文献类型：期刊文章

作　　者：齐小明[1] 张录达[2] 杜晓林[1] 宋昭娟[1] 张一[1] 徐淑燕[1]

机构地区：[1]北京农学院基础科学系,北京102206 [2]中国农业大学理学院,北京100094

出　　处：《光谱学与光谱分析》

基　　金：北京市教委科技发展计划项目资助(01KJ-086)

年　　份：2003

卷　　号：23

期　　号：5

起止页码：870-872

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CAS、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、PUBMED、RCCSE、RSC、SCI(收录号：WOS:000186376200012)、SCI-EXPANDED(收录号：WOS:000186376200012)、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：建立BP模型用于近红外光谱定量分析时,为克服所建模型与训练样本集产生“过拟合”,先用线性算法为其压缩训练数据是必要的。目前多采用主成分法(PCA)和逐步回归法(SRA)。主成分法具有极强的压缩数据能力,用它压缩成的主成分输入BP网所建模型的预测精度一般能满足要求,但它处理数据时未考虑输出变量的影响。逐步回归法根据系统输出选择变量,但所选变量具有自相关性,而且与训练集样品的排列顺序有关,很难选出最好的变量,往往难满足预测精度要求。本研究用偏最小二乘法(PLS),根据输出变量将原始数据压缩为主成分,输入BP网并用所建模型预测30个小麦样品的蛋白质含量。结果表明,与PCA-BP模型的预测决定系数(R2)从92.50提高到97.10,训练迭代次数从12 000减少到4 500。

关 键 词：PLS—BP法  近红外光谱 定量分析  偏最小二乘法 BP网络

分 类 号：O657.33]