基于AdaBoost方法的近红外光谱建模分析

用常规化学分析设备测定淀粉中各成分含量耗时长、成本高,故探索基于近红外光谱技术的淀粉成分含量测定新途径.采用AdaBoost回归模型及其改进模型对近红外光谱数据进行建模,实现对淀粉中水分成分含量的预测及分析,对比了4种不同AdaBoost模型及同一模型下选择不同的损失函数,总计8种情况下的模型拟合效果.结果显示:AdaBoost R.T方法作为AdaBoost.R2方法之后衍生的改进算法,通过均方误差和决定系数均可明显看出预测效果好于原AdaBoost.R2方法;再对AdaBoost R.T方法进行鲁棒性改进,递归调整AdaBoost R.T算法中的阈值,对比原始预测结果发现改进后展现出更好的模型性能;通过对弱学习器在强学习中所占权重改进后的AdaBoost.R2方法,建立的预测模型在训练集和测试集上的预测效果均优于作为对比的其他3种方法;在涉及损失函数选择的两种方法中,均发现损失函数选择指数损失的模型效果最优.研究表明利用近红外光谱技术和AdaBoost回归模型对淀粉成分含量预测是可行的.