Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:北京理工大学;甘肃银光化学工业集团有限公司

摘要:本发明公开了改进蜣螂算法的乌洛托品‑醋酸溶液近红外模型转移方法,包括以下步骤:S1、选择并设置两个近红外光谱仪,分别作为主机和从机;S2、将矩阵划分为校正集样品和验证集样品,形成预测集样品;S3、对校正集样品、验证集样品和预测集样品的光谱矩阵进行一阶导数和小波变换的联合预处理;S4、利用改进蜣螂算法进行变量优选,依据选择的变量建立主机的偏最小二乘法的五折交叉验证近红外模型,评价模型在不同仪器上的迁移性能。本发明采用上述的改进蜣螂算法的乌洛托品‑醋酸溶液近红外模型转移方法,解决了原有算法中存在的初始种群分布不均匀缺陷,有助于从高维度的光谱数据中选择最具信息的变量,提高建模效率和模型的解释性。

主权项:1.改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法,其特征在于,包括以下步骤:S1、选择并设置两个近红外光谱仪,分别作为主机和从机;S2、根据Kennard-Stone算法,将主机获取的乌洛托品-醋酸溶液光谱矩阵和对应的乌洛托品浓度化学真值矩阵划分为校正集样品和验证集样品;将从机获取的乌洛托品-醋酸溶液光谱矩阵与相应的乌洛托品浓度化学真值矩阵进行匹配,形成预测集样品;S3、对校正集样品、验证集样品和预测集样品的光谱矩阵进行一阶导数和小波变换的联合预处理;S4、利用改进蜣螂算法对校正集样品的光谱矩阵进行变量优选,将经过选择的变量应用于验证集样品和预测集样品,得到变量优选后的校正集样品、验证集样品和预测集样品光谱矩阵;S5、利用变量优选后的校正集样品光谱矩阵和对应的浓度矩阵,采用偏最小二乘法的五折交叉验证法,建立主机近红外光谱校正模型;对变量优选后的验证集样品光谱矩阵进行预测,根据决定系数R2和平均绝对误差MAE评估主机近红外光谱校正模型在验证集样品上的预测性能;S6、利用步骤S5建立的主机近红外光谱校正模型,对变量优选后的预测集样品光谱矩阵进行预测,并评价主机近红外光谱校正模型在从机上的预测效果;步骤S4中,改进蜣螂算法的具体步骤为:S41、初始化改进蜣螂算法的相关参数:设置最大迭代次数M、种群中的个体数量为p0,变异比例Pp、最大权重ωmax、最小权重ωmin、第一学习因子c1、第二学习因子c2、维度D;S42、初始化适应度函数,定义适应度函数如下: 式中,yi为第i个样品的乌洛托品浓度化学真值,为第i个样品的乌洛托品浓度预测值,n1为样品个数;S43、初始化种群:针对种群中的个体数量p0中的每个个体xi=xi1,xi2,xi3,…,xid根据粒子群算法的速度更新规则,计算速度vid和位置xid,并更新适应度值fi,其中速度v和权重ω更新规则为:vidt=ωidt+c1r1pidt-xidt+c2r2pgdt-xidt2,ωit=ωmax-ωmax-ωmintM3,式中,t为当前迭代次数,d=1,2,…,D;i=1,2,…,p0;r1和r2为分布于[0,1]上的随机数;S44、通过滚球蜣螂、育雏球、小蜣螂和小偷蜣螂的行为,更新种群中每个个体的位置xit;S45、计算种群中每个个体的适应度值fi,找到当前最优个体位置xbest和最差个体位置xworse;S46、针对一定百分比的个体进行变异操作:如果随机数小于初始突变概率Mp,则进行变异,更新个体位置,否则保持原样;S47、根据变异操作更新整个种群中的个体,并计算新种群中每个个体的适应度值fi;S48、根据历史最佳解更新当前全局最优位置xi_bestt和最佳最优位置的适应度值fi_bestt;S49、重复上述步骤S43~S48直至达到最大迭代次数;S410、输出全局最优适应度值fi_best及其最优位置xi_best。

全文数据:

权利要求:

百度查询: 北京理工大学 甘肃银光化学工业集团有限公司 改进蜣螂算法的乌洛托品-醋酸溶液近红外模型转移方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

-相关技术