双光谱区间遗传算法及其在模型转移中的应用

作     者：郑开逸 沈烨 张文 周晨光 丁福源 张钖 张柔佳 石吉勇 邹小波 ZHENG Kai-yi;SHEN Ye;ZHANG Wen;ZHOU Chen-guang;DING Fu-yuan;ZHANG Yang;ZHANG Rou-jia;SHI Ji-yong;ZOU Xiao-bo

作者机构：江苏大学食品与生物工程学院江苏镇江212013 

出 版 物：《光谱学与光谱分析》 (Spectroscopy and Spectral Analysis)

年 卷 期：2022年第42卷第12期

页      面：3783-3788页

核心收录：

学科分类：0710[理学-生物学] 07[理学] 070302[理学-分析化学] 0703[理学-化学] 0714[理学-统计学（可授理学、经济学学位）] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(31972153) 国家博士后资助项目(2019M661758) 江苏省博士后资助项目(2019K014) 江苏大学基金项目(19JDG010)资助。 

主　　题：近红外光谱 模型转移 遗传算法 变量选择 向后迭代区间选择法 

摘      要：在近红外光谱分析中,将近红外光谱和浓度信息建立统计模型,通过光谱代入模型即可预测未知样本浓度。但是,检测条件的变化会导致光谱的改变,进而导致原有的模型不能准确预测光谱改变后的样本。对此,模型转移可以通过校正新测量的光谱(从光谱),使得从光谱能够被原有光谱(主光谱)建立的模型准确预测。模型转移可以使用全光谱进行校正,但是全光谱中往往包括噪声、背景等干扰信息,这些干扰会增加预测误差。故可以使用变量选择方法找出光谱中有化学意义的信息来模型转移。但是一般的变量选择算法只选择主光谱的区间,从光谱使用主光谱相同的波长区间模型转移。但是在实际工作中,主光谱和从光谱有化学意义的区间往往不一致,主从光谱使用同一区间模型转移会增加误差;此外,有时二者原光谱的波长范围并不一致,从主光谱选出的区间不能用于从光谱的校正。对此,提出了基于双光谱区间遗传算法(GA-IDS),同时选择主光谱和从光谱有化学意义的区间,进而实现模型转移。GA-IDS算法步骤包括,①随机产生种群;②分析种群中每条染色体,删去错误染色体;③根据每条染色体,找出其相应的主光谱和从光谱波段组合,并计算其模型转移后的验证均方根误差(RMSEV);④按照概率,执行选择、交叉、变异操作。在一次迭代结束之后,返回到步骤②,重新执行纠错、计算RMSEV、选择、交叉、变异。达到停止迭代的要求后,将最低的RMSEV值所对应的染色体保存下来作为最优染色体,其所对应的主从光谱区间作为最优区间。用玉米、小麦两套数据测试了该算法,结果显示,与全光谱相比,GA-IDS选择的主从光谱区间可以显著地降低误差;与向后迭代区间选择法(IIBS)相比,在小样本情况下,GA-IDS的误差显著地小于IIBS方法。