基于独立分量和神经网络的近红外多组分分析方法

《分析化学》2008年06期 
 
  基于独立分量和神经网络的近红外多组分分析方法
  方利民;林敏
  　　采用小波变换对光谱数据进行压缩,用独立分量分析(ICA)方法提取近红外光谱数据矩阵的独立成分和相应的混合矩阵,再用BP神经网络对混合矩阵和实测浓度矩阵进行建模,提出了基于独立分量分析-神经网络回归(ICA-NNR)的近红外分析建模方法。进一步研究了独立分量数和网络中间隐层的神经元数对模型性能的影响,经优化后的ICA-NNR模型在相关系数与均方根误差两个指标上均优于直接用光谱矩阵作为输入所建立的模型。本方法用于玉米中水分、淀粉、蛋白质3种主要成分含量的同时测定,检验样品集的化学检测值与近红外预测值的相关系数分别达到:淀粉r=0.971,蛋白质r=0.976,水分r=0.975。
【作者单位】：中国计量学院计量技术工程学院 杭州310018
【关键词】：独立分量分析;神经网络;小波变换;近红外光谱;玉米样品
【基金】：浙江省科技厅重点项目(No.2006C21044)资助
【分类号】：O657.33
【DOI】：CNKI:SUN:FXHX.0.2008-06-028
【正文快照】：
　　1引言近红外(NIR)光谱技术是依据某一化学成分对近红外区光谱的吸收特性而进行的定量测定。但是,近红外光谱分析信息的提取存在很多难点,比如光谱的复杂性和重叠性、光谱的变动性以及所包含的信息强度低等[1~3]。通常测得的NIR光谱可以认为是一些纯物质(主要成分)光谱的线性组