基于改进鲸鱼优化算法的近红外光谱波长变量选择方法及其应用

该文在群体智能的鲸鱼优化算法(WOA)基础上,提出了一种改进的鲸鱼优化算法(iWOA)用于近红外光谱波长的选择。首先引入混沌策略初始化种群,避免算法过早陷入局部最优;其次引入一种非线性时变Sigmoid传递函数和贪心算法思想,提升算法探优能力,使得模型获得更好的预测精度。为验证算法的有效性,以玉米脂肪、蛋白质、淀粉、水4个指标的近红外光谱数据进行偏最小二乘(PLS)建模分析,并与其他算法进行对比。结果表明,iWOA算法能在最短时间内,有效地筛选出波长变量,降低模型的复杂度,提升模型的预测精度。在玉米脂肪、蛋白质、淀粉、水含量的预测上,与全光谱相比,模型的预测集均方根误差(RMSEP)分别从0.0772、0.1224、0.3344、0.0595降至0.0332、0.0507、0.1392、0.0044,预测精度分别提升了57.0%、58.6%、58.3%、92.6%;算法选出的波长数目分别为:84、69、87、66。