光谱波长选择方法

程介虹 陈争光

引用本文: 程介虹, 陈争光. 基于迭代保留信息变量和连续投影的近红外光谱波长选择方法[J]. 分析化学, 2021, 49(8): 1402-1409. doi: 10.19756/j.issn.0253-3820.201307 shu
Citation:  CHENG Jie-Hong,  CHEN Zheng-Guang. Wavelength Selection Method for Near Infrared Spectroscopy Based on Iteratively Retains Informative Variables and Successive Projections Algorithm[J]. Chinese Journal of Analytical Chemistry, 2021, 49(8): 1402-1409. doi: 10.19756/j.issn.0253-3820.201307 shu

基于迭代保留信息变量和连续投影的近红外光谱波长选择方法

    通讯作者: 陈争光,E-mail:ruzee@sina.com
  • 基金项目:

    国家重点研发计划项目(No.2016YFD0701300)、黑龙江省农垦总局重点科研计划项目(No.HKKYZD190804)和黑龙江省省属高校基本科研业务费项目(No.ZRCPY201913)资助。

摘要: 连续投影算法(SPA)作为一种波长选择算法,用于近红外光谱的定量分析中以简化模型复杂度,提高模型预测精度。由SPA算法的原理可知,SPA算法只能保证相邻两次投影所选择的两个波长之间具有较低的冗余性,但不保证所选变量一定是有效变量,即SPA筛选出的变量子集中可能包含一些无信息变量甚至是干扰变量。所以通过迭代保留信息变量(IRIV)提取有效变量(即强、弱信息变量),再基于有效变量进行SPA波长选择,以解决SPA所选变量可能含有无信息和干扰变量的问题,提高模型预测精度。将改进的IRIV-SPA算法应用于两组公开的近红外光谱数据,进行特征波长选择后,建立MLR模型,并与全谱的PLSR模型以及一些常用的高性能的波长选择方法(SPA、IRIV、随机蛙跳(RF)算法)进行对比,以验证改进的IRIV-SPA算法的有效性。结果表明,在两组公开的测试数据集下,改进的IRIV-SPA-MLR模型的预测精度最优,相较于其它算法极大地提高了预测精度,简化了模型的复杂度。研究结果表明,改进的IRIV-SPA可实现高效降维,是一种有效的特征波长选择算法。

English


    1. [1]

      MEHMOOD T, LILAND K H, SNIPEN L, SAEBO S S. Chemom. Intell. Lab. Syst., 2012, 118: 62-69.MEHMOOD T, LILAND K H, SNIPEN L, SAEBO S S. Chemom. Intell. Lab. Syst., 2012, 118: 62-69.

    2. [2]

      YUN Y H, LI H D, DENG B C, CAO D S. TrAC-Trends Anal. Chem., 2019, 113: 102-115.YUN Y H, LI H D, DENG B C, CAO D S. TrAC-Trends Anal. Chem., 2019, 113: 102-115.

    3. [3]

      ZOU X B, ZHAO J W, POVEY M J W, HOLMES M, MAO H P. Anal. Chim. Acta, 2010, 667(1-2): 14-32.ZOU X B, ZHAO J W, POVEY M J W, HOLMES M, MAO H P. Anal. Chim. Acta, 2010, 667(1-2): 14-32.

    4. [4]

      ARAUJO M C U, SALDANHA T C B, GALVÄO R K H, YONEYAMA T, CHAME H C, VISANI V. Chemom. Intell. Lab. Syst., 2001, 57(2): 65-73.ARAUJO M C U, SALDANHA T C B, GALVÄO R K H, YONEYAMA T, CHAME H C, VISANI V. Chemom. Intell. Lab. Syst., 2001, 57(2): 65-73.

    5. [5]

      HAO Yong, SUN Xu-Dong, WANG Hao. J. Jiangsu Univ. (Nat. Sci. Ed.), 2013, 34(1): 49-53. 郝勇, 孙旭东, 王豪. 江苏大学学报(自然科学版), 2013, 34(1): 49-53.

    6. [6]

      XU Zhi-Bin, WU Nan, LI Cui, CHEN Fan. Coal Tech., 2015, 34(2): 280-282. 徐志彬, 吴楠, 李翠, 陈凡. 煤炭技术, 2015, 34(2): 280-282.

    7. [7]

      CHEN Hua-Zhou, GU Jie, CHEN Wei-Hao, MO Li-Na, QIAO Han-Li. Spectrosc. Spectral Anal., 2018, 38(S1): 118-119. 陈华舟, 辜洁, 陈伟豪, 莫丽娜, 乔涵丽. 光谱学与光谱分析, 2018, 38(S1): 118-119.

