基于粒子群算法的波长选择方法——用于苹果酸度的近红外光谱分析
PSOPLS方法与W-PLS 相比, 获得的苹果酸度的预测值与化学值之间具有更好的相关性。从表2 中可见, PSO-PLS 方法与W-PLS 相比, 波长变量数由500个减少到53个, 可以较大地减少计算量 校正均方根误差( RMSEC )明显变小以及校正相关系数( R c)变大, 说明模型优化明显 预测均方根误差( RMSEP)降低明显以及预测相关系数( Rp)变大, 表明预测准确度有较大的提高。结果显示, PSO-PLS 法所建立的苹果酸度近红外光谱模型比全光谱模型更简洁、更稳健, 该模型具有较强的预测能力。