稻谷千粒质量近红外光谱预测模型的波长选择方法

为研究波长选择方法对稻谷千粒质量近红外光谱分析（MRS）模型预测能力的影响，用偏最小二乘法（PLS），在600～1100nm的波长区间，建立稻谷千粒质量的全光谱近红外光谱预测模型，得到模型的内部交叉验证系数为0．714，外部验证决定系数为0．659，内部交叉验证误差和预测误差分别为1．809和1．756。采用相关系数法、互信息法、逐步回归法、无信息变量消除方法、遗传算法和间隔偏最小二乘法对建模波长区间进行选择和优化，再以同样的方法建立稻谷千粒质量NIRS预测模型。结果显示，通过波长选择和优化后，不仅参与建模的波长显著减少，而且所建模型的内部交叉验证和外部验证决定系数均有所增大，交叉验证误差和预测误差均有所减小。其中，采用遗传算法进行波长选择后，所建模型的内部交叉验证和外部验证决定系数最大，分别为0．729和0．710，交叉验证误差和预测误差则分别降低了9．50％和5．72％，是6种方法中最优的。表明经过波长选择后，可以提高稻谷千粒质量近红外光谱预测模型的预测能力。