1 长春工业大学电气与电子工程学院, 吉林 长春 130012
2 长春工业大学机电工程学院, 吉林 长春 130012
3 吉林建筑科技学院, 吉林 长春 130012
激光诱导击穿光谱技术(LIBS)用于检测时, 由于谱线多且复杂, 存在许多冗余的信息, 这些都会对定量分析造成影响。 因此, 提取有效的特征变量在LIBS的定量分析中具有非常重要的意义。 对CaCl2溶液中的Ca元素进行光谱特征选择方法分析, 对比单变量模型、 偏最小二乘回归和CART回归树定标模型的准确度和稳定性。 针对水体表面的波动性较大, 光谱稳定性差, 同时光谱受基体效应和自吸收效应影响等问题, 首先采用单变量模型得到的拟合系数(R2)仅有0.933 2, 训练均方根误差(RMSEC)、 预测均方根误差(RMSEP)和平均相对误差(ARE)分别为0.019 2 Wt%, 0.017 7 Wt%和11.604%。 经偏最小二乘回归优化后, 模型R2提高到0.975 3, RMSEC, RMSEP和ARE分别降低到0.010 8 Wt%, 0.013 Wt%和7.49%。 为了进一步提高定量分析的准确度, 建立CART回归树定标模型。 该方法在构建树模型时, 通过平方误差最小化准则, 从复杂的光谱信息中选取最优的特征变量组合做分类决策, 从而建立Ca元素的定标曲线。 通过CART回归树的变量选择, 特征变量个数从100个减少到6个, 变量的压缩率达到了94%, 显著降低了无关谱线的干扰, 回归树模型的相关系数R2, RMSEC, RMSEP和ARE分别为0.997 5, 0.003 5 Wt%, 0.006 1 Wt%和2.500%。 相较于传统的单变量模型与偏最小二乘回归, CART回归树模型具有更高的精度、 更小的误差。 通过对特征变量的有效筛选, 剔除无关信号的干扰, 显著降低了基体效应和自吸收效应对LIBS定量分析的影响, 提高了定量分析的准确度和稳定性。
激光诱导击穿光谱 特征变量选择 CART回归树 定量分析 Laser-induced breakdown spectroscopy Feature variable selection CART regression tree Quantitative analysis 光谱学与光谱分析
2021, 41(10): 3240
1 青海师范大学地理科学学院,青海省自然地理与环境过程重点实验室, 青海 西宁 810008
2 中国环境科学研究院, 北京 100012
针对高光谱数据量大、信息冗余严重的现象,应用稳定竞争性自适应重加权采样(sCARS)、连续投影算法(SPA)、遗传算法(GA)、迭代保留有效信息变量(IRIV)和稳定竞争性自适应重加权采样结合连续投影算法(sCARS-SPA),从全波段光谱数据中筛选特征变量,并利用全波段和特征波段建立偏最小二乘回归(PLSR)、支持向量机(SVM)和随机森林(RF)模型预测土壤有机质含量。结果表明, PLSR和SVM模型结合特征变量选择,不仅提高了模型运算效率,而且模型预测能力较全波段均有一定提高;RF模型采用特征变量建模,对模型精度的提高不是十分明显,但其构建模型的变量数量却显著减少,大大提高建模效率。RF模型精度优于SVM和PLSR模型,IRIV结合RF建立的土壤有机质含量预测模型,变量数仅63个,校准集和验证集模型决定系数(R2)分别为0.941和0.96,验证集相对分析误差(RPD)为4.8。与全波段建模相比,特征变量选择和回归方法相结合,在保证模型精度的同时,可有效提高建模效率。
光谱学 土壤有机质含量 特征变量选择 回归模型
