[发明专利]一种蚁群优化算法的近红外光谱特征波长选择方法

权利要求书

1.一种蚁群优化算法的近红外光谱特征波长选择方法，其特征在于，包括以下步骤：

A：先对近红外光谱进行预处理，用于消除噪声影响，并将所有样本随机划分成校正集和验证集；

B：预处理后的近红外光谱的每一个波长点作为蚁群优化算法的待选变量，采用蒙特卡洛-轮盘转法赋值于待选变量的信息素权值，从变量集中选择信息素权值高的变量，直到变量数达到最大变量数，用被选变量建立偏最小二乘分析模型，输出均方根误差；

C：未达到最大迭代次数时，以最小输出均方根误差的变换函数更新信息素向量，再次进行变量选择，以前后两阶段的被选变量一起建立偏最小二乘模型；

D：达到最大迭代次数后，所有被选择的变量集合经概率阈值分选，将高概率变量作为偏最小二乘法的输入进行建模，各变量协同作用，输出该次循环的最优变量组合和均方根误差；

E：达到最大循环次数后，对各次循环的建模结果进行比较，选择最优的变量组合，即近红外光谱对应某一组分或性质的特征波长。

2.如权利要求1所述的方法，其特征在于，所述蚁群优化算法选择特征变量的具体步骤如下：

（1）近红外光谱波长点的信息素向量为τ_(n-1)时，已选择变量组v₀；

（2）达到最大变量数时，建立偏最小二乘模型，以模型的均方根误差计算目标函数F；

（3）未达到最大迭代次数时，目标函数F和信息素衰减系数ρ来更新信息素向量τ_(n)，再次进行蒙特卡罗概率选择，并重复步骤（1）和（2）；

（4）达到设定迭代次数后，开始循环运算，重复步骤（1）～（3）；

（5）按照误差最小原则，比较各次循环的所得模型的最小均方根误差，获取近红外光谱最优特征波长。

3.如权利要求1所述的方法，其特征在于，所述目标函数设置为F=Q/(1+RMSE_min)，其中，y_i为样本组分或性质的实测值，为预测值，显著性因子Q为常数，用于调整目标函数的收敛效度。