基于PLSSVM解析光度法多组分同时测定数据的比较.pdfVIP

第30卷，第1期 光谱实验室 V01．30，No．1 Journal 013 0 Chinese of January，2 2 1 3年1月 SpectroscopyLaboratory 基于PLS—SVM解析光度法多组分 同时测定数据的比较① 潘国锋② (江南大学轻工过程先进控制教育部重点实验室江苏省无锡市蠡湖大道1800,g-214122) 摘 要针对含有一定浓度氮、磷水样的紫外吸收光谱，利用支持向量机与偏最,b乘回归相结合的 方法对水样中的氮磷浓度进行回归建模，所建模型可以很好地检测出水样中的氮磷含量。仿真结果表明， 用这种方法建立的模型，氮麟浓度检测的相对误差都在10％以内，完全满足这方面的精度要求。 关键词 支持向量机；偏最小二乘回归；吸收光谱；精度 中图分类号：0433．5+1,0657．32文献标识码：A 1 引言 水体中的氨氮、总磷的含量成为衡量水体是否富营养化的重要指标，也是水质监测的一项重要 任务。由于被检测水样成分相对复杂，除含有氮和磷化合物外，还含有大量其他未知物质，此类物质 对水样检测会带来未知干扰。传统的光谱分析方法对水样进行分析存在很大难度，研究和探索新型 的水样光谱分析技术成为必然。 采用全光谱技术进行多组分同时测定时，光谱信号通常在数百甚至上千个波长通道处采样吸 收值。此时，光谱信息处理面临的是一个高维数据空间，计算工作量大，建模效率低。如果把整个光 谱区的光谱信息和待预测的组分或性质指标进行相关分析，从中优选出相关度高的波长点进行定 Least 量分析，可获得降维效果和最佳的定量分析结果。由于偏最小二乘法(Partial 有高效抽取信息的作用，自上个世纪80年代以来一直有较多的应用[1_4]。 Risk 结构风险最]＼0t(Structural Vector 有着在未知数据上泛化能力好的特点。在此基础上发展起来的支持向量机(Support 极小问题。目前，这一新的理论方法在小样本模式识别和回归上显示出了独特的优势和良好的应用 前景‘5—8|。 。 目前，测定水体中氨氮、总磷的常用方法有滴定法、比色法等，但由于氨氮、总磷之间存在相互 干扰，近年来利用化学计量学方法不加掩蔽剂或分离直接测定多种组分的研究日益增多，可以采用 多元线性回归光度法、双波长分光光度法、速差动力学光度法等方法进行物质中多组分的同时测 定‘9I。 PI。S可以同时对输入和输出数据进行分解，使得PLS模型能从较少的已知向量中得到尽可能 ①江苏省高技术研究项目(工业)(BG20060lO)；江南大学博士研究生科学研究基金(JUDCFl2030) ②联系人，手机：(oE—mail：pgfl34@sina．corn 作者简介：潘国锋(1972一)，男，浙江省湖州市入，讲师，博士，主要从事软测量建模研究工作。 收稿日期：2012—06—11；接受日期：2012—07—12 万方数据 第1期 潘国锋：基于PLS—SVM解析光度法多组分同时测定数据的比较 多的信息。但由于PI。S采用的是线性回归，因此，用于非线性建模时性能较差。而很多实际问题都 数据进行处理，在保持PLS结构和优点的基础上，提高模型的非线性处理能力和精度，实验数据处 理结果验证了该方法的可行性，并取得了比单独的SVM和PLS更好的预测精度嘲。 2 偏最小二乘(PLS)回归分析 偏最sJ＼-乘NI．Et方法常用于观测数据的“软”建模，在同一算法下，可以实现回归建模、数据结 构简化和多变量之间的相关分析，给多元数