嵌入式粒子群 |
您所在的位置:网站首页 › 蚁群算法和粒子群算法 › 嵌入式粒子群 |
第 41 卷 , 第 1 期 2
0
2
1 年 1 月 光谱学与光谱分析 SpectroscopyandSpectraBAnaBysis Vol.
41, No.
1,ppl94-200 January ,
2021 嵌入式粒子群-遗传算法的水质 COD 检测特征波长优化算法 漆伟 , 冯鹏 $ , 魏彪 , 郑冬 , 于婷婷 , 刘鹏勇 重庆大学光电技术及系统教育部重点实验室 , 重庆 400044 摘
要
基于紫外-可见光谱法的水质测量中 , 光谱信号易受到系统噪声干扰 、 悬浮物散射干扰 , 且存在信
息冗余 、 多重共线性等特征 , 导致水质 COD 测量中特征波长的选取产生较大偏差 。 因此 , 提出了基于嵌入
式粒子群-遗传 ( EPSO ) GA ) 算法的水质 COD 检测特征波长优化算法 , 以提高波长选择精度 。 为验证检测特
征波长优化算法的可行性 , 采集了某高校池塘水样 、 生活污水和排水沟水样的光谱数据 , 利用 EPSO _ GA 算
法对预处理后的光谱数据选取特征波长 。 EPSO _ GA 算法采用实数编码方法实现了粒子群 ( PSO ) 优化算法和
遗传 ( GA ) 优化算法的统一编码 , 在 PSO 算法中更新粒子时嵌入 GA 算法的选择 、 交叉 、 变异等操作 , 改善
了这两种算法各自在光谱波长特征选取问题上的局限性 ° 将 EPSO _ GA 算法选取的特征波长结合偏最小二
乘法 ( PLS ) 构建了
EPSO _ GA _ PLS 的水质 COD 预测模型 , 并且与传统的 PSO 算法 、 GA 算法选取特征波长
建立的 PSO _ PLS 、 GA _ PLS 和全光谱构建的 PLS 水质 COD 预测模型做了对比 。 结果表明 : 与 PSO _ PLS ,
GA _ PLS 和全光谱构建的 PLS 水质 COD 预测模型相比 , EPSO _ GA 改善了
PSO 算法和 GA 算法在光谱特征
波长选择中早熟和收敛速度慢的问题 , 降低了全光谱构建 PLS 水质 COD 预测模型的复杂度 , 提高了模型的
预测精度 ° 基于 EPSO _ GA 算法建立的 EPSO _ GA _ PLS 水质 COD 预测模型 , 均方根误差降到了
0.212
3 , 预
测精度增加到 0.999
3 , 可以快速定量检测水质 COD , 为紫外-可见光谱法测 COD 提供了更好的预测模型 ° 关键词
紫外-可见光谱法 - 嵌入式粒子群-遗传算法 - 波长特征选择 - 偏最小二乘法 - 化学需氧量
中图分类号 : X522
文献标识码 : A
DOI :
10.3964 力 . issn.
10000593
( 2021
) 01-0194-07 引言 化学需氧量 ( chemical
oxygen
demand ,
COD ) 是衡量水
环境污染水平高低的最重要指标之一
! 利用紫外-可见光谱
法构建模型对水质 COD 进行分析 , 已广泛应用于在线水质
检测领域 , 具有实时 、 在线 、 原位测量 、 无二次污染等优
点但在实际应用中 , 水质检测系统会受到多方面的影
响 , 其中检测的光谱数据含有大量的噪声对水质 COD 的分
析造成严重干扰因此 , 对光谱数据进行去噪是水质 COD
检测的必要前提 ° 在光谱噪声处理方面 , 小波变换可以有效
去除光谱噪声 ,
但是小波去噪后依然存在悬浮物散射 、
光谱
信息冗余和微弱噪声等问题 ° 故在小波阈值去噪的基础上 ,
采用特征波长选取操作 , 特征波长选取是利用智能优化算法
在原始光谱的整个波段选出最佳的几个特征波长 , 用于表征
原始光谱信息 ° 常用的智能优化算法有粒子群算法 、 遗传算法 、 蚁群算
法等 ° 宾俊等在近红外光谱波长选择的研究中 , 提出了以
蚁群优化 ( ACO ) 、 遗传优化 ( GA ) 、 粒子群优化 ( PSO ) 、 随机
青蛙 ( RF ) 和模拟退火 ( SA ) 等智能优化算法对特征波长进行
选择的思想 , 找出了总氮和烟碱对应最佳光谱波长组合 , 结
果表明利用智能优化算法选择特征波长可以排除噪声干扰 ,
建立的模型可以快速准确的分析出总氮和烟碱的含量 °
Tang
等⑷采用了基于遗传算法和粒子群算法优化的遗传算法-粒
子群优化 ( GA-PSO ) 算法 , 成功实现了在消光光谱测量中选
择最佳波长 , 该方法具有抗噪声的优点 °
Ying 等⑸将连续投
影算法 ( SPA ) 与四种群智能优化算法相结合 , 包括 GA 算
法 , PSO 算法 , 群搜索优化器 ( GSO ) 和萤火虫算法 ( FA ) , 以
用于提取有效波长变量 , 可以快速有效地区分苹果汁的掺
假 。 Li 等利用差分进化 ( DE ) 的波长选择方法 , 消除了太赫
兹时域光谱的散射和噪声干扰问题 °
Zhang 等⑦提出了使用
等距组合多元线性回归 ( ECMLR ) 方法进行波长选择 , 在时 收稿日期 : 2019-12-17 , 修订日期 : 2020-04-16 基金项目 : 国家自然科学基金项目 ( 1401049 ) , 重庆市社会事业与民生保障科技创新专项 ( c S tc2017shm S A00004 ) , 中央高校基本科研业务 费医工结合专项 ( 2019CDYGYB019 ) 资助 作者简介 : 漆
伟 , 1995 年生 , 重庆庆大学光电技术及系统教育部重点实验室硕士研究生
:
*************.cn 通讯作者
:
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |