[发明专利]基于粒子群算法的近红外光谱波长选择方法

权利要求书

1.一种基于粒子群算法的近红外光谱波长选择方法，其特征在于：步骤如下：

步骤1：首先采集样本的近红外光谱信号，构成现场历史数据库D，数据库D的测量光谱为近红外光谱；数据库D包括有N个波长变量；

步骤2：近红外光谱波长选择方法使用蒙特卡洛Monte-Carlo,MC方法，按照预设比例R:1将数据库D随机划分为训练集和验证集；

步骤3：近红外光谱波长选择方法初始化训练集，随机选取Num个粒子，每个粒子代表一个数据对象，即每个粒子是一个N维向量，Num即为粒子群大小；将这Num个粒子的飞行速度进行随机初始化；

步骤4：近红外光谱波长选择方法采用二进制编码对每个粒子进行位置编码；每个粒子长度等于全部波长N，每个波长对应一个二进制码，其中数值‘1’表示对应的波长被选中，数值‘0’表示对应的波长未被选中；

步骤5：近红外光谱波长选择方法采用偏最小二乘法partial linear squares，PIS建立分析校正模型，并选取交叉验证均方根误差RMSECV作为适应度函数，计算每个粒子的适应度值，并记录个体最优解p_i和全局最优解p_g；交叉验证均方根误差RMSECV的计算公式为：

RMSECV=Σk=1Kp(yk-yk*)Kp]]>

式中，Kp为交叉验证集的样本数，y_k为第k个样本的实际测量浓度，为第k个样本的预测浓度；

步骤6：近红外光谱波长选择方法按照下式更新粒子的飞行速度，

pc=pij0≤r1<fcpgjfc≤r1≤1]]>

vijk+1=ω·vijk+a·r2·(pc-xijk)]]>

式中，p_c为参考状态，p_ij为个体最优解p_i第j维的位置编码，p_gj为全局最优解p_g第j维的位置编码，r₁和r₂均为[0,1]之间的随机数，f_c为选择系数，k为当前迭代次数，ω为惯性因子，a为加速度系数，为当前迭代第i个粒子第j维的飞行速度，为当前迭代第i个粒子第j维的位置编码，为下一次迭代第i个粒子第j维的飞行速度；

步骤7：近红外光谱波长选择方法按照下式更新粒子的位置编码，

xijk+1=pijρ<11+e(-vijk+1)pgjother]]>

式中，ρ为[0,1]之间的随机数，k为当前迭代次数，为下一次迭代第i个粒子第j维的飞行速度，为下一次迭代第i个粒子第j维的位置编码；

步骤8：近红外光谱波长选择方法重复步骤4～步骤7，直到达到最大迭代次数Iter_n或者适应度函数RMSECV达到设定的适应度值fitness；输出全局最优解；

步骤9：近红外光谱波长选择方法根据输出的全局最优解的二进制编码，得到所选择的波长变量,数值‘1’表示对应的波长被选中，数值‘0’表示对应的波长未被选中。

2.根据权利要求1所述的一种基于粒子群算法的近红外光谱波长选择方法，其特征在于：所述的近红外光谱波长选择方法采用USB2000+光纤光谱仪和计算机组成的光谱信号采集系统，并对相关成分在各个频段的光谱吸收率进行测量采集。