基于BOSS的小麦水分近红外光谱分析方法研究

发布时间：2023-10-16 20:23

　　小麦水分含量是评估小麦品质的重要指标,近红外光谱技术可以同时、快速、无损的对小麦水分含量进行检测与定量分析。基于模型集群分析(MPA)思想,结合引导软阈值算法(BOSS)对光谱变量进行选择,通过子模型回归系数得到变量权重,采用加权引导采样(WBS)逐步校正优化变量权重,收缩变量空间,选取交叉验证均方根误差(RMSECV)较小的子集为最优变量集,以此建立回归预测模型。结果显示,与全光谱模型相比,利用BOSS算法选择的特征变量建模,可以将预测均方根误差(RMSEP)由0.471 7下降到0.224 9,预测精度提高了52.3%,极大程度简化了模型,提高了模型预测能力。

【文章页数】：6 页

【文章目录】：
1 实验部分
    1.1 样品制备
    1.2 实验仪器及软件
    1.3 近红外光谱采集
2 原理与样本数据处理
    2.1 BOSS算法原理
    2.2 模型评价
    2.3 异常样本识别与剔除
    2.4 样本分类
3 结果与讨论
    3.1 参数的设置
    3.2 变量选择提取
    3.3 不同建模方法结果对比
4 结论



本文编号：3854589