GA-SVM在有机肥料近红外光谱定量分析中应用研究.pdfVIP

GA-SVM 在有机肥料近红外光谱定量分析中的应用研究 1 1* 1, 2 黄光群 ，韩鲁佳 ，王晓燕 （1．中国农业大学工学院，北京 100083； 2. 中国农业机械化科学研究院，北京 100083 ） 摘 要: 针对近红外光谱（NIR ）数据信息量大进行定量分析尤其是进行多次预处理方法及建模参数优选耗时长的特点，首先利用遗传 算法（GA）进行基于光谱数据和化学分析值的不同波长处光谱信息贡献率排序，然后选取适量的光谱信息作为回归分析的输入变量建模 并进行验证分析。本研究对所收集的120 份有机肥料样品进行NIRS 采集和有机质含量测定，每条光谱含有信息数据点3001 个。利用全 谱信息分别与PLS 和SVM 所建模型验证集决定系数（r2 ）、标准差（SEP）和相对分析误差（RPD）分别为PLS （0.94，36.12g/kg，3.92）、 SVM （0.94，34.86g/kg，4.07）；利用GA 选取其中500 个数据点并利用SVM 建模r2、SEP 和RPD 为GA-SVM （0.95，31.86g/kg，4.46）。 研究表明，GA 可以有效提取光谱信息，SVM 可以获得适用性更好的模型，两者的联用提高了运算效率和模型精度，具有较好的效果。 关键词: 遗传算法；支持向量机；近红外光谱；有机肥料 中图分类号: S14; ∗ 乘法（PLS ），其特点是利用全部光谱信息选择维数不多 0 引 言 并用与待测参数相关的独立主成分变量建立回归方程。 随着我国畜禽集约化养殖规模的不断扩大，畜禽粪便 支持向量机（support vector machine， SVM) 是20 世 产量剧增，年均已近30 亿吨，严重威胁养殖场及周边地区 纪90 年代由Vapnik 提出的一种基于统计学习理论的新的 的生态环境。高温好氧堆肥是近年来快速发展的畜禽粪便 机器学习方法，根据有限样本信息在模型的复杂性和学习 处理技术，并以其无害化、减量化和资源化等突出优点而 能力之间寻求最佳折衷，通过将低维非线性的输入映射到 备受关注。堆肥化是在微生物作用下通过高温发酵使有机 高维线性的输出，以期获得最好的推广能力。常用的核函 物矿质化、腐殖化和无害化变成腐熟肥料的过程[1]。 数有线性核函数(Linear Kernel)和非线性径向基核函数 [12] [13-14] 有机质含量是畜禽粪便堆肥品质评价的重要技术指 （Redial Basis Kernel） 等。张录达、杜树新 等人利 标，传统的实验室分析方法需对样品进行物理等预处理， 用支持向量回归法在NIR 定量分析小麦中蛋白质和汽油辛 不但耗时费力，待分析样品也将受到破坏。近红外光谱 烷值中的应用做了探讨，效果良好。 （Near infrared reflectance spectroscopy，NIR ）分析技术以 有研究表明，特定方法筛选特征波长有可能得到预测 其快速、无损、无污染等特点成为20 世纪90 年代以来发 能力强、稳健性好的校正模型。遗传算法是应用较广泛的 展最快、最引人注目的光谱分析技术，已被广泛应用于工 一种变量筛选方法，最初是由Holland 于1975 年提出，它 业、农业、医学和纺织等领域[2-6]，Jae、Takashi、Makoto、 借鉴生物界自然选择和遗传机制利用选择、交换和突变等 Malley 等[7-10]利用近红外光谱法对畜禽粪便堆