基于粒子群优化的波段选择方法在多组分同时测定中的应用论文

《基于粒子群优化的波段选择方法在多组分同时测定中的应用论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于粒子群优化的波段选择方法在多组分同时测定中的应用论文陶丘博申琦张小亚刘红【摘要】多组分同时测定时，组分间发生相互作用，应作波段选择。提出了改进的粒子群优化算法进行随机的波段选择。所提出的方法用于邻、间、对硝基苯酚的浓度预测，在208～481nm范围内,以0.15mol/LNaOH为溶剂，配置27组混合液作训练集，27组作预测集。训练集的均方根误差(RMSE)分别为0.1257、0.2228和0.0846;预测集RMSE分别为0.2070、0.1507和0.394，得到了较好的预测结果。【关键词】粒子群优化算法，波段选

2、择.freeloptimization，PSO)PSO是由Kennedy和Eberhart于1995年提出的全局随机优化技术，源于人工生命。在搜索空间中随机产生一群粒子，每个粒子是D维空间的一个点，代表一个可行解。第i个粒子表示为xi=(xi1,xi2,…,xiD)。采用适当的目标函数确定每个粒子的适应度。每个粒子通过速率决定移动的方向和距离。速率是一个D维向量，记为vi=(vi1,vi2,…,viD)。粒子追踪当前的两个已知最优解在搜索空间中运动：粒子自身迄今找到的最优解pi=(pi1,pi2,……piD)和种群迄今找

3、到的最优解pg=(pg1,pg2,……pgD)。根据粒子群算法的信息共享机制，作者曾提出了改进的离散粒子群优化算法10。粒子通过下式来更新自己的位置:If(0If(aIf((1+a)/2其中,.freelL0.15mol/LNaOH溶解并以2%乙醇定容至100mL，配制成4g/L的储备液。然后用2%乙醇稀释得到0.4g/L的标准溶液。参比溶液：移取3.2mL0.15mol/LNaOH于100mL容量瓶中,用2%乙醇定容。3.2实验方法准确吸取适量的邻、间、对硝基酚标准溶液于25mL容量瓶中，以2%乙醇定容。共配制54组混

4、合标准溶液，其中27组作为训练集建模，其余27组作为预测集以检验模型。用1cm比色皿，在208～481nm范围内扫描，间隔1nm采集吸光度值。测定数据由计算机处理，程序用Matlab编写。4结果与讨论4.1吸收光谱邻、间、对硝基苯酚的吸收曲线见图1。由图1可知，它们的最大吸收波长分别为227,228和400nm。紫外吸收光谱相互重叠，图1硝基苯酚的紫外吸收光谱1.间硝基苯酚(mnitrophenol);2.邻硝基苯酚(onitrophenol);3.对硝基苯酚(pnitrophenol)。采用常规分析方法难以直接测

5、定单一组分的含量。在最大吸收波长处对单组分分别测定，得到邻硝基苯酚和间硝基苯酚的线性范围均为2～28mg/L;对硝基苯酚在2～24mg/L范围内线性关系良好。4.2波长选择和模型预测为了提高模型的预测力和稳健性，采用粒子群优化算法挑出信息含量丰富的波长段。所选出的波段为247～254nm，262～264nm，273～278nm，288～328nm和371～379nm。以所选波长段中连续相邻的波长点的吸光度为自变量对训练集样本进行PLS建模(PSOPLS)，并对预测集样本进行预测。表1列出了预测集样本的硝基苯酚含量和粒子

6、群优化算法的计算值。邻、间、对硝基苯酚预测的相对误差分别为-1.44%，-0.77%和-0.59%。与全波谱PLS建模(FULLPLS)进行对比，采用全部274个波长(208～481nm)，邻、间、对硝基苯酚预测的相对误差分别为5.77%，-6.50%和-1.53%。可见，粒子群优化选择波段后，各组分预测的平均相对误差均减小。表2列出了全波谱建模和粒子群优化波段选择建模的均方根误差RMSE值。由表2可知，进行波段选择后3种硝基苯酚训练集和预测集的RMSE值均明显降低，预测集的RMSE分别降低了80.48%，44.75%

7、和11.58%，表明了粒子群优化法的波段选择方法对多组分混合物同时测定的预测能力明显提高，模型的稳健性较好。表1粒子群优化波段选择算法的预测集结果【