    8. [8]

      TANG R, CHEN X, LI C. Appl. Spectrosc., 2018, 72(5): 740-749.TANG R, CHEN X, LI C. Appl. Spectrosc., 2018, 72(5): 740-749.

    9. [9]

      DE ALMEIDA V E, GOMES A D, FERNANDES D D D, GOICOECHEA H C, GALVAO R K H, ARAUJO M C U. Talanta, 2018, 181: 38-43.DE ALMEIDA V E, GOMES A D, FERNANDES D D D, GOICOECHEA H C, GALVAO R K H, ARAUJO M C U. Talanta, 2018, 181: 38-43.

    10. [10]

      YUAN Ying, WANG Wei, CHU Xuan, XI Ming-Jie. Spectrosc. Spectral Anal., 2016, 36(1): 226-230. 袁莹, 王伟, 褚璇, 喜明杰. 光谱学与光谱分析, 2016, 36(1): 226-230.

    11. [11]

      SONG Xiang-Zhong, TANG Guo, ZHANG Lu-Da, XIONG Yan-Mei, MIN Shun-Geng. Spectrosc. Spectral Anal., 2017, 37(4): 1048-1052. 宋相中, 唐果, 张录达, 熊艳梅, 闵顺耕. 光谱学与光谱分析, 2017, 37(4): 1048-1052.

    12. [12]

      YUN Y H, WANG W T, TAN M L, LIANG Y Z, LI H D, CAO D S, LU H M, XU Q S. Anal. Chim. Acta, 2014, 807: 36-43.YUN Y H, WANG W T, TAN M L, LIANG Y Z, LI H D, CAO D S, LU H M, XU Q S. Anal. Chim. Acta, 2014, 807: 36-43.

    13. [13]

      LI H D, XU Q S, LIANG Y Z. Anal. Chim. Acta, 2012, 740: 20-26.LI H D, XU Q S, LIANG Y Z. Anal. Chim. Acta, 2012, 740: 20-26.

    14. [14]

      [dataset] U.S. Army, Near Infrared Spectra of Diesel Fuels, Soutwest Research Institute (SWRI), Eigenvector Research Inconrporated.[dataset] U.S. Army, Near Infrared Spectra of Diesel Fuels, Soutwest Research Institute (SWRI), Eigenvector Research Inconrporated.

    15. [15]

      [dataset] Havstrom, Soil Samples Measured by NIR, Long Term Field Experiment in Abisko, Quality & Technology.[dataset] Havstrom, Soil Samples Measured by NIR, Long Term Field Experiment in Abisko, Quality & Technology.

    16. [16]

      CHENG Jie-Hong, CHEN Zheng-Guang, ZHANG Qing-Hua. J. Agric. Sci. Tech. China, 2020, 22(1): 162-170. 程介虹, 陈争光, 张庆华. 中国农业科技导报, 2020, 22(1): 162-170.

    17. [17]

      SOARES S F C, GOMES A, FILHO A R G, ARAUJO M C U, GALVAO R K H. TrAC-Trends Anal. Chem., 2013, 42: 84-98.SOARES S F C, GOMES A, FILHO A R G, ARAUJO M C U, GALVAO R K H. TrAC-Trends Anal. Chem., 2013, 42: 84-98.

    18. [18]

      ZHANG Hang, LIU Guo-Hai, JIANG Hui, MEI Cong-Li, HUANG Yong-Hong. Las. Optoelect. Prog., 2017, 54(2): 314-320. 张航, 刘国海, 江辉, 梅从立, 黄永红. 激光与光电子学进展, 2017, 54(2): 314-320.

    19. [19]

      YU Lei, ZHANG Tao, ZHU Ya-Xing, ZHOU Yong, XIA Tian, NIE Yan. Trans. Chin. Soc. Agric. Eng., 2018, 34(16): 148-154. 于雷, 章涛, 朱亚星, 周勇, 夏天, 聂艳. 农业工程学报, 2018, 34(16): 148-154.

    20. [20]

      GAO Sheng, WANG Qiao-Hua. Chin. J. Lumin., 2019, 40(12): 1574-1584. 高升, 王巧华. 发光学报, 2019, 40(12): 1574-1584.

    21. [21]

      XIE Yue, LI Fei-Yue, FAN Xing-Jun, HU Shui-Jin, XIAO Xin, WANG Jian-Fei. Chin. J. Anal. Chem., 2018, 46(4): 609-615. 谢越, 李飞跃, 范行军, 胡水金, 肖新, 汪建飞. 分析化学, 2018, 46(4): 609-615.

  • 加载中
计量
  • PDF下载量:  5
  • 文章访问数:  315
  • HTML全文浏览量:  39
文章相关
  • 收稿日期:  2020-05-25
  • 修回日期:  2021-01-18
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章